不确定性机器人轨迹跟踪鲁棒控制方法研究

论文摘要

机器人不仅是一个十分复杂的时变、强耦合、高度非线性系统,而且实际上还存在诸多不确定因素,诸如测量误差、摩擦、负载变化、随机扰动及未建模动态等,因此无法得到完整的、精确的机器人系统模型。在机器人轨迹跟踪过程中,也存在系统元件故障引起机器人结构变化及运动轨迹逆解求取的实时性等问题。对于高速、高精度、高性能机器人系统而言,这些不确定因素严重影响其控制品质,为此研究不确定机器人的控制问题具有重要的理论意义和实用价值。本文主要对参数和结构不确定机器人的轨迹跟踪控制进行了深入研究,提出了一些有效的控制策略,主要研究工作概括如下:（1）针对机器人逆运动学解的存在性以及收敛的快速性问题,利用模糊神经网络所具有的并行计算、记忆、联想、自适应学习等优点,提出采用模糊神经网络求机器人逆运动学解的方案,通过构造的三个模糊神经网络控制器,保证了机器人逆运动学解的存在,提高了收敛速度。（2）为了有效抑制非线性、时变性以及负载变化等不确定性因素对机器人轨迹跟踪控制品质的影响,提出了两种鲁棒自适应控制策略:一种是通过一系列变换将机器人系统转化为级联系统,从无源性理论出发,根据系统无源性与渐近稳定性的关系推导并设计了确保系统渐近稳定的鲁棒自适应控制器;另一种是通过在控制律中增加一个广义误差立方项,改进了对不依赖于机器人动力学模型的鲁棒自适应分散控制策略,克服了基于模型控制方法的弱点,使跟踪误差快速趋近于零。（3）针对机器人系统中普遍存在的参数不确定性和外界干扰,基于H∞控制理论,通过选择适当的干扰衰减度来抑制干扰对系统性能的影响,提高了系统的鲁棒性,避免了非线性H∞控制理论中Hamilton-Jacobi不等式的求解问题,简化了控制器的求解过程。（4）将变结构理论与神经网络的非线性映射相结合,提出了一种鲁棒自适应神经滑模控制策略,克服了常规滑模控制对系统不确定性界的要求,保证了系统的渐近稳定性。对只有位置反馈的不确定机器人系统,设计了基于模糊神经网络和H∞方法的速度观测器,有效重构了速度信号,保证了系统的稳定性,抑制了外扰的影响。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 机器人的发展概述
• 1.1.1 机器人分类及应用
• 1.1.2 机器人学的研究领域及目前的关键技术
• 1.2 机器人控制技术发展概况
• 1.2.1 机器人控制系统构成
• 1.2.2 运动学控制
• 1.2.3 动力学控制
• 1.3 不确定机器人控制方法概述
• 1.3.1 基于反馈线性化的鲁棒控制
• 1.3.2 变结构控制方法
• 8 控制'>1.3.3 H₈控制
• 1.3.4 鲁棒自适应控制方法
• 1.3.5 神经网络控制
• 1.3.6 其它的控制方法
• 1.3.7 进一步的研究方向
• 1.4 选题的意义
• 1.5 本文的主要研究内容
• 第2章 机器人数学模型及预备知识
• 2.1 引言
• 2.2 刚体的位姿描述和齐次变换
• 2.2.1 位置描述—位置矢量
• 2.2.2 方位描述—旋转矩阵
• 2.2.3 位姿描述和齐次变换
• 2.2.4 RPY 角描述方法
• 2.3 雅可比矩阵
• 2.4 机器人动力学模型的建立
• 2.5 预备知识
• 2.5.1 稳定性概念
• 2.5.2 稳定性理论
• 2.6 本章小结
• 第3章 基于模糊神经网络的机器人逆运动学求解
• 3.1 引言
• 3.2 模糊神经网络算法设计
• 3.2.1 T-S 模糊神经网络简介
• 3.2.2 基本原理
• 3.2.3 算法设计
• 3.3 仿真研究
• 3.4 本章小结
• 第4章 不确定性机器人鲁棒自适应控制策略研究
• 4.1 引言
• 4.2 基于无源性的机器人鲁棒自适应控制策略
• 4.2.1 问题描述
• 4.2.2 无源性鲁棒自适应控制器设计
• 4.2.3 仿真研究
• 4.3 鲁棒自适应分散控制策略
• 4.3.1 分散控制的特点
• 4.3.2 问题描述
• 4.3.3 鲁棒自适应分散控制器设计
• 4.3.4 仿真研究
• 4.4 本章小结
• 第5章 基于Backstepping的不确定机器人非线性鲁棒控制
• 5.1 引言
• 5.2 Backstepping 方法基本原理
• 5.3 基于HJI 不等式的鲁棒控制器设计
• 5.3.1 考虑不确定性或外界干扰
• 5.3.2 不确定性作为干扰项
• 5.4 仿真研究
• 5.5 本章小结
• 第6章 基于神经网络的不确定性机器人鲁棒控制研究
• 6.1 引言
• 6.2 鲁棒自适应神经滑模控制策略
• 6.2.1 径向基函数神经网络模型
• 6.2.2 问题描述
• 6.2.3 神经滑模控制器设计
• 6.2.4 仿真研究
• 6.3 基于模糊神经网络的鲁棒观测器设计
• 6.3.1 模糊神经网络模型
• 6.3.2 问题描述
• 6.3.3 不确定机器人系统模糊神经网络速度观测器设计
• 6.3.4 仿真研究
• 6.4 本章小结
• 第7 章基于无源性的鲁棒自适应迭代学习控制研究
• 7.1 引言
• 7.2 迭代学习控制原理
• 7.3 问题描述
• 7.4 结构不确定机械臂控制策略研究
• 7.5 基于无源的鲁棒自适应迭代学习控制器的设计
• 7.6 仿真研究
• 7.6.1 锁定故障关节后仿真研究
• 7.6.2 欠驱动三连杆串联机械臂控制策略仿真研究
• 7.7 本章小结
• 结论
• 参考文献
• 攻读博士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介