基于MPC的球形机器人轨迹跟踪方法研究

单摆驱动式球形机器人运动存在欠驱动和非线性特性,导致轨迹跟踪难度较大。为此,提出了一种基于模型预测控制(MPC)的球形机器人轨迹跟踪控制方法。该方法首先利用拉格朗日动力学模型和参考运动轨迹,结合泰勒线性展开和时域离散处理,得到球形机器人运动状态偏差的预测模型。随后,以未来特定时段内轨迹跟踪误差最小为目标,在满足控制量和控制增量约束的条件下,利用二次规划对球形机器人长轴和短轴电机转矩进行滚动优化,同时在特定控制步长下不断根据优化结果进行电机转矩控制,最终实现对机器人参考轨迹的跟踪。仿真结果表明,与传统PID控制方法相比,所提MPC方法横向跟踪最大误差减少了0.664 4 m,纵向跟踪最大误差减少了0.112 1 m,跟踪误差曲线基本在0附近波动,具有明显的轨迹跟踪精度与稳定性优势。

一类基于RBF网络机械手的轨迹稳定跟踪控制

目的针对具有外界干扰不确定性的柔性关节机械手实际轨迹跟踪稳定性问题,提出一种自适应动态面控制与神经网络相结合的方法。方法对于非线性系统中的函数以及未知参数,根据径向基函数(RBF)神经网络的特点对其进行逼近,并对来自外界对系统的干扰项,通过设计阻尼项将其补偿,再根据动态面的相关知识对该非线性系统中的控制器进行设计且实现关节轨迹跟踪控制。结果仿真结果表明:在非线性系统中,该方法能够克服干扰不确定性项,实现机械手连杆转角q较好的跟踪效果,误差缩在5%以内,具有较强的跟踪稳定性,且随着时间的进行,跟踪误差愈发减小且趋向于0,对于参数的估计以及逼近都达到了理想的阈值。结论该方法保证了闭环非线性系统半全局稳定,又可利用参数调节的方式达到跟踪误差任意小,且设计的控制器不但保证了机械手的位置跟踪稳定性,而且很好地解决了跟踪抖动问题。

具有状态约束的机械臂切换自适应控制

为了解决具有状态约束的机械臂的控制问题,本文针对一类具有全状态约束和状态不完全可测的切换严格反馈非线性系统进行研究,通过引入状态观测器、自适应神经网络和动态表面控制技术,设计了一种基于径向基函数(RBF)神经网络的自适应输出反馈控制方法。利用Lyapunov方法和平均驻留时间理论(ADT)保证了闭环系统所有信号是半全局一致最终有界的(SGUUB),通过数值例子仿真验证了所提方法的有效性。最后将该方法应用于带电机驱动的机械臂并进行仿真实验,仿真结果表明,机械臂轨迹跟踪误差很小,有着良好的控制精度,同时也表明所提出的控制算法能够应用于实际工程模型。

海流环境下二关节机械臂动力学建模及其跟踪控制

水下机械臂的水动力性能受海流载荷的影响较大,目前针对水下机械臂控制的相关研究中将水下环境做了静水的假设或将海流载荷仅仅作为一种简单的随机扰动来考虑,控制精度较低.该文分别基于Lagrange法和Newton-Euler法推导出均匀海流环境下二关节机械臂的动力学模型,考虑海流和机械臂的相对运动,引入Morison公式计算海流对机械臂的水阻力和惯性力.基于此动力学模型,利用滑模控制策略实现机械臂理想轨迹的精确跟踪.对比PD(proportional-derivative)控制,仿真结果表明滑模控制具有更优的控制效果.

移动装配机器人手臂的滑模鲁棒控制方法

为了克服外界干扰、未知负载等不确定性和电机动态特性对移动装配机器人手臂末端空间轨迹跟踪的影响,提出了一种基于扩张状态观测器的滑模鲁棒控制律。首先建立了包含不确定性和电机动态特性的数学模型,然后设计了扩张状态观测器来准确估计不确定性,在此基础上提出了滑模鲁棒控制律,最终实现了对移动装配机器人手臂末端空间轨迹跟踪的高精度控制。仿真结果表明,所设计的滑模鲁棒控制律具有更优的控制效果,移动装配机器人手臂末端空间轨迹的最大跟踪误差仅为0.5 cm,所设计的扩张状态观测器能够准确估计不确定性,最大估计误差仅为0.2 N·m,估计精度较高。移动装配机器人手臂空间固定坐标定位实验结果表明,在基于扩张状态观测器的滑模鲁棒控制律的作用下,移动装配机器人手臂末端空间轨迹的最大跟踪误差仅为0.24 cm,平均每次定位的运行时间仅为1.55 s,表现出了更优的快速性、准确性和工程实用性。

基于深度强化学习的动基座双自由度系统动力学控制方法

具有硬边界的动基座双自由度动力学系统在受到基座周期性激励与随机冲击扰动时,振子与边界碰撞后的强非线性特性导致系统产生复杂的混沌行为.本文基于Soft Actor-Critic强化学习框架,构建了同时实现振动控制与基座运动跟随的智能算法,研究了宽频域范围内含有硬边界约束的动基座双自由度系统的动力学控制效果.通过构建包含相对位移、控制力的复合奖励函数,实现动力学系统精度较高的轨迹跟踪与振动抑制.结果表明,该算法可以实现频率范围跨2个数量级(0.01Hz到1Hz)的有效振动控制,并通过与PID控制方法的比较,展现了该方法在复杂环境中的稳定性与泛化性.

四旋翼无人机非线性轨迹跟踪控制

针对四旋翼轨迹跟踪在高频情况下易出现系统不稳定的问题,设计一种基于动态逆技术(Dynamic Inverse,DI)的轨迹跟踪方法。由于四旋翼是典型的欠驱动系统,本文考虑双闭环设计,通过各种数值实验验证在低频率与高频率情况下控制器的追迹性能,并与PID控制器进行比较。仿真结果表明,频率为0.6πrad/s时本文方法的位置跟踪均方误差比PID方法的误差小0.0514 m,当频率大于1.15πrad/s时PID控制方法使得系统出现不稳定,而本文方法仍可以完成较好的轨迹跟踪。

柔性臂漂浮基空间机器人建模与轨迹跟踪控制

利用拉格朗日法和假设模态方法建立了末端柔性的两臂漂浮基空间机器人的非线性动力学方程.通过坐标变换,推导出一种新的以可测关节角为变量的全局动态模型,并在此基础上运用基于模型的非线性解耦反馈控制方法得到关节相对转角与柔性臂的弹性变形部分解耦形式控制方程.最后,讨论了柔性臂漂浮基空间机器人的轨迹跟踪问题,并通过仿真实例计算,表明该模型转换及控制方法对于柔性臂漂浮基空间机器人末端轨迹跟踪控制的有效性.

并联机器人动力学与控制仿真研究

并联机器人控制问题一直以来都是一个开放领域。在这方面的研究还比较少。文中以6—UPS 型Stewart 平台为研究对象,利用牛顿—欧拉方法建立了并联机器人的动力学模型,并提出了基于控制法则的动力学分解方法,推导出并联机器人的控制率方程,设计了基于动力学模型的控制器。采用 PID 校正方法对并联机器人的轨迹进行跟踪,给出了运动平台做圆周运动时轨迹跟踪曲线,仿真实验结果表明,轨迹跟踪效果比较理想,控制方案是正确的。为进一步的并联机器人控制及性能改进奠定了良好的基础。

基于扰动观测器的无人水面船鲁棒轨迹跟踪

为实现三自由度无人水面船(USV)在风浪流引起的海洋环境干扰下的轨迹跟踪,设计一种非线性扰动观测器(NDO)和动态面控制(DSC)的鲁棒控制器。首先,提出一种新的NDO来在线估计并补偿外界环境干扰。与传统干扰观测器不同,该扰动观测器具有有限时间收敛的特点;然后,在运动学回路中利用反演法设计虚拟控制律来镇定跟踪误差,并其通过一阶低通滤波器避免了由对虚拟控制求导而带来的计算复杂性,同时通过NDO对未知海洋干扰进行实时补偿,利用Lyapunov稳定性定理证明了USV闭环系统的误差信号半全局最终一致有界(SGUUB)。最终,仿真实验证明了所设计控制策略的有效性。

柔索驱动并联机器人运动控制研究

针对柔索驱动并联机器人的工作特点,研究柔索驱动并联机器人的运动控制方法。通过对柔索驱动并联机器人系统动力学的强非线性、参数不确定性以及受到外界干扰等系统特性的分析,探讨了系统适用的控制策略。进一步,设计了一种将常规PI控制和Fuzzy控制相结合的Fuzzy-PI混合离散控制策略来实现柔索驱动并联机器人轨迹跟踪控制。这种控制策略不仅能发挥模糊控制鲁棒性强、动态响应快的特点,而且具有常规PI控制器的动态跟踪品质和稳态精度。在此基础上,为了进一步提高Fuzzy-PI混合离散控制系统的适应能力,设计了一种带有自调整因子的模糊控制规则。数值结果表明,在相同给定条件下Fuzzy-PI控制算法、常规模糊控制和离散非线性PID控制算法跟踪期望轨迹时,沿X方向、Y方向和Z方向的跟踪误差分别在±10cm、±7cm、±3cm,±15cm、±8cm、±5cm,±15cm、±9cm、±4cm的范围内。

考虑柔索垂度影响的索牵引并联机器人跟踪控制

为考虑柔索垂度影响采用抛物线方程来描述大跨度柔索的构形,推导出索端张力与索端位移和索长变化之间的关系。基于柔索力学方程建立索牵引机器人的动力学模型,模型中作用在末端执行器上的柔索合力与柔索长度和末端执行器的位姿直接相关。为便于在控制设计中引入力学模型,对动力学方程进行线性展开,得到作用在末端执行器上的柔索合力增量与索长变化和末端执行器位移之间的关系。作用在末端执行器上的柔索合力可以表示为其期望值与相应的增量之和,该增量是由索长误差及末端执行器位姿误差引起的。控制设计时首先采用李雅普诺夫法针对柔索合力设计反馈控制器,然后利用前述的增量关系构造出基于末端执行器位姿反馈,以索长调整量为控制输出的非线性控制器。该控制器在本质上为一带补偿项的非线性PD控制,控制器参数可随系统状态的变化而自动调整。数值算例证明了控制算法的有效性。

悬索驱动并联机器人的非线性PD控制研究

基于悬链线方程建立了大跨度悬索的索力与索端位移和索长之间的增量关系,同时推导出机器人末端执行器的位移偏差与悬索作用力增量之间的关系,据此构造出系统的动力学方程。采用李雅普诺夫法先对末端执行器上的合力设计反馈控制器,然后结合系统的动力学方程,构造出以索长调整量为控制输入时的非线性PD控制器。数值算例证明了控制算法的有效性。

基于自适应动态规划的移动装弹机械臂轨迹控制

针对移动装弹机械臂系统非线性、强耦合、受多种不确定因素影响的问题,本文基于自适应动态规划方法,提出了仅包含评价网络结构的轨迹跟踪控制方法,有效减小了系统跟踪误差.首先,考虑到系统非线性特性、变量间强耦合作用及重力因素的影响,通过拉格朗日方程建立了移动装弹机械臂的动力学模型.其次,针对系统存在不确定性上界未知的问题,建立单网络评价结构,通过策略迭代算法,求解哈密顿–雅可比–贝尔曼方程,基于李雅普诺夫稳定性理论,设计了自适应动态规划轨迹跟踪控制方法.最后,通过仿真实验将该控制方法与自适应滑模控制方法进行了对比,进一步检验了所设计控制方法的有效性.

基于名义模型的机械手PI鲁棒滑模控制研究

针对多关节机械手关节轨迹跟踪控制问题,将机械手动力学模型分解为名义模型和建模误差两部分,并对两部分用跟踪位置误差和速度误差定义滑模函数,对这两部分设计控制律,提出了基于名义模型的机械手PI鲁棒滑模控制方法.通过定义基于积分型的Lyapunov函数,证明了控制系统是全局渐近稳定的.利用该控制器对三关节机械手进行关节力矩控制,使三关节能在3s内实现对理想轨迹的跟踪,三关节均具有良好的位置跟踪和速度跟踪性能.仿真实验验证了控制器设计的有效性,并且通过合理选择控制器参数,能够消除滑模控制器输出所存在的抖振现象.

无人机航迹跟踪控制与仿真

对于无人机的精确航迹跟踪问题进行了研究。系统分为基本姿态控制器设计和制导系统设计两个部分进行研究。利用多重时间尺度奇异摄动理论,结合非线性动态逆方法设计了基本姿态控制器,包括快逆回路和慢逆回路两部分。由引导飞机沿期望航迹的指令加速度解算出跟踪指令航迹所需要的制导力,求出飞机改变姿态所需的控制指令,作为基本姿态控制器的输入。针对某无人机模型进行了机动航迹跟踪仿真验证,仿真结果显示系统能够较好的跟踪指令机动航迹,证明了该方法的有效性和实用性。

全方向康复步行训练机器人的跟踪控制

针对全方向康复步行训练机器人在跟踪运动过程中x轴、y轴和方向角各轨迹之间存在强耦合的问题,提出了速度跟踪控制器设计方法,从而使全方向康复步行训练机器人能同时实现各个方向理想的跟踪效果.在全方向康复步行训练机器人动力学模型和运动学模型的基础上,采用输入-输出线性化方法,通过模型解析推导出四轮转速与其驱动力间的解耦状态方程,设计速度跟踪控制器,实现速度的解耦控制.将速度控制器与非线性反馈控制律相结合,可以实现对运动轨迹的跟踪.仿真实验表明,本文方法具有一定的有效性,解决了传统跟踪过程中不能同时实现运动速度和运动轨迹跟踪的问题.

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.

基于Lyapunov方法的非合作目标接近与视线跟踪

研究了接近和跟踪同时存在姿态翻滚和轨道机动的非合作目标轨道姿态6-DOF联合控制问题。综合视线坐标系下相对运动动力学模型和追踪航天器姿态动力学模型,建立姿轨联合动力学模型。由于系统模型存在很强的非线性,所以对系统模型先进行预处理,将其转化成利于控制器设计的形式,采用Lyapunov最小-最大方法对同时存在姿态翻滚和轨道机动的非合作目标设计了自主接近和随动跟踪控制律。通过仿真验证了模型和控制方法的有效性。

干扰观测器与滑模控制结合的机械臂跟踪控制

为了提高机械臂轨迹跟踪的精度和速度,提出了干扰观测器与非线性滑模控制相结合的轨迹跟踪控制方法。建立了机械臂动力学模型,设计了机械臂轨迹跟踪控制方案。将机械臂受到的扰动分为可观测部分和不可观测部分,对于可观测部分,设计了干扰观测器用于估计扰动大小,依据扰动观测值对控制力矩进行补偿,主动消除可观测部分扰动的影响;对于不可观测部分,设计了非线性滑模控制器,用于减小不可观测扰动造成的跟踪误差与抖动。经仿真验证,与传统滑模控制和非线性滑模控制相比,干扰观测器与非线性滑模控制相结合的轨迹跟踪误差减小了一个数量级以上,且跟踪速度最快。