针对应用于工厂物料运输的差速驱动AGV,在实际工作中轨迹跟踪控制将会受外界干扰等因素的影响,提出了一种自适应模糊滑模轨迹跟踪控制律。首先建立了差速驱动AGV的数学模型;然后针对AGV运动学模型设计了Backstep?ping方法控制律,得到虚拟控制速度;针对其动力学模型设计了以力矩为控制输入的自适应模糊滑模控制律,使得其能够对虚拟速度进行跟踪,其中利用模糊系统的万能逼近特性,逼近滑模控制器的切换部分来避免滑模控制的抖振现象;采用Lyapunov稳定性理论分析证明了控制系统的稳定性。最后仿真试验表明了所设计的控制律能有效的跟踪参考轨迹。

针对漂浮基空间机械臂系统存在关节力矩输出死区的现象,设计了抗死区的自适应鲁棒补偿控制算法。用自适应死区估计补偿器来消除关节力矩输出死区的影响,首先利用无参数误差的动力学模型设计计算力矩控制器,然后将自适应鲁棒控制用于辨识、消除系统参数的不确定性,保证了具有输出力矩死区的系统稳定性与动态性能。最后对控制策略进行了Lyapunov稳定性证明,并通过软件仿真验证了控制方法的有效性。

为了提高机械臂轨迹跟踪的精度和速度,提出了干扰观测器与非线性滑模控制相结合的轨迹跟踪控制方法。建立了机械臂动力学模型,设计了机械臂轨迹跟踪控制方案。将机械臂受到的扰动分为可观测部分和不可观测部分,对于可观测部分,设计了干扰观测器用于估计扰动大小,依据扰动观测值对控制力矩进行补偿,主动消除可观测部分扰动的影响;对于不可观测部分,设计了非线性滑模控制器,用于减小不可观测扰动造成的跟踪误差与抖动。经仿真验证,与传统滑模控制和非线性滑模控制相比,干扰观测器与非线性滑模控制相结合的轨迹跟踪误差减小了一个数量级以上,且跟踪速度最快。

针对具有不确定性的机械臂系统的轨迹跟踪控制问题,提出了一种基于Udwadia-Kalaba方程的鲁棒控制算法,可以在不引入拉格朗日乘子的情况下求解机械臂的关节约束力,该控制算法可抑制机械臂系统中不确定性的影响,并经过Lyapunov理论严格证明表明该控制算法能够保证系统的稳定性。为了验证该控制方法的有效性和鲁棒性,针对平面二自由度机械臂系统进行了仿真试验。仿真结果表明在轨迹约束初始条件不相容的情况下,该控制算法能够克服系统不确定性的影响,控制机械臂跟踪期望轨迹精确运动。

为提高双足机器人的步行性能,提出了基于五质心模型的预测控制实现方法。该方法按照机器人的结构,将机器人质量分配在躯干、双臂、双腿中的五个质心,并推导出基于机器人腰部的零力矩点变换公式。应用模型预测控制方法,控制机器人在线跟踪优化的行走轨迹。为验证算法正确性,进行了3D动态仿真实验和现实环境中步行实验。实验结果与基于单质心模型和三质心模型的模型预测控制算法对比,证明这里算法具有更高的步行轨迹跟踪精度。

弹药传输机械臂是坦克自动装弹机系统中的重要组成部分,其易受到坦克车体振动而与炮尾发生碰撞,导致机械臂的工作可靠性变差;引入柔顺驱动能在碰撞时起到缓冲作用,但会引起机械臂的柔性振动,并与车体振动相互耦合,导致跟踪精度降低。针对基础振动以及柔顺特性带来的柔性振动、且具有惯量变化影响下的弹药传输机械臂的轨迹跟踪问题,运用奇异摄动理论引入双时间尺度,将复杂系统降阶解耦,分解为彼此独立的快变子系统和慢变子系统并分别设计控制器进行控制。针对慢变子系统,将基础振动和惯量变化转化为不确定干扰项,采用抗干扰能力较强的神经网络鲁棒控制对机械臂进行轨迹跟踪控制;针对快变子系统,利用速度差值反馈控制器对柔性振动进行抑制。仿真验证了所提出控制算法的鲁棒性,以及对柔性振动的抑制能力。

针对传统机器人关节控制算法跟踪精度低、鲁棒性差的缺点,基于自适应神经网络提出了一种机器人关节轨迹跟踪算法。算法由自适应神经网络和在线学习反馈模块组成,自适应神经网络将自适应函数同神经网络结合,提高了神经网络训练准确性。同时通过在线学习反馈模块实时更新非线性基函数的内部权值,以进一步减小跟踪误差。再采用时间尺度分离减少了神经网络和在线学习的耦合误差,使得内部权重低于输出层权重的更新速度,从而使模型结构能够迅速适应未知的动态变化与干扰。仿真实验表明,所提算法与对比算法相比误差值要低约60%,说明了该算法可以提高机器人轨迹跟踪精度,降低误差。

针对多自由度液压机械臂的强非线性及各关节状态强耦合导致控制器设计困难的问题,提出了基于虚拟分解法的液压机械臂各关节运动学和动力学建模方法,降低了各关节状态之间的耦合。根据液压系统特性建立液压模型和摩擦模型,并整合得到各关节解耦的机电液动力学模型。由于各关节动力学模型中的控制的解耦特征,很大程度上降低了控制器设计的难度。然后,根据所建各关节动力学模型,分别独立设计了PID控制器并进行了末端轨迹跟踪控制实验,结果表明末端能有效跟踪目标位置,验证了所提方法的有效性。

针对双轮差速移动机器人轨迹跟踪问题，提出一种基于前馈运动学和带有干扰观测器的解耦动力学的混合控制算法。首先，对双轮差速移动机器人的运动学、动力学以及位姿误差进行数学建模。其次，为保证移动机器人轨迹跟踪的快速收敛，采用前馈控制并结合位姿误差设计出运动学控制器；为保证移动机器人在速度上的跟踪性能，采用前馈解耦补偿器，加入干扰观测器，运用具有积分链式结构的微分器，设计出动力学控制器；将动力学控制器加入到运动学控制器中，设计了前馈运动学和带有干扰观测器的解耦动力学的混合控制器，并用Lyapunov函数直接法证明了系统的收敛性和稳定性。最后，通过仿真和样机验证，机器人稳定运行时左右摆差可达±9mm，证明了该混合控制算法的有效性和可行性。

针对Mecanum轮型全向移动机器人在车轮打滑和重心偏移等不确定非线性因素影响下的轨迹跟踪精度问题,提出了一种基于动力学模型的轨迹跟踪控制方法。首先,对机器人进行了运动学与动力学分析。然后,根据传统固定增益滑模控制律存在的抖振现象,设计了基于模糊自适应增益调整的滑模控制器,并通过李雅普洛夫函数证明了控制系统的稳定性。最后在不同扰动作用下,分别以圆和直线为参考轨迹进行跟踪仿真。结果表明：该控制系统具有较好的抗干扰性和鲁棒性;对比固定增益滑模控制方法,笔者所提方法很好地改善了控制输入量的抖振现象,为全向移动机器人在实际轨迹跟踪控制中的运用奠定了理论基础。