随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] 。在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹。因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] 。
目前,国内外学者提出了多种控制算法,用于解决机械臂末端轨迹跟踪精度不高的问题,如模糊控制、迭代学习控制、反演控制、鲁棒控制和滑模控制等[6 -10 ] 。其中,滑模控制因具有自身切换项,对外界扰动不敏感,被广泛应用于机械臂控制。但是,自身切换项的存在会给控制系统带来不良影响,即会使系统产生不同程度的抖振。因此,研究如何减小抖振并保证系统稳定是滑模控制成功应用于机械臂系统的重要环节[11 -12 ] 。
为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题。对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振。终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛。Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小。然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振。针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果。孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度。李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振。
目前,很多文献中提出的轨迹跟踪算法均只针对二自由度机械臂进行了验证[23 -24 ] 。为此,笔者拟针对存在建模误差和外界扰动的六自由度机械臂系统,提出一种基于名义模型的自适应神经网络滑模控制策略。该控制策略可分为三部分:自适应神经网络补偿项、切换控制项和等效控制项。首先,建立机械臂的理论动力学模型,并分析理论模型和实际模型之间的集总建模误差;然后,利用自适应神经网络对建模误差进行在线实时补偿,在提高机械臂系统跟踪精度的同时减小系统的抖振;接着,通过构建Lyapunov函数来验证整个系统的稳定性;最后在MATLAB/Simulink环境下对机械臂进行仿真实验,并与PD(proportional-derivative,比例-微分)控制算法和文献[24 ]中的控制算法进行比较,以验证所提出控制算法的有效性和优越性,旨在为多自由度机械臂的高精度轨迹跟踪提供一种可行的解决方案。
1 机械臂动力学模型构建
本文以Kinova Jaco2六自由度机械臂为研究对象,该机械臂系统的整体结构及其D-H坐标系如图1 所示。
图1
图1
六自由度机械臂系统结构及其D-H坐标系
Fig.1
Structure of six-degree-of-freedom manipulator system and its D-H coordinate system
考虑到实际建模误差和外界干扰的影响,根据拉格朗日法,建立机械臂的动力学方程:
M q q ¨ + C q , q ˙ q ˙ + G q + F q ˙ + τ d = τ
式中:q 、 q ˙ 、 q ¨ 分别为机械臂关节空间中的关节角度矢量、关节角速度矢量和关节角加速度矢量,q , q ˙ , q ¨ ∈ R 6 × 1 ;M q 为惯性矩阵,M q ∈ R 6 × 6 ;C q , q ˙ 为离心力和哥氏力矩阵,C q , q ˙ ∈ R 6 × 1 ;G q 为重力矩阵,G q ∈ R 6 × 1 ; τ 为关节控制力矩,τ ∈ R 6 × 1 ; τ d 为机械臂系统的时变有界外部扰动,τ d ∈ R 6 × 1 ;F q ˙ 为关节摩擦力矩阵,F q ˙ ∈ R 6 × 1 。
1)M ˙ q - 2 C q , q ˙ 是一个斜对称矩阵,即存在对于∀ x ∈ R ,x T M ˙ q - 2 C q , q ˙ x = 0 。
2)惯性矩阵M q 为对称正定惯性矩阵,即存在正数m 1 、m 2 ,满足不等式m 1 x 2 ≤ x T M q x ≤ m 2 x 2 。
[引理]:针对ψ :0 , ∞ ∈ R ,存在不等式方程ψ ˙ ≤ - α ψ + f ,对于∀ t ≥ t 0 ≥ 0 ,其解为:
ψ t ≤ e - α t - t 0 ψ t 0 + ∫ t 0 t e - α t - ζ f ζ d ζ
在工程实践中,由于存在不确定性扰动和动力学参数辨识困难的问题,很难建立机械臂的精确动力学模型。因此,本文在机械臂理论动力学模型的基础上,构建机械臂动力学方程的名义模型。具体处理方法为:对机械臂理论动力学模型中的惯性矩阵、离心力和哥氏力矩阵、重力矩阵进行进一步处理,将每一项看作名义模型项和不确定项之和,即:
M q = M 0 q + Δ M q C q , q ˙ = C 0 q , q ˙ + Δ C q , q ˙ G q = G 0 q + Δ G q
式中:M 0 q 、 C 0 q , q ˙ 、 G 0 q 分别为名义模型中的名义惯性矩阵、名义离心力和哥氏力矩阵、名义重力矩阵;Δ M q 、 Δ C q , q ˙ 、 Δ G q 为动力学模型的不确定项,即机械臂系统的模型误差。
M 0 q q ¨ + C 0 q , q ˙ q ˙ + G 0 q + ρ = τ
ρ = Δ M q + Δ C q , q ˙ + Δ G q + F q ˙ + τ d
式中: ρ 为动力学模型的集总建模误差,即总的不确定项。
2 机械臂控制系统设计
设机械臂的目标关节角度为q d t ,实际关节角度为q t ,则关节角度跟踪误差e t 、关节角速度跟踪误差e ˙ t 和关节角加速度跟踪误差e ¨ t 分别表示为:
e t = q d t - q t e ˙ t = q ˙ d t - q ˙ t e ¨ t = q ¨ d t - q ¨ t
s = e ˙ + Λ e
s = s 1 s 2 ⋯ s n T , Λ = d i a g Λ 1 , Λ 2 , ⋯ , Λ n
s ˙ = e ¨ + Λ e ˙ = q ¨ d - q ¨ + Λ e ˙ = q ¨ d - M 0 - 1 q τ - C 0 q , q ˙ q ˙ - G 0 q - ρ + Λ e ˙
τ e q = M 0 q q ¨ d + C 0 q , q ˙ q ˙ + G 0 q + M 0 q Λ e ˙
s ˙ = - k s - ε s g n s , k > 0 , ε > 0
s t = s 0 e - k t
在k 选择合适的情况下,可保证机械臂控制系统趋近稳定,且系统的趋近速度与k 值大小有关。定义Lyapunov函数为V = 1 / 2 s 2 ,对其求导并代入指数趋近率,可得:
V ˙ = s s ˙ = s - k s - ε s g n s = - k s 2 - ε s ≤ - k 2 V
根据[引理],针对式(9),取α = k / 2 ,f = 0 ,则式(9)的解为:V t ≤ e - k 2 t - t 0 V t 0 。由此可知,加入等速趋近项后,机械臂系统仍是收敛的。
在指数趋近律中加入等速趋近项的原因是:由式(8)的解的表达式可以看出,采用纯指数趋近时,运动点逼近切换面的过程是渐进的,系统到达滑模面的时间不是有限的,且在到达滑模面时的趋近速度很小,甚至趋于零;而加入等速趋近项后,运动点逼近切换面时的趋近速度是常值ε ,保证了系统状态向量在到达滑模面时能以较小的速度趋近平衡点。
τ s = M 0 q k s + ε s g n s
τ = τ e q + τ s = M 0 q q ¨ d + Λ e ˙ + k s + ε s g n s + C 0 q , q ˙ q ˙ + G 0 q
考虑机械臂系统动力学模型的总不确定项 ρ 时,定义ρ ^ 为 ρ 的估计值,则机械臂系统的控制律更新为:
τ = τ e q + τ s + ρ ^ = M 0 q q ¨ d + Λ e ˙ + k s + ε s g n s + C 0 q , q ˙ q ˙ + G 0 q + ρ ^
随后,利用自适应RBF神经网络能在一个紧凑集和任意精度下逼近任何非线性函数的特性来预估机械臂系统的不确定函数,并将其估计值作为前馈端输入到控制系统中。RBF神经网络的结构主体包括输入层、隐含层和输出层,如图2 所示。
图2
图2
RBF神经网络结构
Fig.2
RBF neural network structure
图2 所示的RBF神经网络包括n 个输入层、m 个隐含层和1个输出层。在该神经网络中,用X = x 1 x 2 ⋯ x n T 来表示输入层数据,在实际应用中,可以根据不同情况选取不同的维度和参数;用h = h 1 h 2 ⋯ h m T 表示隐含层的输出,每一个元素h j j = 1 , 2 , ⋯ , m 代表一个神经元,每个神经元的值均用高斯基函数来计算,可表示为:
h j t = e x p - X - c j 2 2 b j 2
c = c 11 … c 1 m ⋮ ⋮ c n 1 ⋯ c n m
式中: c 为一个n × m 阶矩阵,取其每一列向量c j 作为第j 个神经元高斯基函数中心点的向量;b = b 1 b 2 ⋯ b m T ,b j 为第j 个高斯基函数的宽度。
假设神经网络输出层的理想权值W = ω 1 ω 2 ⋯ ω m T ,可计算RBF神经网络的理想输出值y ,表示为:
y = ∑ j = 1 m ω j h j t
根据RBF神经网络的工作原理,在机械臂系统控制应用中,取X = e T e ˙ T q d T q ˙ d T q ¨ d T 作为输入向量,则RBF神经网络对不确定项ρ 的估计输出为:
ρ ^ = W ^ T h X
式中:W ^ 为输出层理想权值的估计值,定义W ˜ = W - W ^ 表示权值误差,则模型总的不确定项的估计误差为:
ρ - ρ ^ = W T h X - W ^ T h X = W ˜ T h X + ε 1
结合基于名义模型的控制律以及RBF神经网络对系统不确定项的估计值,可以得到机械臂系统的总控制律:
τ = M 0 q q ¨ d + k s + ε s g n ( s ) + Λ e ˙ + C 0 q , q ˙ q ˙ + G 0 q + W ^ T h X + ε N s g n s
式中:ε N s g n ( s ) 为控制律中的鲁棒项,其在保证系统稳定的同时能够降低神经网络的估计误差对系统精度的影响。
为了在满足系统稳定性的同时实现神经网络权值的自适应调节,取神经网络权值的自适应律为:
W ^ ˙ = Γ h X s T M 0 - 1 q
式中: Γ 为待设计的正对角矩阵,Γ = d i a g γ 1 , γ 2 , ⋯ , γ n 。
综上所述,本文所设计的机械臂控制系统的框图如图3 所示。
图3
图3
机械臂控制系统框图
Fig.3
Block diagram of manipulator control system
3 机械臂控制系统稳定性证明
对于整个机械臂的控制系统,本文采用构造Lyapunov函数的方法进行稳定性证明。选取的Lyapunov函数的表达式为:
V = 1 2 s T s + 1 2 t r W ˜ T Γ - 1 W ˜
V ˙ = s T s ˙ - t r W ˜ T Γ - 1 W ^ ˙ = s T - k s - ε s g n s + M 0 - 1 q W ˜ T h X + ε 1 - M 0 - 1 q ε N s g n s - t r W ˜ T Γ - 1 W ^ ˙ = s T - k s - ε s g n s + M 0 - 1 q ε 1 - M 0 - 1 q ε N s g n s + s T M 0 - 1 q W ˜ T h X - t r W ˜ T Γ - 1 W ^ ˙ = s T - k s - ε s g n s + M 0 - 1 q ε 1 - M 0 - 1 q ε N s g n s + t r W ˜ T h X s T M 0 - 1 q - t r W ˜ T Γ - 1 W ^ ˙
V ˙ = s T - k s - ε s g n s + M 0 - 1 q ε 1 - M 0 - 1 q ε N s g n s = s T - k s - ε s g n s + s T M 0 - 1 q ε 1 - M 0 - 1 q ε N s g n s ≤ s T - k s - ε s g n s ≤ 0
当V ˙ ≡ 0 时,s ≡ 0 ,根据LaSalle不变性原理,在t → ∞ 时,e → 0 ,e ˙ → 0 。由此证明,闭环系统是渐进稳定的。
4 仿真实验
为了验证本文提出的机械臂控制算法的有效性,以Kinova Jaco2六自由度机械臂为控制对象,其关节1 ∼ 6 的位置依次从基座延伸到腕关节驱动器,具体的D-H参数如表1 所示。其中:θ i 、 α i - 1 、 d i 、 a i - 1 分别表示关节转角、连杆扭角、连杆偏距和连杆长度,i =1, 2, …, 6。在MATLAB/Simulink环境中采用Simscape结合机器人系统工具箱(Robotic system Toolbox)搭建机械臂及其控制器的仿真模型,如图4 所示。
图4
图4
机械臂系统仿真模型
Fig.4
Simulation model of manipulator system
在关节空间中规划期望关节角度,取初始关节角度q 1 = 0 π π 0 π 0 r a d ,关节角度对应的齐次变换矩阵 T 为:
T = 1 0 0 0.3 0 0 - 1 - 0.65 0 1 0 0.435 0 0 0 0 1
根据齐次变换矩阵 T ,分别在机器人工具箱和机器人系统工具箱中求得最终的关节角度q 2 = 0.890 4 2.535 6 4.713 6 2.184 9 2.263 1 - 2.405 8 r a d ,验证了仿真模型的正确性。在关节空间中采用三次多项式插值法进行轨迹规划,在MATLAB软件中求解每个采样时刻对应的关节角度、关节角速度和关节角加速度;取仿真时间T =5 s,采样间隔Δ T =0.05 s。将规划轨迹作为期望轨迹,并将数据存储在MATLAB软件中的工作区,待Simulink调用。笛卡尔空间中机械臂末端的期望轨迹如图5 所示。
图5
图5
机械臂末端期望轨迹
Fig.5
Expected trajectory of the end of manipulator
为了验证所设计控制系统对机械臂建模误差和不确定性扰动的有效性,取关节摩擦力矩为库伦摩擦力矩与黏滞摩擦力矩之和,则 M 0 q = 0.82 M q ,C 0 q , q ˙ = 0.82 C q , q ˙ ,G 0 q = 0.82 G q ,F q ˙ = 1.5 s i g n q ˙ + 0.3 q ˙ 。扰动值取幅值较小的正弦信号,即τ d = 0.1 0.1 0.1 0.1 0.1 0.1 s i n t ,控制律为式(17)。鉴于输入机械臂各关节的控制量相互独立,并不存在耦合关系,故式(8)中的参数k 、ε 取对应的正定对角矩阵,各参数取值如下:k = d i a g 10 , 9 , 9 , 10 , 9 , 9 ,ε = d i a g 1.2 , 1.5 , 1.2 , 1.5 , 1.2 , 1.5 ,Λ = d i a g 10 , 12 , 12 , 10 , 12 , 12 ,ε N = d i a g 0.3 , 0.3 , 0.3 , 0.3 , 0.3 , 0.3 。RBF神经网络的参数设置为:输入层数为5,隐含层数为7,输出层数为1;高斯基函数的宽度b j = 2 ,初始权值矩阵W 0 为 1 × 63 阶矩阵,其各元素均取0.4,中心点向量c = - 1.5 - 1 - 0.5 0 0.5 1 1.5 - 1.5 - 1 - 0.5 0 0.5 1 1.5 - 1.5 - 1 - 0.5 0 0.5 1 1.5 - 1.5 - 1 - 0.5 0 0.5 1 1.5 - 1.5 - 1 - 0.5 0 0.5 1 1.5 ;自适应律的对角矩阵Γ = d i a g 5 , 5 , 5 , 5 , 5 , 5 。
为了验证本文所提出控制算法的优越性,设置2个对比实验,对基于传统PD控制算法、文献[24 ]中的双曲正切滑模控制算法和本文自适应神经网络滑模控制算法的机械臂末端轨迹进行对比。
τ 1 = M q q ¨ d + k d e ˙ + k p e + C q , q ˙ q ˙ + G q
式中: k p 、 k d 为PD控制中的比例、微分系数矩阵。
文献[24 ]中双曲正切滑模控制算法的控制律的表达式为:
τ 2 = M ( q ) q ¨ d + Λ e ˙ + η s + C ( q , q ˙ ) q ˙ + G ( q ) + k t a n h k M - 1 ( q ) s σ
对基于不同控制算法的机械臂实际末端位置与期望末端位置进行对比,结果如图6 所示。从图中可以看出,3种控制算法均可实现在一定的误差范围内跟踪特定的期望轨迹。但是,相较于传统的PD控制算法和双曲正切滑模控制算法,本文的自适应神经网络滑模控制算法在轨迹跟踪精度上有很大的提高。从局部放大图看,采用PD控制算法时,机械臂末端轨迹有较小的抖振;双曲正切滑模控制算法在仿真前半段的跟踪精度较低,后半段的精度有所提升;而本文控制算法除了在1.0—1.5 s内对Y 向位置的跟踪有微小的抖动之外,在3个方向上的跟踪精度更高。综上所述,相较于本文的控制算法,其余2种控制算法的跟踪精度较低,验证了本文控制算法在轨迹跟踪上的优越性。
图6
图6
基于不同控制算法的机械臂末端位置跟踪结果
Fig 6
End position tracking results of manipulator based on different control algorithms
图7 所示为基于不同控制算法的机械臂关节角度跟踪曲线对比。从图中可以看出,基于本文控制算法的机械臂各关节的角度跟踪曲线光滑无突变,曲线整体变化平滑且角度变化较小。从局部放大图可以看出,与传统PD控制算法和双曲正切滑模控制算法相比,本文控制算法在关节角度跟踪精度上,同样有较大的改善与提高。
图7
图7
基于不同控制算法的机械臂各关节角度跟踪结果
Fig.7
Angle tracking results of each joint of manipulator based on different control algorithms
基于3种控制算法的机械臂各关节角度的跟踪误差如表2 所示。从表中可以看出,以关节1,2,3为例,采用PD控制算法时,最大稳态误差分别为 0.043 2,0.029 4,0.076 4 rad,平均稳态误差为 -0.021 0,0.014 4,-0.037 2 rad;采用双曲正切滑模控制算法时,最大稳态误差分别为0.044 9,0.029 8,0.070 1 rad,平均稳态误差为-0.023 1,0.014 7,-0.037 2 rad;采用本文控制算法时,最大稳态误差分别为0.027 3,0.019 8,0.050 3 rad,平均稳态误差为-0.015 4,0.011 2,-0.028 3 rad。通过分析比较可得,与双曲正切滑模控制算法相比,本文控制算法的关节角度跟踪的最大稳态误差分别减小了50.3%,33.6%,28.2%;平均稳态误差分别减小了33.3%,23.8%,23.9%。与PD控制算法相比,本文控制算法的关节角度跟踪的最大稳态误差分别减小了36.8%,32.7%,34.16%;平均稳态误差分别减小了28.0%,22.2%,23.9%。结果表明,本文控制算法在轨迹跟踪精度上较传统的PD控制算法和双曲正切滑模控制算法有明显的优越性。
操作过程中机械臂各关节的力矩变化曲线如图8 所示。从总体上看,各关节的力矩变化平缓,没有较大的突变;从局部看,关节2的力矩抖振幅度约为0.06 N·m,关节5,6的力矩抖振幅度小于0.01 N·m,说明关节的抖振较小,实际电机完全可以满足对机械臂力矩的输入。图8 结果进一步说明了本文控制算法在实际应用中的可行性。
图8
图8
操作过程中机械臂各关节的力矩变化曲线
Fig.8
Torque variation curve of each joint of manipulator during operation
5 结 论
本文在国内外机械臂轨迹跟踪控制策略研究的基础上,针对六自由度机械臂提出了一种自适应神经网络滑模控制算法,主要工作如下:
1)采用RBF神经网络对机械臂动力学模型的不确定项进行逼近,通过对自适应神经网络权值进行实时调整,实现了对控制律的实时补偿。
2)在MATLAB/Simulink环境中搭建了六自由度机械臂轨迹跟踪控制的仿真模型,并将模型进行拆解,使得仿真结果更加接近真实工作环境。
3)与已有的PD控制算法和双曲正切滑模控制算法进行对比可知,自适应神经网络滑模控制算法可提高机械臂轨迹跟踪精度,为多自由度机械臂的轨迹跟踪控制提供了一种解决方案。
参考文献
View Option
[1]
PIZARRO-LERMA A O , GARCIA-HERNANDEZ R , SANTIBANEZ V , et al . Experimental evaluation of a sectorial fuzzy controller plus adaptive neural network compensation applied to a 2-DOF robot manipulator
[J]. IFAC-Papers OnLine , 2019 , 52 (29 ): 233 -238 .
[本文引用: 1]
[2]
CRUZ-ORTIZ D , CHAIREZ I , POZNYAK A . Adaptive sliding-mode trajectory tracking control for state constraint master‒slave manipulator systems
[J]. ISA Transactions , 2022 , 127 : 273 -282 .
[3]
赵希梅 ,金鸿雁 .永磁直线同步电机伺服系统的分段变论域模糊迭代学习控制
[J].电工技术学报 ,2017 ,32 (23 ):9 -15 .
[本文引用: 1]
ZHAO X M , JIN H Y . Segmented variable universe fuzzy iterative learning control for permanent magnet linear synchronous motor servo system
[J]. Transactions of China Electrotechnical Society , 2017 , 32 (23 ): 9 -15 .
[本文引用: 1]
[4]
[本文引用: 1]
ZHANG R M , XIA X , YUAN B , et al . Super-twisting sliding mode control of neural network for multi-joint manipulator
[J]. Journal of Ordnance Equipment Engineering , 2022 , 43 (8 ): 258 -264 .
DOI:10.11809/bqzbgcxb2022.08.040
[本文引用: 1]
[5]
吴定会 ,肖仁 ,欧阳洪才 ,等 .机械臂的改进固定时间滑模控制方法设计
[J].机械科学与技术 ,2021 ,40 (8 ):1171 -1176 .
[本文引用: 1]
WU D H , XIAO R , OUYANG H C , et al . Design of improved fixed time sliding mode control method for manipulator trajectory tracking
[J]. Mechanical Science and Technology for Aerospace Engineering , 2021 , 40 (8 ): 1171 -1176 .
[本文引用: 1]
[6]
孟琪迪 ,南新元 ,张永兴 .基于PD型迭代学习的机械臂轨迹跟踪控制
[J].组合机床与自动化加工技术 ,2022 (11 ):62 -65 ,69 .
[本文引用: 1]
MENG Q D , NAN X Y , ZHANG Y X . Trajectory tracking control of manipulator based on PD type iterative learning
[J]. Modular Machine Tool & Automatic Manufacturing Technique , 2022 (11 ): 62 -65 , 69 .
[本文引用: 1]
[7]
ZHANG H , ZHU Y F , LIU X F , et al . Research on trajectory tracking control of metallurgical industrial robot based on fuzzy iterative Q-learning
[J]. Chinese Journal of Engineering Design , 2022 , 29 (5 ): 564 -571 .
DOI:10.3785/j.issn.1006-754X.2022.00.073
[8]
CHEN J X , LI J M . Fuzzy adaptive iterative learning coordination control of second-order multi-agent systems with imprecise communication topology structure
[J]. International Journal of Systems Science , 2018 , 49 (1/4 ): 546 -556 .
[9]
ZHANG J Y , GAO T Y , YU X Y , et al . Continuous non-singular terminal sliding mode control of space robot based on adaptive time delay estimation
[J]. Journal of Mechanical Engineering , 2021 , 57 (11 ): 177 -183 .
DOI:10.3901/jme.2021.11.177
[10]
葛为民 ,闫珂珂 ,王肖锋 ,等 .可重构机械臂的鲁棒模糊自适应补偿控制
[J].系统仿真学报 ,2018 ,30 (5 ):1950 -1956 .
[本文引用: 1]
GE W M , YAN K K , WANG X F , et al . Robust fuzzy adaptive compensation control of reconfigurable manipulator
[J]. Journal of System Simulation , 2018 , 30 (5 ): 1950 -1956 .
[本文引用: 1]
[11]
VIJAY M , JENA D . Backstepping terminal sliding mode control of robot manipulator using radial basis functional neural networks
[J]. Computers and Electrical Engineering , 2018 , 67 : 690 -707 .
[本文引用: 1]
[12]
LEE J Y , CHANG P H , JIN M L . Adaptive integral sliding mode control with time-delay estimation for robot manipulators
[J]. IEEE Transactions on Industrial Electronics , 2017 , 64 (8 ): 6796 -6804 .
[本文引用: 1]
[13]
杨亮 ,陈勇 ,刘治 .基于参数不确定机械臂系统的自适应轨迹跟踪控制
[J].控制与决策 ,2019 ,34 (11 ):2485 -2490 .
[本文引用: 1]
YANG L , CHEN Y , LIU Z . Adaptive trajectory tracking control for manipulator with uncertain dynamics and kinematics
[J]. Control and Decision , 2019 , 34 (11 ): 2485 -2490 .
[本文引用: 1]
[14]
DUAN J J , GAN Y H , CHENG M , et al . Symmetrical adaptive variable admittance control for position/force tracking of dual-arm cooperative manipulators with unknown trajectory deviations
[J]. Robotics and Computer-Integrated Manufacturing , 2019 , 57 (3 ): 357 -369 .
[本文引用: 1]
[15]
DWIVEDI A , SHIEFF D , TURNER A , et al . A shared control framework for robotic telemanipulation combining electromyography based motion estimation and compliance control
[C]//2021 IEEE International Conference on Robotics and Automation (ICRA) , Xi’an, May 30-Jun . 5 , 2021 .
[本文引用: 1]
[16]
GILLINI G , LILLO P D , ARRICHIELLO F . An assistive shared control architecture for a robotic arm using EEG-based BCI with motor imagery
[C]//2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) , Prague, Sep. 27-Oct . 1 , 2021 .
[本文引用: 1]
[17]
何欣荣 ,张刚 .机械臂的固定时间非奇异滑模自适应控制
[J].组合机床与自动加工技术 ,2022 (9 ):84 -87 .
[本文引用: 1]
HE X R , ZHANG G . Fixed-time nonsingular sliding mode adaptive control of manipulator
[J]. Modular Machine Tool & Automatic Manufacturing Technique , 2022 (9 ): 84 -87 .
[本文引用: 1]
[18]
郭宇飞 ,许盛悦 ,李慧子 ,等 .基于改进滑模趋近律的振动基机械臂的有限时间轨迹跟踪控制
[J].振动与冲击 ,2022 ,41 (20 ):86 -92 ,194 .
[本文引用: 1]
GUO Y F , XU S Y , LI H Z , et al . Finite-time trajectory tracking control of oscillatory-based manipulators based on an improved sliding mode reaching law
[J]. Journal of Vibration and Shock , 2022 , 41 (20 ): 86 -92 , 194 .
[本文引用: 1]
[19]
翟伟娜 ,葛运旺 ,宋书中 .基于改进趋近律的机械手滑模控制
[J].信息与控制 ,2014 ,43 (3 ):300 -305 ,313 .
[本文引用: 1]
ZHAI W N , GE Y W , SONG S Z . Sliding mode control for robotic manipulators based on the improved reaching law
[J]. Information and Control , 2014 , 43 (3 ): 300 -305 , 313 .
[本文引用: 1]
[20]
[本文引用: 1]
MENG S H , WANG Y Y , CHEN B , et al . Fuzzy nonsingular terminal sliding mode flying control of cabledriven flying manipulators based on time-delay estimation
[J]. Journal of Central South University (Science and Technology) , 2021 , 52 (10 ): 3465 -3474 .
DOI:10.11817/j.issn.1672-7207.2021.10.010
[本文引用: 1]
[21]
李正楠 ,张锦 ,殷玉枫 ,等 .多关节机械臂的分数阶滑模变结构神经网络自适应控制
[J].机械科学与技术 ,2021 ,40 (2 ):270 -275 .
[本文引用: 1]
LI Z N , ZHANG J , YIN Y F , et al . Fractional sliding mode variable structure neural network adaptive control of multi-joint manipulator
[J]. Mechanical Science and Technology for Aerospace Engineering , 2021 , 40 (2 ): 270 -275 .
[本文引用: 1]
[22]
JIA Q X , YUAN B N , CHEN G , et al . Adaptive fuzzy terminal sliding mode control for the free-floating space manipulator with free-swinging joint failure
[J]. Chinese Journal of Aeronautics , 2021 , 34 (9 ): 178 -198 .
[本文引用: 1]
[24]
LIU X F , XU X R , ZHU Z J , et al . Dual-arm coordinated control strategy based on modified sliding mode impedance controller
[J]. Sensors , 2021 , 21 (14 ): 4653 .
[本文引用: 4]
Experimental evaluation of a sectorial fuzzy controller plus adaptive neural network compensation applied to a 2-DOF robot manipulator
1
2019
... 随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] .在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹.因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] . ...
Adaptive sliding-mode trajectory tracking control for state constraint master?slave manipulator systems
0
2022
永磁直线同步电机伺服系统的分段变论域模糊迭代学习控制
1
2017
... 随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] .在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹.因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] . ...
永磁直线同步电机伺服系统的分段变论域模糊迭代学习控制
1
2017
... 随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] .在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹.因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] . ...
多关节机械臂神经网络超螺旋滑模控制
1
2022
... 随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] .在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹.因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] . ...
多关节机械臂神经网络超螺旋滑模控制
1
2022
... 随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] .在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹.因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] . ...
机械臂的改进固定时间滑模控制方法设计
1
2021
... 随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] .在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹.因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] . ...
机械臂的改进固定时间滑模控制方法设计
1
2021
... 随着工业的发展,对机械臂性能的要求不断提高,其中轨迹跟踪精度是评价机械臂性能的重要因素之一[1 -3 ] .在机械臂的实际操作过程中,由于受到外界干扰以及建模误差的影响,其运动轨迹常常会偏离预期轨迹.因此,设计性能优良的轨迹跟踪控制器具有重要价值[4 -5 ] . ...
基于PD型迭代学习的机械臂轨迹跟踪控制
1
2022
... 目前,国内外学者提出了多种控制算法,用于解决机械臂末端轨迹跟踪精度不高的问题,如模糊控制、迭代学习控制、反演控制、鲁棒控制和滑模控制等[6 -10 ] .其中,滑模控制因具有自身切换项,对外界扰动不敏感,被广泛应用于机械臂控制.但是,自身切换项的存在会给控制系统带来不良影响,即会使系统产生不同程度的抖振.因此,研究如何减小抖振并保证系统稳定是滑模控制成功应用于机械臂系统的重要环节[11 -12 ] . ...
基于PD型迭代学习的机械臂轨迹跟踪控制
1
2022
... 目前,国内外学者提出了多种控制算法,用于解决机械臂末端轨迹跟踪精度不高的问题,如模糊控制、迭代学习控制、反演控制、鲁棒控制和滑模控制等[6 -10 ] .其中,滑模控制因具有自身切换项,对外界扰动不敏感,被广泛应用于机械臂控制.但是,自身切换项的存在会给控制系统带来不良影响,即会使系统产生不同程度的抖振.因此,研究如何减小抖振并保证系统稳定是滑模控制成功应用于机械臂系统的重要环节[11 -12 ] . ...
基于模糊迭代Q-学习的冶金工业机器人轨迹跟踪控制研究
0
2022
基于模糊迭代Q-学习的冶金工业机器人轨迹跟踪控制研究
0
2022
Fuzzy adaptive iterative learning coordination control of second-order multi-agent systems with imprecise communication topology structure
0
2018
基于自适应时延估计的空间机械臂连续非奇异终端滑模控制
0
2021
基于自适应时延估计的空间机械臂连续非奇异终端滑模控制
0
2021
可重构机械臂的鲁棒模糊自适应补偿控制
1
2018
... 目前,国内外学者提出了多种控制算法,用于解决机械臂末端轨迹跟踪精度不高的问题,如模糊控制、迭代学习控制、反演控制、鲁棒控制和滑模控制等[6 -10 ] .其中,滑模控制因具有自身切换项,对外界扰动不敏感,被广泛应用于机械臂控制.但是,自身切换项的存在会给控制系统带来不良影响,即会使系统产生不同程度的抖振.因此,研究如何减小抖振并保证系统稳定是滑模控制成功应用于机械臂系统的重要环节[11 -12 ] . ...
可重构机械臂的鲁棒模糊自适应补偿控制
1
2018
... 目前,国内外学者提出了多种控制算法,用于解决机械臂末端轨迹跟踪精度不高的问题,如模糊控制、迭代学习控制、反演控制、鲁棒控制和滑模控制等[6 -10 ] .其中,滑模控制因具有自身切换项,对外界扰动不敏感,被广泛应用于机械臂控制.但是,自身切换项的存在会给控制系统带来不良影响,即会使系统产生不同程度的抖振.因此,研究如何减小抖振并保证系统稳定是滑模控制成功应用于机械臂系统的重要环节[11 -12 ] . ...
Backstepping terminal sliding mode control of robot manipulator using radial basis functional neural networks
1
2018
... 目前,国内外学者提出了多种控制算法,用于解决机械臂末端轨迹跟踪精度不高的问题,如模糊控制、迭代学习控制、反演控制、鲁棒控制和滑模控制等[6 -10 ] .其中,滑模控制因具有自身切换项,对外界扰动不敏感,被广泛应用于机械臂控制.但是,自身切换项的存在会给控制系统带来不良影响,即会使系统产生不同程度的抖振.因此,研究如何减小抖振并保证系统稳定是滑模控制成功应用于机械臂系统的重要环节[11 -12 ] . ...
Adaptive integral sliding mode control with time-delay estimation for robot manipulators
1
2017
... 目前,国内外学者提出了多种控制算法,用于解决机械臂末端轨迹跟踪精度不高的问题,如模糊控制、迭代学习控制、反演控制、鲁棒控制和滑模控制等[6 -10 ] .其中,滑模控制因具有自身切换项,对外界扰动不敏感,被广泛应用于机械臂控制.但是,自身切换项的存在会给控制系统带来不良影响,即会使系统产生不同程度的抖振.因此,研究如何减小抖振并保证系统稳定是滑模控制成功应用于机械臂系统的重要环节[11 -12 ] . ...
基于参数不确定机械臂系统的自适应轨迹跟踪控制
1
2019
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于参数不确定机械臂系统的自适应轨迹跟踪控制
1
2019
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
Symmetrical adaptive variable admittance control for position/force tracking of dual-arm cooperative manipulators with unknown trajectory deviations
1
2019
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
A shared control framework for robotic telemanipulation combining electromyography based motion estimation and compliance control
1
5
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
An assistive shared control architecture for a robotic arm using EEG-based BCI with motor imagery
1
1
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
机械臂的固定时间非奇异滑模自适应控制
1
2022
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
机械臂的固定时间非奇异滑模自适应控制
1
2022
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于改进滑模趋近律的振动基机械臂的有限时间轨迹跟踪控制
1
2022
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于改进滑模趋近律的振动基机械臂的有限时间轨迹跟踪控制
1
2022
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于改进趋近律的机械手滑模控制
1
2014
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于改进趋近律的机械手滑模控制
1
2014
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于时延估计的绳驱动飞行机械臂模糊非奇异终端滑模飞行控制
1
2021
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于时延估计的绳驱动飞行机械臂模糊非奇异终端滑模飞行控制
1
2021
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
多关节机械臂的分数阶滑模变结构神经网络自适应控制
1
2021
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
多关节机械臂的分数阶滑模变结构神经网络自适应控制
1
2021
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
Adaptive fuzzy terminal sliding mode control for the free-floating space manipulator with free-swinging joint failure
1
2021
... 为了从理论上解决滑模控制的抖振问题,杨亮等[13 ] 提出了滑模趋近律概念,同时给出了等速趋近律、指数趋近律和幂次趋近律等方法,用于解决机械臂系统的抖振问题.对于滑动模态上的改进,Duan、Dwivedi等[14 -15 ] 分别提出用饱和函数取代符号函数、准滑动模态等方案,与具有理想开关特性的符号函数相比,基于饱和函数的输入力矩曲线较平滑,可削弱系统的抖振.终端滑模控制策略是在变结构理论发展中提出的一种先进的控制策略,相较于传统的线性滑模控制,终端滑模控制能够在保证系统稳定的同时使系统在固定时间内收敛.Gillini等[16 ] 提出了一种非奇异终端滑模控制策略,该策略克服了终端滑模控制的奇异特性和线性滑模的收敛速度较慢的问题;何欣荣等[17 ] 针对滑模控制收敛时间受初始误差影响的问题,提出了一种固定时间滑模面,将其应用于机械臂系统并开展仿真实验,验证了所提出控制算法的有效性;郭宇飞等[18 ] 将对数幂次趋近函数引入滑模趋近律中,通过严格的数学计算推导出收敛时间的有限性,并开展了相关的仿真实验和对比实验,对控制算法的正确性和优越性进行了验证;翟伟娜等[19 ] 在传统滑模变结构不足的基础上,提出了一种改进的双幂次趋近律,通过调整参数,使得机械臂系统能较快地跟踪给定轨迹且抖振较小.然而在实际应用中,须对包括外界扰动的不确定因素进行保守估计,但这会引起较大的切换增益,进而导致系统产生抖振.针对这一问题,国内外学者在滑模控制的基础上,通过引入其他控制策略来对不确定信号进行补偿,以获得更好的跟踪效果.孟思华等[20 ] 在非线性积分滑模控制的基础上,引入RBF(radial basis function,径向基函数)神经网络对双关节机械臂的不确定因素进行在线补偿,提高了系统的定位精度,降低了关节的抖振幅度.李正楠、Jia等[21 -22 ] 在用时间延迟估计对机械臂模型进行简化的基础上,将自适应模糊策略引入非奇异终端滑模控制中,通过实时调节切换增益,减小了系统的抖振. ...
基于弹性关节的二自由度机械臂建模与控制研究
1
2022
... 目前,很多文献中提出的轨迹跟踪算法均只针对二自由度机械臂进行了验证[23 -24 ] .为此,笔者拟针对存在建模误差和外界扰动的六自由度机械臂系统,提出一种基于名义模型的自适应神经网络滑模控制策略.该控制策略可分为三部分:自适应神经网络补偿项、切换控制项和等效控制项.首先,建立机械臂的理论动力学模型,并分析理论模型和实际模型之间的集总建模误差;然后,利用自适应神经网络对建模误差进行在线实时补偿,在提高机械臂系统跟踪精度的同时减小系统的抖振;接着,通过构建Lyapunov函数来验证整个系统的稳定性;最后在MATLAB/Simulink环境下对机械臂进行仿真实验,并与PD(proportional-derivative,比例-微分)控制算法和文献[24 ]中的控制算法进行比较,以验证所提出控制算法的有效性和优越性,旨在为多自由度机械臂的高精度轨迹跟踪提供一种可行的解决方案. ...
基于弹性关节的二自由度机械臂建模与控制研究
1
2022
... 目前,很多文献中提出的轨迹跟踪算法均只针对二自由度机械臂进行了验证[23 -24 ] .为此,笔者拟针对存在建模误差和外界扰动的六自由度机械臂系统,提出一种基于名义模型的自适应神经网络滑模控制策略.该控制策略可分为三部分:自适应神经网络补偿项、切换控制项和等效控制项.首先,建立机械臂的理论动力学模型,并分析理论模型和实际模型之间的集总建模误差;然后,利用自适应神经网络对建模误差进行在线实时补偿,在提高机械臂系统跟踪精度的同时减小系统的抖振;接着,通过构建Lyapunov函数来验证整个系统的稳定性;最后在MATLAB/Simulink环境下对机械臂进行仿真实验,并与PD(proportional-derivative,比例-微分)控制算法和文献[24 ]中的控制算法进行比较,以验证所提出控制算法的有效性和优越性,旨在为多自由度机械臂的高精度轨迹跟踪提供一种可行的解决方案. ...
Dual-arm coordinated control strategy based on modified sliding mode impedance controller
4
2021
... 目前,很多文献中提出的轨迹跟踪算法均只针对二自由度机械臂进行了验证[23 -24 ] .为此,笔者拟针对存在建模误差和外界扰动的六自由度机械臂系统,提出一种基于名义模型的自适应神经网络滑模控制策略.该控制策略可分为三部分:自适应神经网络补偿项、切换控制项和等效控制项.首先,建立机械臂的理论动力学模型,并分析理论模型和实际模型之间的集总建模误差;然后,利用自适应神经网络对建模误差进行在线实时补偿,在提高机械臂系统跟踪精度的同时减小系统的抖振;接着,通过构建Lyapunov函数来验证整个系统的稳定性;最后在MATLAB/Simulink环境下对机械臂进行仿真实验,并与PD(proportional-derivative,比例-微分)控制算法和文献[24 ]中的控制算法进行比较,以验证所提出控制算法的有效性和优越性,旨在为多自由度机械臂的高精度轨迹跟踪提供一种可行的解决方案. ...
... .为此,笔者拟针对存在建模误差和外界扰动的六自由度机械臂系统,提出一种基于名义模型的自适应神经网络滑模控制策略.该控制策略可分为三部分:自适应神经网络补偿项、切换控制项和等效控制项.首先,建立机械臂的理论动力学模型,并分析理论模型和实际模型之间的集总建模误差;然后,利用自适应神经网络对建模误差进行在线实时补偿,在提高机械臂系统跟踪精度的同时减小系统的抖振;接着,通过构建Lyapunov函数来验证整个系统的稳定性;最后在MATLAB/Simulink环境下对机械臂进行仿真实验,并与PD(proportional-derivative,比例-微分)控制算法和文献[24 ]中的控制算法进行比较,以验证所提出控制算法的有效性和优越性,旨在为多自由度机械臂的高精度轨迹跟踪提供一种可行的解决方案. ...
... 为了验证本文所提出控制算法的优越性,设置2个对比实验,对基于传统PD控制算法、文献[24 ]中的双曲正切滑模控制算法和本文自适应神经网络滑模控制算法的机械臂末端轨迹进行对比. ...
... 文献[24 ]中双曲正切滑模控制算法的控制律的表达式为: ...