不確定性機器人軌跡跟蹤魯棒控制方法研究.pdf

1、機器人不僅是一個十分復雜的時變、強耦合、高度非線性系統(tǒng)，而且實際上還存在諸多不確定因素，諸如測量誤差、摩擦、負載變化、隨機擾動及未建模動態(tài)等，因此無法得到完整的、精確的機器人系統(tǒng)模型。在機器人軌跡跟蹤過程中，也存在系統(tǒng)元件故障引起機器人結構變化及運動軌跡逆解求取的實時性等問題。對于高速、高精度、高性能機器人系統(tǒng)而言，這些不確定因素嚴重影響其控制品質，為此研究不確定機器人的控制問題具有重要的理論意義和實用價值。 本文主要對參數和結

2、構不確定機器人的軌跡跟蹤控制進行了深入研究，提出了一些有效的控制策略，主要研究工作概括如下： (1)針對機器人逆運動學解的存在性以及收斂的快速性問題，利用模糊神經網絡所具有的并行計算、記憶、聯(lián)想、自適應學習等優(yōu)點，提出采用模糊神經網絡求機器人逆運動學解的方案，通過構造的三個模糊神經網絡控制器，保證了機器人逆運動學解的存在，提高了收斂速度。 (2)為了有效抑制非線性、時變性以及負載變化等不確定性因素對機器人軌跡跟蹤控制品質

3、的影響，提出了兩種魯棒自適應控制策略：一種是通過一系列變換將機器人系統(tǒng)轉化為級聯(lián)系統(tǒng)，從無源性理論出發(fā)，根據系統(tǒng)無源性與漸近穩(wěn)定性的關系推導并設計了確保系統(tǒng)漸近穩(wěn)定的魯棒自適應控制器；另一種是通過在控制律中增加一個廣義誤差立方項，改進了對不依賴于機器人動力學模型的魯棒自適應分散控制策略，克服了基于模型控制方法的弱點，使跟蹤誤差快速趨近于零。 (3)針對機器人系統(tǒng)中普遍存在的參數不確定性和外界干擾，基于H∞控制理論，通過選擇適當的

4、干擾衰減度來抑制干擾對系統(tǒng)性能的影響，提高了系統(tǒng)的魯棒性，避免了非線性H∞控制理論中Hamilton-Jacobi不等式的求解問題，簡化了控制器的求解過程。 (4)將變結構理論與神經網絡的非線性映射相結合，提出了一種魯棒自適應神經滑?？刂撇呗?，克服了常規(guī)滑模控制對系統(tǒng)不確定性界的要求，保證了系統(tǒng)的漸近穩(wěn)定性。對只有位置反饋的不確定機器人系統(tǒng)，設計了基于模糊神經網絡和H∞方法的速度觀測器，有效重構了速度信號，保證了系統(tǒng)的穩(wěn)定性，抑

5、制了外擾的影響。 (5)針對驅動器發(fā)生故障的不確定機器人提出了一種復合容錯控制方案，當驅動器發(fā)生故障時鎖定故障關節(jié)，對鎖定后的結構不確定機器人系統(tǒng)，設計了基于無源性的魯棒自適應迭代學習控制策略。同時考慮到直接鎖定故障關節(jié)可能會降低機器人的工作空間，利用驅動關節(jié)與故障關節(jié)之間的動力學耦合作用設計了變結構控制器，使故障關節(jié)運動到某一實際需要角度后再將其鎖定。設計的控制策略在驅動器發(fā)生故障時，不僅能夠繼續(xù)完成預定工作任務而且還保證了跟