Xingqiang的博客

本文针对多机械手系统，提出一种新的位置同步控制算法。该方法具有系统同步和积分滑模控制的优点，能够在协调各机械手运动的同时稳定各机械手的位置跟踪。该方法采用积分滑模控制，对整个运行过程中的集中系统不确定性不敏感。此外，还提出了一种摄动估计器来减小抖振效应。文中给出了相应的稳定性分析，为实际问题的理论理解和实际系统的安全运行奠定了基础。通过一个实例验证了该方法的有效性。

针对机械臂轨迹跟踪控制中存在建模误差以及外界干扰造成的控制性能下降问题，提出一种改进的自适应神经滑模控制方法。分别选取状态反馈和改进的神经网络滑模方法来控制系统的确定部分和不确定部分。利用神经网络的非线性 映射能力自适应地学习系统不确定性的未知上界，其输出作为滑模控制器的动态补偿项，Ｌｙａｐｕｎｏｖ函数法推导得到神经网络权值更新律。为保证神经网络映射的有效性，提高收敛速度，采用遗传算法对神经网络结构参数进行优化。双关节机械臂系统的仿真结果表明了该方案的有效性。

针对机械手系统的非线性和不确定性，提出了一种基于径向基函数（RBF）神经网络的模糊滑模控制方法，使机械手以理想的动态品质跟踪给定的轨迹。该方法采用RBF神经网络逼近滑模控制的等效部分，不需要模型信息。同时，设计了一种模糊控制器，根据当前电机点到滑模面的距离自适应调整滑模控制的切换增益，有效地解决了抖振问题。该方法在一定程度上提高了系统的响应和跟踪性能，减少了输入控制的调整时间和抖振。利用Lyapunov定理证明了系统的稳定性。仿真结果表明，针对三自由度机械手系统设计的算法是有效的。

摘要: 针对滑模控制算法本身固有的抖振问题，设计一种新的模糊滑模控制器。利用拉格朗日方法建立双关节机械臂的动力学模型; 基于 Lyapunov 稳定性原理，根据滑模到达条件，利用模糊规则对切换增益模糊化并代替原切换增益，以此设计了新的模糊滑模控制器; 用 MATLAB/Simulink 进行仿真，并与普通的滑模控制器做比较。结果与原控制器相比，在具有外界非线性干扰的情况下，模糊滑模控制器对抖振仍有很好的消除作用，具有更优良的控制性能，更好的跟踪效果，更快的响应速度。文中所做的研究对实际机械臂的运动控制具有一定的参考价值。