不确定机器人系统的稳定自适应控制研究

《不确定机器人系统的稳定自适应控制研究》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、摘要(Abstract)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。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。论文以李亚普诺夫(Lyapunov)稳定、自适应控制、模糊控制、动态面控制、积分变结构控制等理论为基础对机器人系统的轨迹跟踪控制器进行设计和分析。主要工作如下：首先，针

2、对带干扰项的刚性机械臂系统，提出了一种基于观测器与动态面技术的控制器设计方案。该方案只需测量机械臂位置，而无需测量角速度。首先应用状态观测器估计不可测量的关节角速度，然后把这一观测量引入动态面设计过程中，从而得到了系统控制律。与基于后推的机器人控制比较，所设计的控制器结构更为简单。应用Lyapunov方法，分析了观测误差和系统跟踪误差的有界性与收敛性，并且证明了闭环系统所有信号一致终结有界。仿真结果表明该控制方案具有良好的跟踪性能。其次，针对带有未知死区的柔性关节刚性臂机器人系统，提出了一种基于滑模变结构控制

3、技术的控制器设计方案。该方案充分考虑机器人控制过程中存在的死区现象对系统性能的影响。为了使系统能够尽快进入滑动模运动，同时减弱系统抖动对实时控制所带来的不利影响，采用了一种新的滑模到达律。最后分两步来设计系统控制律。仿真结果表明该控制方案的有效性。最后，讨论了不确定机器人系统的自适应模糊控制问题。基于变结构控制原理，并利用具有线性可调参数的模糊系统去逼近过程未知函数，提出一种具有监督控制器的积分变结构自适应模糊控制方法。该方法通过监督控制器保证机器人闭环系统所有信号有界。进一步通过引入最优逼近误差的自适应补偿

4、项来消除建模误差的影响。理论分析证明了跟踪误差收敛到零。仿真结果表明了该方法的可行性和实用性。论文对上述研究成果在理论上进行了严格证明，又通过计算机仿真验证了控制算法的正确性和有效性。通过本文的研究，为解决不确定机器人系统在工程中面临的一些现实问题提供了新思路。关键词：机器人，观测器，动态面，变结构，死区，模糊控制，自适应控制，’稳定性AbstractRobotisnotonlyagreatcomplicatedtime-Varying，11ighly．coupled，nonlinearsystems，but

5、alsosubjectedtov撕ouskindsofuncertainties，suchasmeasurementen．ors，衔ctions，Varyingpayload，r锄domdisturbances，u11．modeleddynamics，andsoon．SoitisVe巧dimculttoobtaintheintegratedaJldprecisedyn锄icsofrobotsystem．Itissignificallceintheo巧andpracticabilitytotherealizat

6、ionofhighspeed，highprecisionandgreatcapabilityrobotsthatmodelingajlds01vingtheaboveproblems．Thedesignandanalysisofcontrollerf．orrobottr句ecto巧trackingisproposedinthisthesis．Theprocedureisbasedonaseriesoftheories，whichincludeL，yapunovstabilitytheo阱adaptiVecon

7、trolmeoⅨ如z巧controltheoⅨdynamicsurfacecontrol，integralv撕ablestmcturecomroltheory，andsoon．Themaincontentsareoutlinedbelow：Firstly，anewdesignschemeforrigidrobotm撕pulatorswithdisturbanceisproposed．Theproposedapproachonlyrequiresthefeedbackoflim(positionstateswi

8、thoutmeVelocityi11

9、’ormation．ThedesignisbasedontheprincipleofStatesobsen，erandtlletecluliqueofdyn籼icsurfacecontrol(DSC)．neimmeasurable1inkvelocityfortherobotmodelisestimatedbyanobserver．Then，mecontroll