气动位置伺服系统运动轨迹跟踪控制

为实现气缸的高精度运动轨迹跟踪控制,针对具有控制阀死区的气动位置伺服系统,提出了一种含死区补偿的自适应鲁棒控制策略.控制器由在线最小二乘参数估计和基于反步法设计的非线性鲁棒控制器组成,前者用于减小模型中参数不确定性,后者用于抑制参数估计误差、未建模动态和干扰的影响.采用基于标准投影映射的参数自适应律,控制器的两个部分可以独立进行设计.此外,由于控制阀的死区得到了有效补偿,算法的可移植性好.实验表明,所设计的控制器能实现很高的轨迹跟踪控制精度,对系统参数变化和干扰具有较强的性能鲁棒性.     

直接驱动机器人自适应-PD复合运动控制研究

针对直接驱动机器人结构参数与摩擦参数的非确定性,提出机器人自适应-PD控制策略。首先分析了机器人的两类不确定性,推演了机器人动力学方程,给出不确定性动力学结构量的线性化表示;然后,对关节摩擦力矩矢进行了建模;为补偿动力学不确定性给机器人带来的控制误差,构建含位置与速度反馈的双闭环控制系统,引入自适应机构辨识不确定性参量,并据此规划出自适应控制律;为提高运动控制精度,在控制器中嵌入PD子控制器。仿真实验显示,系统的位置和角速度跟踪误差分别为-0.02°~0.03°与±0.005 rad/s,表明自适应-PD控制律可实现直接驱动机器人精密轨迹控制。     

非对称液压缸位置伺服系统鲁棒控制

针对阀控非对称液压缸位置伺服系统存在参数摄动和不确定外负载的问题,提出了一种鲁棒H∞自适应反步控制器的设计方法。在设计控制器时,通过对子系统选择合适的Lyapunov函数,避免了高阶系统中对虚拟控制量重复求导的问题;使系统的跟踪误差满足鲁棒H∞性能指标,增强了系统的鲁棒性;考虑到控制输入前的不确定参数会导致所设计控制律和自适应律互相嵌套,把系统模型中的时变参数进行变量置换,并对整个系统构造了一个合适的Lyapunov函数,从而解决了该问题;最后对闭环系统的稳定性进行了证明。仿真结果表明,与PID控制器相比,所设计的控制器使系统的输出对给定信号的跟踪速度更快,具有更小的跟踪误差,且对参数变化有较强的鲁棒性。     

压电微定位系统自适应鲁棒有限时间跟踪控制

针对压电微定位系统中存在外界扰动、迟滞等时变不确定、非线性因素影响其定位精度的问题,提出了一种基于函数逼近的自适应鲁棒有限时间控制策略。通过引入具有连续、非奇异,且有限时间收敛特性的终端滑模面,设计了满足压电微定位系统的轨迹跟踪控制律。为了克服该控制器依赖于系统不确定量的边界信息,采用傅里叶级数进行动态逼近,并针对其逼近误差,利用模糊逻辑系统实现在线补偿。最后,应用Lyapunov函数获得傅里叶系数及模糊调节参数的自适应律,并证明了该控制器的有限时间稳定性。仿真分析与实验结果验证了控制策略的鲁棒性与有效性。     

不同车速下自适应变化的路径跟踪控制研究

路径跟踪是自动驾驶汽车的核心技术,许多控制算法已被广泛应用于路径跟踪任务。为了提高路径跟踪在不同速度下的自适应能力,提出了一种结合预测轨迹和模糊控制的自适应Stanley路径跟踪控制器。参考人类驾驶员经验,模糊控制器根据车辆的横纵向速度实时调整预瞄距离,预测轨迹根据纵向速度实时调整预测时间进行提前控制。最后设计了自适应邻域的粒子群算法来对控制器参数进行优化。通过Simulink-CarSim的联合仿真验证,证明自适应Stanley控制器可以显著提高对不同速度的适应性和跟踪性能。     

基于稳定性的并联机构自适应控制

针对并联机构存在参数变化及不可预测的未建模误差的特点,提出一种基于模型的参考自适应控制策略。将机构系统的参数变化及未建模误差看成对实际系统的扰动,建立理想的参考模型,依靠系统状态及其误差构造自适应反馈律,利用稳定性理论推导自适应控制律,使得实际机构与参数模型具有相同的动态特性。实例显示,自适应控制器对参数变化及未建模误差引起的运动误差具有很好的抑制作用,保证机构对规划的目标运动具有很高的跟踪精度。     

大型喷杆喷雾机钟摆式主被动悬架自适应鲁棒控制研究

针对大型喷雾机喷杆钟摆式主被动悬架系统存在的参数不确定性和随机干扰导致控制精度低、稳定性差的问题，对基于模型补偿的自适应鲁棒控制算法进行研究。建立了钟摆式主被动悬架的非线性动力学模型和调节机构几何方程，基于模型设计了自适应鲁棒控制器，综合悬架系统和电液位置伺服系统模型中存在的参数不确定性，同时兼顾系统未补偿的摩擦力和外部扰动等不确定非线性因素，通过理论分析和试验证明，在同时存在模型参数不确定和不确定非线性的情况下，设计的控制器可以保证系统输出跟踪控制的暂态性能和稳态精度。以单出杆液压作动器驱动的28m大型喷杆主被动悬架为例，借助建立的大型喷杆悬架半实物仿真平台进行了控制算法的试验验证，并使用Stewart六自由度运动平台模拟底盘的运动干扰，与反馈线性化控制器、鲁棒反馈控制器、PID控制器进行了试验对比，结果表明，设计的基于模型补偿的自适应鲁棒控制器最大跟踪误差0.148°，而反馈线性化控制器最大跟踪误差0.201°，鲁棒反馈控制器最大跟踪误差0.51°，PID控制器最大跟踪误差0.48°。设计的控制器在同时存在参数不确定性和扰动的情况下，使用较小的反馈增益能够保证渐进跟踪性能和稳态跟踪精度。     

基于轮速控制的移动机器人轨迹跟踪控制算法

滑移转向是移动机器人应用最广泛的转向方式。针对采用滑移转向方式的移动机器人轨迹跟踪中由于纵向滑移而导致跟踪误差大的问题,提出一种以两侧驱动轮转速为控制量的转向控制方案,并利用Back stepping方法与李雅普诺夫稳定性判据为依据设计滑移参数自适应律。为验证所设计的轨迹跟踪算法的有效性,在Matlab/Simulink软件中搭建移动机器人和路面模型,并进行仿真分析。仿真结果表明,所设计的轨迹跟踪控制算法能够准确地估计滑移参数并实现轨迹跟踪。     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略，控制伺服电动机的运动，以实现对常速电动机速度波动的补偿。由于系统精确模型难以获得，设计了基于名义模型的径向基函数网络自适应控制器，进行混合输入机构轨迹的跟踪，应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近，网络输出权值由自适应算法学习确定，并对该控制器进行稳定性分析。仿真结果表明，所设计的控制器稳定有效, 具有较强的鲁棒性。     

阀控非对称缸系统多级滑模鲁棒自适应控制

考虑阀控非对称缸系统的特性,设计了一种基于逆向递推方法的多级滑模鲁棒自适应控制器。首先采用Backstepping逆向递推技术和状态反馈线性化的方法,给出系统的多级滑模控制器。然后依据Lyapunov稳定性理论,得到系统不确定参数的自适应律,并在自适应控制中引入鲁棒控制的设计方法,实现对活塞位移的精确位置跟踪控制。实验结果表明,多级滑模鲁棒自适应控制具有较强的鲁棒性和良好的跟踪性能。     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿.由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析.仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性.     

机械臂神经网络非奇异快速终端滑模控制

针对多自由度机械臂轨迹跟踪控制系统存在收敛速度慢、跟踪精度低的问题,提出了一种基于径向基神经网络(RBFNN)的非奇异快速终端滑模(NFTSM)自适应轨迹跟踪控制方法。首先,该方法采用非奇异快速终端滑模超曲面,切换控制项引入连续终端吸引子,使得系统能在有限的时间内收敛到平衡点。其次,采用RBFNN逼近系统未知非线性动力学,并结合逼近误差的自适应补偿机制,实现无模型控制。利用Lyapunov理论证明闭环系统的全局渐进稳定性和有限时间收敛性。最后,将该控制方法应用于Denso串联机械臂进行实验验证,并分析系统传输延时对实验结果的影响,提出解决方法。仿真和实验结果表明,该控制方法能有效地提高系统收敛速度和跟踪精度,增强对外部扰动的鲁棒性,削弱系统抖振。     

并联光电跟踪平台建模与工作空间闭环控制

针对某小型浮式并联光电跟踪平台体积小、负载惯量大的特点,提出了一种以少自由度并联机构为基础的改进型并联机构。推导了平台的系统雅可比矩阵,基于拉格朗日方法得到了平台的动力学模型。针对并联平台的内部耦合、参数不确定和干扰的问题,基于工作空间提出了一种带有干扰观测器的复合滑模控制策略。利用干扰观测器观测系统干扰,减小干扰上界,基于反步法设计了滑模控制器跟踪目标轨迹并进一步抑制未观测出的干扰。仿真和实验结果表明,提出的数学模型和控制策略使平台跟踪误差减小到±0.08°,为PID控制误差的14.5%,特别适用于并联平台等内部耦合及干扰较显著的场合。     

混合输入机构实现给定轨迹的模糊控

混合输入机构运转过程中,由于惯性力等因素的存在,恒速电动机会产生一定的速度波动,影响了输出运动轨迹的精度.针对混合输入机构中恒速电动机不可控的特点,提出了伺服电动机实时跟踪恒速电动机转速的控制策略.构建了混合输入机构控制平台,设计了伺服电动机对恒速电动机转速实时跟踪的模糊控制器,对恒速电动机的速度波动进行补偿,以保证精确实现给定轨迹.实验结果表明模糊控制器具有较高控制精度和稳定性.     

无人驾驶模式下电液复合转向系统高鲁棒性控制策略

针对重型车辆电液复合转向系统（Electro hydraulic hybrid steering system,EHHS）无人驾驶模式下的转向跟踪控制问题,首先建立了考虑EHHS系统参数不确定性及外界干扰影响的转向系统完整非线性动力学模型;然后提出了一种自适应双闭环转向跟踪控制策略,外控制环设计参数自适应率,以有效适应模型参数摄动,采用改进滑模控制计算期望转向力矩,内控制环则利用PI控制转向电机电流,实现对期望转向力矩跟踪;最后利用Matlab/Simulink对EHHS系统模型以及提出的控制策略进行仿真验证。结果表明,提出的自适应控制可有效缩短EHHS系统转角跟踪阶跃响应反应时间,降低转向轮角度跟踪误差,并保证转角跟踪精度不受系统参数摄动的影响,有效提高了EHHS系统无人驾驶模式下的转向跟踪控制性能。     

六自由度虚轴机床神经网络位置伺服控制

针对永磁直线伺服电机（PMLSM）驱动的六自由度虚轴机床，提出利用基于神经网络的位置伺服控制器对电机动子加速度进行控制的方案。为抑制对电机动子加速度影响较大的杆问耦合扰动的影响，将负载扰动和杆间耦合扰动整合为一个对象，并等效为电机动力学参数的变化，利用观测器进行在线观测，结合神经网络位置伺服控制器进行调整，从而较好地提前抑制了速度与位置误差。所设计的神经网络位置伺服控制器结构简单，权值调整方便，计算量小、响应速度快。仿真实验表明该方法对虚轴机床各杆的位置、速度、加速度实现了精确的跟随控制，系统具有很强的鲁棒性。     

除草机器人自适应快速积分终端滑模跟踪控制技术

智能除草机器人在草坪作业时,易受到外界扰动以及系统不确定性的影响,从而导致轨迹跟踪收敛时间长以及跟踪效果差等问题。因此,设计一种面向轨迹跟踪的自适应快速积分终端滑模控制算法。首先,考虑驱动轮动力学特性以及未建模误差、外界干扰、动静摩擦等不确定性因素,建立除草机器人的动力学模型。然后基于所建立的动力学模型,设计自适应快速积分终端滑模控制器。所提出的控制器结合了快速终端滑模、积分滑模和自适应估计技术的优点,能够实现期望的跟踪性能并抑制控制信号抖动。同时,在不需要明确系统不确定性和外界干扰上界的情况下,可以通过所设计自适应估计项进行实时补偿,提高系统的鲁棒性。最后,通过仿真和试验验证了该方法的有效性。试验结果表明,所设计的控制器能够使跟踪误差在有限时间内快速收敛,并且横向误差绝对值不超过0.097 9 m,纵向误差绝对值不超过0.102 6 m,航向角误差绝对值不超过0.057 8 rad,保证除草机器人准确跟踪作业路径,同时具有较强的鲁棒性。     

异步电动机调速系统自适应辨识的CMAC-ADRC算法

针对异步电动机调速系统快速响应时启动超调量大的问题,提出了一种基于自适应参数辨识的小脑模型神经网络复合自抗扰控制(CMAC-ADRC)的控制算法。将CMAC与ADRC各自的优点相结合,利用CMAC神经网络实现前馈控制,通过在线学习来抑制系统的超调量,增强系统的鲁棒性能,提高系统的快速性能,利用ADRC技术实现反馈控制,进一步增强系统的抗干扰能力。利用参考模型自适应参数辨识技术对转动惯量进行辨识,优化自抗扰补偿系数。以变频器结合异步电动机为控制对象,进行仿真,基于自适应参数辨识的CMAC-ADRC控制算法的干扰响应幅度是一阶优化自抗扰控制下干扰响应幅度的44.57%,是小脑模型神经网络复合比例-微分(CMACPD)控制下干扰响应幅度的17.69%,干扰恢复时间是一阶优化自抗扰控制下干扰恢复时间的50%,是CMAC-PD控制下恢复时间的60%。搭建MCU-CPLD-DSP控制平台进行了实验,基于自适应参数辨识的CMAC-ADRC控制算法的超调量是一阶优化自抗扰控制的45.49%,上升时间是一阶优化自抗扰控制的53.33%,干扰响应幅度是一阶优化自抗扰控制干扰响应幅度的71%,干扰恢复时间是一阶优化自抗扰控制干扰恢复时间的76.47%。