An adaptive controller for a class of nonlinear system using direction basis function

For a class of nonlinear dynamical systems, the adaptive controllers are investigated using direction basis function (DBF) in this paper. Based on the criterion of Lyapunov' stability, DBF is designed which guarantees that the output of the controlled system asymptotically tracks the reference signals. Finally, the simulation shows the good tracking effectiveness of the adaptive controller.

激光光束实时监测与自动准直系统设计

设计了一个激光光斑实时监测与光路自动准直装置,能够实时监测激光光斑并自动准直激光输出方向。基于透镜成像原理,使用CCD探测器获得光斑的二维成像,并根据两点确定一条直线原理和使用压电陶瓷电动调整架实现光路自动准直;监测控制程序采用虚拟仪器开发软件Lab View编写,可以实时监测激光光斑模式与光斑位置抖动情况,并进行反馈控制。经测试,设计装置的调整精度达0.5μrad,反馈控制频率约1 Hz,完全可降低或消除抖动周期在1 s以上的光斑飘移。

基于主动建模的自主移动机器人自适应容错控制

针对非线性自主移动机器人可能发生的驱动器故障,提出了一种新的自适应容错控制方法,即基于主动建模的逆动力学控制(IDC)方法.无色卡尔曼滤波(UKF)非线性估计方法用于对系统进行主动建模--状态和故障参数的在线联合估计,含有可调参数的逆动力学控制器用于根据UKF的估计结果进行控制策略的重构.仿真实验证明,具有主动建模的控制器能够有效地补偿系统的驱动器故障,使故障后的系统仍具有令人满意的性能。

基于UKF的移动机器人主动建模及模型自适应控制方法

利用基于无色卡尔曼滤波(UnscentedKalmanFilter,UKF)的状态和参数联合估计方法对移动机器人进行在线主动建模,基于该主动模型的逆动力学控制方法,实现了移动机器人对其自身不确定因素的自主性.在针对全方位移动机器人的仿真实验中,验证了UKF对时变的状态和参数的收敛性和跟踪能力,并给出了不确定界.基于主动建模的逆动力学控制方法与常值PID控制方法的比较结果,验证了该方法的有效性.

水下机器人的神经网络自适应控制

研究了水下机器人神经网络直接自适应控制方法,采用Lyapunov稳定性理论,证明了存在有界外界干扰和有界神经网络逼近误差条件下,水下机器人控制系统的跟踪误差一致稳定有界.为了进一步验证该水控制方法的正确性和稳定性,利用水下机器人实验平台进行了动力定位实验、单自由度跟踪实验和水平面跟踪实验等验证实验.

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适戍控制方法,该控制方法既不需要预先知道模糊神经结构,也不需要预先的训练阶段,完全通过在线自适应学习算法构建水下机器人的逆动力学模型.首先,本文提出了基于这种网络结构的水下机器人直接自适应控制器,然后,利用Lyapunov稳定理论,证明了基于该控制器的水下机器人控制系统闭环稳定性,最后,采用某水下机器人模型仿真验证了该控制方法的有效性。

深海机器人推进电机系统的混沌控制

深海机器人推进电机系统中出现的混沌现象,直接影响深海机器人稳定性、可靠性和安全性.采用自适应控制技术对其混沌行为加以控制,对该方法的可行性和有效性进行了证明.设计和构造了易于工程实施的混沌控制器,用于深海机器人推进电机系统混沌控制.仿真实验表明,推进电机系统在自适应控制器的作用下可迅速脱离混沌状态,并进入持续稳定状态,控制效果明显.可以为深海机器人推进电机系统中可能出现的混沌运行行为提供控制策略和抑制预案,有利于混沌控制嵌入软件的开发,确保深海机器人稳定、可靠和安全地运行,具有一定的实用价值.

柔性机械臂运动轨迹的鲁棒自适应控制

本文针对多连杆柔性机械臂的运动轨迹控制问题，讨论了动力学建模、控制系统结构设计以及鲁棒自适应控制算法，运用假设模态方法得到了柔性机械臂动力学近似方程，通过对柔性机械臂动力学特性分析，建立了等价动力学模型，依此提出了一种鲁棒自适应控制算法，并给出了仿真研究结果。

工业机器人机械手的小脑模型自适应控制

本文为动力学控制工业机器人机械手提出一种综合控制算法。该控制算法,利用小脑模型算术计算机模块模拟机器人机械手的动力学方程并计算实现期望运动所需力矩作为前馈力矩控制项;利用自适应控制器实现反馈控制,以消除由输入扰动和参数变化而引起的机器人机械手运动误差。这种控制方法在时间上是有效的,且很适合于定点实现。控制方法的有效性通过四自由度的直接驱动机器人前两个关节的计算机仿真实验得到验证。

机器人多级自适应控制器的设计与数字仿真

本文提出了用多级自适应控制的方法实现机器人关节系统的自适应控制,并给出了两级自适应控制器的设计方法.最后以某机器人关节系统为对象对两级自适应控制器进行了仿真分析.

智能机器人基于作业子空间划分的自学习自适应控制方法

现有的机器人自适应控制基本上都是在建立机器人线性化的动力学模型的基础上,采用某种显式或隐式参数辨识的方法,在线地修正控制作用.本文针对机器人运动和动力学参数变化的固有特点,提出一种完全不同的自学习自适应方法.这种方法基于智能机器人分级系统中的两级结构,并且在空间域里而不是在时间域里处理机器人参数的变化.把机器人的作业空间划分成子空间,其中包括重力载荷的作用,每个子空间对应一组控制器.规划的轨迹映射到作业空间形成子空间序列.用自学习方法选择与这个序列对应的最佳控制器序列.该方法算法简单,计算量小.避开了通常的自适应方法遇到的一系列困难问题.

一种新的机器人自适应控制方式

本文提出了一种新的、有效的机器人自适应控制方式,克服了其他方法由于模型不准或计算量大等所带来的一系列问题。本文首先将 Lagrange 运动方程转化为 ARMA 模型,并用虚拟噪声补偿模型误差(即由于线性化、解耦、观测不准和干扰等误差).然后利用改进的 Kalman 自适应滤波算法在线进行参数辨识和状态估计,将获得的参数用于机器人控制系统自适应控制器的设计.最后给出了该算法的仿真结果并对此进行了讨论。

a state-adaptive access control model for web-based idrs system

Huazhong Univ Sci & Technol, Natl Tech Univ Ukraine, Huazhong Normal Univ, Harbin Inst Technol, IEEE Ukraine Sect, I& M/CI Joint Chapter