液压机械臂相比于电动机械臂在重载搬运领域具有不可替代的优势,而多自由度液压机械臂强耦合、本质非线性和模型不确定的特点,给高精度轨迹跟踪控制带来挑战。以多自由度电动静液驱动机械臂为对象,提出一种轨迹跟踪控制策略。首先,建立含电动静液作动器动态的多自由度机械臂动力学模型;其次,基于反步思想设计控制器,并且通过Lyapunov分析证明了系统稳态性;最后,以三自由度电动静液驱动机械臂为例,搭建AMESim-Simulink联合仿真模型,选取3种控制器对比机械臂各关节轨迹的跟踪精度。2种跟踪指令验证结果表明相较C3控制器和C2控制器,所设计的C1控制器可以较好地补偿机械臂动态,使机械臂各关节更好地跟踪期望轨迹,本研究可为多自由度电动静液驱动机械臂的控制策略设计提供参考。

针对自由漂浮双臂空间机器人(DFFSR)机械臂末端轨迹跟踪控制问题,提出了一种增广优化控制方法。首先,根据DFFSR关节空间的动力学方程和运动学方程,推导出机械臂惯性空间动力学方程;而后,基于增广变量思想,将惯性空间动力学方程扩展成以末端位置和线速度为状态变量的伪线性状态方程,以此提出一种增广状态依赖Riccati方程(SDRE)优化控制方法,并通过Lyapunov方法证明系统渐近稳定性。数值仿真结果证明了所提控制方法能够实现对机械臂末端快速有效的轨迹跟踪。

机械臂是机器人系统中的重要组成部分之一,机械臂的轨迹跟踪控制是机器人执行后续工作的关键问题。由于外界干扰等不确定因素的影响,导致机械臂轨迹跟踪控制稳定性较差、精度较低、时间较长。为此,提出了改进RBF神经网络的机械臂轨迹跟踪控制方法。采用Lagrange函数,对机械臂系统动力学方程进行定义,导入关节变量的偏导数,获取标称模型运动微分方程,建立机械臂动力学模型。利用Newton算法的术语函数,获得非线性积分滑模控制方程,训练RBF神经网络,更新滑模控制补偿器,实现机械臂轨迹跟踪控制。仿真测试表明,所提方法的机械臂轨迹跟踪控制精度较高、时间较短,能够有效确保跟踪控制稳定性。

针对折叠臂高空作业车的轨迹跟踪控制问题,提出了一种基于扩张状态观测器的神经网络滑模控制器。针对现实情况下臂杆柔性模态变量不可测以及外界扰动的问题,设计扩张状态观测器用于观测系统的模态变量,并将外界扰动作为系统状态变量进行观测。由于滑模控制器的高速切换控制会引起的高频振颤,因此设计了神经网络滑模控制器,使用神经网络的连续控制代替了不连续的切换控制。并采用李雅普诺夫定理证明了整个系统的稳定性。仿真实验结果表明,所设计的基于扩张状态观测器的神经网络滑模控制器在存在建模不确定性以及干扰的情况下能够实现折臂式高空作业车工作平台的轨迹跟踪控制,并且对高空作业车臂架系统存在的振动问题进行了有效抑制。

为了精确描述气缸的摩擦力,实现气缸的高精度轨迹跟踪控制,并提高算法的可移植性,提出基于遗传算法的气缸LuGre摩擦模型参数辨识方法和基于气缸充气腔压力变化的比例方向阀死区辨识方法。通过仿真分析,验证遗传算法在辨识摩擦力静动态参数时的可靠性;以单缸气动伺服系统为研究对象,分别建立比例方向阀和气缸的数学模型,设计基于反步法的非线性鲁棒控制器,开展气缸活塞运动跟踪不同频率的正弦轨迹曲线和三阶加减速曲线实验。研究结果表明:基于遗传算法的摩擦力参数辨识和基于气缸压力变化的比例方向阀死区辨识方法均能获得精确的辨识结果,本文所设计的控制器能实现气缸高精度轨迹跟踪控制。

针对脑卒中患者在被动训练阶段使用下肢外骨骼康复机器人的高精度轨迹跟踪控制问题,以下肢外骨骼康复机器人为研究对象,提出一种基于深度确定性策略梯度的PD控制方法。采用Vicon三维动作捕捉系统采集正常人体步行的关节角度作为期望关节角度轨迹并建立下肢外骨骼机器人的动力学模型。该方法根据每次的误差输入以及与动力学模型交互获得奖励值而动态更新自身网络参数,从而自适应输出最佳的PD参数值。仿真结果表明:相较于传统PD控制,该方法髋