欢迎来到天天文库
浏览记录
ID:35102325
大小:5.68 MB
页数:124页
时间:2019-03-17
《面向运动约束和输入约束的上肢外骨骼机器人控制器设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文面向运动约束和输入约束的上肢外骨骼机器人控制器设计作者姓名陈自庭学科专业控制理论与控制工程指导教师苏春翌教授所在学院自动化科学与工程学院论文提交日期2016年5月ControllerDesignforUpperLimbExoskeletonRobotwithMotionConstraintandInputConstraintADissertationSubmittedfortheDegreeofMasterCandidate:ChenZitingSupervisor:Prof.SuChunyiSouthChinaUniversi
2、tyofTechnologyGuangzhou,China分类号:TP273学校代号:10561学号:201320112163华南理工大学硕士学位论文面向运动约束和输入约束的上肢外骨骼机器人控制器设计作者姓名:陈自庭指导教师姓名、职称:苏春翌教授申请学位级别:工学硕士学科专业名称:控制理论与控制工程研究方向:智能医疗器械论文提交日期:2016年5月4日论文答辩日期:2016年6月2日学位授予单位:华南理工大学学位授予日期:年月日答辩委员会成员:主席:黄庆华委员:苏春翌李智军宋嵘华南理工大学学位论文原创性声明本人郑重声明:所呈交的论文
3、是本人在导师的指导下独立进行研巧所取得的研究成果。除了文中特别加W标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研巧做出重要贡。献的个人和集体,均已在文中W明确方式标明本人完全意识到本声明的法律后果由本人承担。《作者签名:巧旅日期如年月V日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属华南理X大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版,允许学位论文被查阅(除在
4、保密期内的保密论文外);学校可W公布学位论文的全部或部分内容、缩印或其它复制手段保存、汇编学位,可W允许采用影印一致论文。本人电子文档的内容和纸质论文的内容相。本学位论文属于:。.□保密,在年解密后适用本授权书M木保密,同意在校园网上发布,供校内师生和与学校有共享协议(光盘版)电子杂志的单位浏览;同意将本人学位论文提交中国学术期刊社全文出版和编入CNKI《中国知识资源息库》,传播学位论文的全部或部分内容。""(请在上相应方框内打V)2作者签名:巧郝曰期:>〇1啤的^/乂^指导教师签名:曰期:坪
5、叩L0.作者联系电话:电子邮箱:_联系地址(含邮编):摘要本课题研究了外骨骼机器人系统中经常面临的各类问题,例如死区输入、饱和输入、状态时滞和状态约束。针对这些问题,本文采用自适应控制和其他智能控制方法相结合的方式,基于Lyapunov直接法提出相应的控制器设计方法。为了解决模型不确定问题,本文用到了自适应控制方法以及模糊逻辑系统(FLS)和神经网络(NNs)理论。干扰观测器的引入,可以估计并补偿系统中的合成干扰项,即系统中的外部干扰、输入非线性项以及系统模型近似误差的叠加项。屏障Lyapunov函数(BLF)是一种很有用的
6、数学工具,能够在数学上以一种非常简单的方式解决状态约束问题。为了使控制器更具有实际意义,有必要将状态反馈控制器进行扩展,只利用输出信息构造输出反馈控制器,高增益观测器正好解决了这一问题。本文的主要研究内容可以总结为:(1)考虑死区输入和状态时滞同时存在的情况,采用自适应控制方法,研究可参数化多输入多输出(MIMO)系统的跟踪控制问题;(2)考虑死区输入和饱和输入同时存在的情况,针对多输入多输出机械系统,提出自适应模糊控制方法;(3)考虑饱和输入存在的情况,在系统状态不完全可测的条件下,基于高增益观测器,研究未建模的动态非线性系统的输出反馈控
7、制问题;(4)考虑饱和输入和状态约束同时存在的情况,基于屏障Lyapunov函数,提出自适应神经网络控制方法,使系统能够在未知饱和输入约束的条件下,以一定的精度跟踪给定信号;(5)在上肢外骨骼机器人仿真和实验平台上验证本文提出的控制方法,分析上述控制器的实际控制性能,并与已有文献中的方法作对比。关键字:输入非线性;状态约束;MIMO系统;外骨骼机器人;控制IAbstractThispaperinvestiagedsomekindsofproblemusuallyencounteredinexoskeletonrobotsystem,such
8、asdeadzoneinput,saturationinput,time-varyingdelayandstateconstraint.Inordertosolvethesepr
此文档下载收益归作者所有