教学课程资源库 更多>>

关键词： 表贴式永磁同步电机   矢量控制   滑模控制   脉振高频信号注入   加权切换算法  

摘要： 永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)因其具有功率密度大、效率高、体积小等优点,在多种工况场合得到广泛应用。受限于PMSM强耦合、非线性的特点,传统PMSM双闭环矢量控制系统性能易受外界参数变化影响,且该方法需要对PMSM加装精确的位置传感器。对于部分工况特殊的场合,加装位置传感器会影响控制系统的鲁棒性,利用无位置传感器技术一定程度上可以改善上述问题,因此本文以表贴式PMSM为研究对象,针对永磁同步电机无位置传感器的全速域控制策略展开研究。首先,针对传统PMSM双闭环矢量控制中转速环PI控制器鲁棒性差的问题,通过引入fal(s,α,δ)函数,提出了一种新型指数趋近律,验证分析了其可行性,并基于该趋近律设计了速度环滑模控制器和滑模观测器,将其与传统指数趋近律和快速指数趋近律进行对比分析。仿真结果表明,基于新型趋近律设计的控制器与观测器对于中高速域的估计效果较好。其次,为了改善低速域的转速和转子位置估计精度,引入了低速域高频信号注入法,并针对表贴式PMSM的特点,选择脉振高频信号注入法作为低速域控制方法。针对该方法中使用的低通滤波器存在的相移问题,引入二阶广义积分器(Second Order Generalized Integrator,SOGI),一定程度上消除了低通滤波器的相移问题,并在此基础上对SOGI进行改进,通过引入高阶巴特沃斯低通滤波器,进一步提高SOGI对高频谐波的衰减能力,并将其与低通滤波器、SOGI进行比较分析。仿真结果表明,基于改进型SOGI的脉振高频信号注入法对低速域的转速和转子位置估计精度较高。最后,为了提升低速域和中高速域控制方法复合控制的效果,引入加权切换算法作为低速域与中高速域的过渡,通过线性输入确定加权切换算法的切换域上限与下限,并进行全速域复合控制仿真。仿真结果表明,复合控制策略的估计效果在稳态过程和动态过程中具有较好的表现。

关键词： 生态驾驶   混合车队   最优控制   智能网联技术  

摘要： 交通系统承载着运输乘客、物流周转、应急保障等多方面的功能,随着中国城市化的推进,城市交通给人们的出行带来便利的同时,也产生了许多负面影响,如交通拥堵、环境污染、能源消耗等问题日益突出,严重影响可持续交通系统的发展。在全球能源短缺、气候变化的背景下,许多国家都提出了实现碳达峰、碳中和的重要战略目标。交通运输行业是化石能源消耗和碳排放的重要行业,因此面临着十分严峻的节能减排压力。新能源技术、智能网联技术和自动驾驶技术的蓬勃发展,给引导车辆绿色行驶、提升能源经济性带来了新的机遇。然而,实现车辆完全电动化、网联化、自动化并不能一蹴而就,必然存在着一个人工驾驶和自动驾驶车辆混行的过渡阶段。因此,针对混合车流的不同运行特征和动力特性,研究其生态驾驶策略,充分发挥自动驾驶车辆的优势,以达到节能减排的目的具有重要的现实意义。 本文利用最优控制理论和车辆跟驰模型,以网联自动驾驶电动车(Connected and Automated Electric Vehicles,CEVs)、人工驾驶电动车(Human-driven Electric Vehicles,HEVs)和人工驾驶燃油汽车(Human-driven Gasoline Vehicles,HGVs)组成的混合车队为研究对象,在智能网联技术背景下,提出了一种基于离散距离的混合车队轨迹优化方法。该方法以混合车队的总能耗最低为主要优化目标,同时考虑舒适度和通行效率的要求。之后将所提出的优化方法应用于两类典型交通场景,比较轨迹优化前后混合车队在能耗、舒适性、交通效率等方面的性能。 首先,本文提出并构建了混合车队轨迹优化的一般框架。在混合车队以CEV为头车,跟驰车包含CEVs、HEVs和HGVs。考虑到人工驾驶车辆和网联自动车的不同运行特征,分别构建各自的动力学演化方程:采用最优速度模型(Optimal Velocity Model,OVM)描述人工驾驶车辆的跟驰行为,CEVs的动力学由本文提出的轨迹优化方法进行控制。根据燃油车和电动车的不同动力特性,选择瞬时油耗模型和瞬时电耗模型分别描述其能耗特点。然后在生态驾驶轨迹优化模型框架的基础上,采用离散化的思想将优化模型从时间维度转化到空间维度,构建了基于离散距离的轨迹优化框架。 然后,本文将所提出的方法应用于速度限制区域场景。研究结果表明,本文所提出的轨迹优化方法可以引导整个车队以缓慢减速的方式到达速度限制区域,当CEVs渗透率为25%时,相比于目标函数只考虑头车的优化模型,该方法在不显著降低通行效率的情况下,使得混合车队的总能耗减少22.08%。当CEVs的渗透率增大到75%时,混合车队的总能耗最多可节省90.9%,而旅行时间只增加了1.62s。 最后,本文将所提出的轨迹优化方法应用于混合车队通过信号交叉口的场景。研究结果表明,通过速度诱导,混合车队中的所有车辆以先减速后加速的方式平缓地通过信号交叉口,可以避免因急加减速或怠速所产生的额外能耗。相比于全人工驾驶场景,优化后混合车队的总能耗可减少16.53%～32.13%,同时通行效率提升了2.70%～4.21%。随着CEVs的渗透率越大,能耗节约效果越明显。此外,跟驰CEVs的驾驶行为对优化效果也会产生影响,当所有跟驰CEVs都接受速度建议时,混合车队的平均能耗比跟驰CEVs不接受速度建议可降低4.25%～17.72%。 图22幅,表12个,参考文献64篇。

关键词： 矢量控制   永磁同步电机   解耦控制   滑模观测器   趋近律  

摘要： 永磁同步电机(Permanent magnet synchronous motor,PMSM)具有体积小、低能耗、功率因数高等优势,在军工、纺织和家用电器等领域被广泛应用。由于其内部是一种非线性、强耦合的复杂结构,通常采用矢量控制减小电流环耦合,但d、q轴电流间依旧存在部分交叉耦合项。且在实际工作中,电机的电感参数易发生改变,进而影响电机稳定运行。针对传统矢量控制无法真正消除d、q轴电流之间的交叉耦合影响的问题,进行研究和改进,提高电机控制性能。主要内容包含以下方面: (1)研究PMSM矢量控制系统控制性能,通过搭建仿真模型进行仿真,分析得出其电流环中d、q轴电流的解耦局限性,为后续提出的解耦控制方法提供了重要的理论支持。 (2)在矢量控制理论基础上,提出了一种将新型趋近律的滑模观测器(sliding mode observer,SMO)与偏差解耦控制相结合的复合解耦控制方法。通过SMO观测电感参数匹配和失配情况下的d、q轴电流耦合情况,将观察到的定子电流作为状态变量,补偿电流控制的输出误差,从而减少定子电流误差,降低定子电流耦合。且该SMO采用双曲正切函数和系统状态变量形成新的趋近律,取代了传统的指数趋近律,从而提高了SMO的抗扰动能力,减少抖动,增强了当前SMO的跟踪精度,提高趋近速度。通过仿真结果显示,与前馈解耦控制、偏差解耦控制、基于SMO的偏差解耦控制相比,基于新型趋近律的SMO的偏差解耦控制在电感量匹配和失配条件下d、q轴电流的解耦效果更为优越,动态响应性能更好。 (3)搭建电机控制系统实验平台,对基于新型趋近律的SMO的偏差解耦控制策略进行实验验证。通过实验结果分析表明,基于新型趋近律的SMO的偏差解耦控制与前馈解耦控制、偏差解耦控制、基于SMO的偏差解耦控制相比,在电感量匹配和失配条件下d、q轴电流的解耦控制效果最佳,增强了电流环部分对扰动的适应性和容错性,从而有效提高了PMSM控制系统的解耦性能,增强系统稳定性。 以上研究取得的结果,在提高PMSM电流环解耦性能,加强控制系统抗干扰能力,实现PMSM稳定运行具有一定的实践意义。

关键词： 电动汽车   车辆低频纵向振动   振动控制   最优控制   基于模型设计的开发  

摘要： 随着全世界石油资源的日益枯竭和人们环保意识的不断增强,发展以电动汽车为代表的新能源汽车已成为全球范围内的普遍共识。相比于传统车辆,由于电动汽车传动系统的弱阻尼特性和电机更快速的扭矩响应特性,造成了电动汽车更容易出现车辆低频纵向振动。低频纵振会严重损害车辆的操作稳定性和驾驶舒适度,并且会对车辆的零部件和结构施加持续的负荷,加速零部件疲劳损伤和结构松动,从而缩短车辆的使用寿命。针对该问题,本文开展了针对电动汽车低频纵振主动控制算法的研究。本文工作如下: (1)阐述了电动汽车低频纵振问题,以及电动汽车低频纵振被动抑制和主动控制方法的国内外研究现状,指出了现有低频纵振抑制方法的不足。 (2)以我校的电动方程式赛车为研究对象,在Simulink与Simscape软件环境中构建了电动汽车的电驱动系统模型和车辆扭振模型。该模型能有效反映电动汽车的低频纵向振动现象,并通过实车测试数据验证了该模型的有效性。 (3)以电动汽车纵向动力学模型为基础,分析了造成电动汽车纵向振动的两个主要原因:传动系统的轴系柔性和齿轮间隙。然后根据车辆硬件条件和车辆使用条件分析指出了振动控制策略的要求和目前已经应用的振动控制器不足。 (4)基于最优控制理论设计了适合整车控制器运行的最优自适应控制器,用于主动控制电动汽车的低频纵向振动。通过离线仿真验证了该算法能在轻微影响车辆加速性能的同时有效控制车辆振动,并与两种车辆现有的控制算法进行了对比。 (5)基于模型设计开发的V字流程,将设计的主动控制算法开发部署在了整车控制器之中。基于Speedgoat实时目标机搭建了硬件在环测试平台,完成了对整车控制器中的振动控制算法的实时测试。通过实时测试,检验了本文提出的算法具有较好的鲁棒性,并能在整车控制器中按时完成实时运算,满足实时性要求,且能有效控制车辆振动。最后本文开展了实车测试实验,测试结果表明本文提出的算法能有效控制电动汽车纵向振动,并具备工程可行性,有望后续在实车上应用。

关键词： 纯电动汽车   分布式驱动系统   驾驶风格   聚类分析   人工神经网络   滑模控制   硬件在环测试  

摘要： 随着世界各国对环境问题的重视程度不断提升,并就碳中和愿景达成一致,以及人工智能技术的飞速发展,汽车行业正在经历一场电动化、网联化、智能化、共享化的快速变革。相比传统的集中式驱动电动汽车,分布式驱动电动汽车传动链短、底盘集成度高,同时能够充分利用四轮附着力,对无人驾驶系统指令能快速响应、精确执行,因此逐渐成为面向未来智能网联汽车的理想载体。本文以分布式驱动电动汽车的力矩矢量控制方法为主要研究内容,研究课题为“考虑驾驶风格的分布式电驱动汽车力矩矢量控制”。由于当前对于分布式驱动电动汽车的横摆控制主要集中于稳定性控制目标,无法对不同驾驶风格的驾驶员实现自适应控制,因此,本文提出了考虑驾驶风格的力矩矢量控制策略,目的是实现分布式驱动电动汽车横摆控制的个性化与智能化。具体内容主要包括:首先,以某四轮分布式驱动电动汽车平台为蓝本,搭建了能反映动力学特性的车辆模型。基于Carsim-Simulink创建了联合仿真车辆动力学模型:在Carsim中完成车体与底盘模型的参数匹配,在Simulink中完成轮毂电机模型与驾驶员模型的搭建。模型搭建完成后,通过稳态回转、蛇形绕桩等典型工况下的仿真与实车试验结果进行对比,验证了所搭建的车辆模型的有效性与准确性。其次,实现对驾驶风格的快速实时辨识。为了采集驾驶员与车辆状态数据集以训练驾驶风格辨识模型,并快速验证所提出控制策略的实时性与有效性,本文搭建了驾驶员在环与控制器硬件在环的驾驶模拟器台架,并在综合考验车辆操纵稳定性的复合赛道工况下完成了不同年龄、不同经验驾驶员的数据采集、事件划分。依据驾驶事件中的不同统计特征,将驾驶员按风格聚类,搭建BP神经网络模型实现驾驶风格的离线辨识与实时在线辨识。硬件在环测试表明,该辨识算法在复合道路工况下仍能实现很高的辨识准确率,且能保证良好的实时性。最后,提出了一种能适应不同风格驾驶员的直接横摆力矩控制策略。首先,通过对二自由度动力学模型与驾驶风格聚类结果的进一步分析,量化了不同风格驾驶员的理想参考模型与控制目标;随后,进一步确定了控制策略,对保守或适中的驾驶风格采用基于稳定性的控制目标;对激进或运动的驾驶员采用基于专业驾驶员特性的控制目标。随后基于滑模控制搭建了分层横摆力矩控制方案。最后,分别完成了方向盘正弦输入仿真、变速双移线仿真,以及驾驶员与控制器硬件同时在环的测试。结果均表明,控制器在识别到驾驶风格后,能快速切换控制目标并作出响应,保障了保守与正常驾驶员过弯时的稳定性,同时也满足了激进风格驾驶员对于路径跟随和高横摆角速度增益的需求,降低了驾驶员操作负担。

关键词： 年龄等级结构   周期性参数   种群模型   最优控制  

摘要： 自然界是一个具有多水平分层等级结构的有序整体,其生态学系统的结构、功能及动态变化在不同的等级上有不同的表现. 另一方面,种群内部的个体也存在等级差异,以年龄等级结构最为直观.由于受季节变化等周期性因素的影响，种群的个体生命参数常常经历周期性振荡.本文提出一类具有周期性参数的年龄等级结构种群模型,运用数学理论进行系统分析及系统调控,前者是后者的基础,后者运用前者的结论对种群实施合理的改造. 除了学术意义外,本文研究结果也为实际应用提供了科学的理论支持.　　本文的研究内容由第2章、第3章和第4章组成.　　第2章主要分析周期环境中的年龄等级结构种群模型解的适定性,并给出数值实验.第1节提出一类个体生命参数受环境等因素影响而进行周期性振荡的年龄等级结构种群模型;结合实际背景和理论分析需求给出基本假设. 第2节针对系统解的适定性给出证明,运用不动点方法证明了周期解是存在且唯一的,并且该解非负有界.第3节提出一种迎风差分格式的数值计算方法,对前述系统进行了离散;证明了该数值方法的收敛性;利用MATLAB软件对给出的测试实例进行了数值模拟.　　第3章主要讨论调控周期内种群系统的最优控制问题.第1节将第2章所述系统作为基础;并对相关参数设定基本假设.第2节考虑对种群的收获控制,提出一个最优收获问题;并针对系统解的适定性给出结论;利用Mazur定理证明了该系统最优控制的存在性;导出了最大值原理;最后结合算例进行数值模拟.第3节讨论系统的初始分布控制问题,借助切锥法锥的特征和共轭系统的技巧精确刻画最优解;对共轭系统进行恰当地构造,同时借助Ekeland变分法原理,讨论了最优控制的存在性、唯一性;最后展示数值模拟结果.　　第4章主要研究基于边界控制的近似能控性和一类最优控制问题.第1节提出一类控制变量位于边界上的非线性模型;并给出基本假设. 第2节建立系统解关于控制变量的连续依赖性.第3节基于线性系统的能控性与集值映射不动点方法获得非线性系统的近似能控性. 第4节针对一个具体的最小代价模型,构造适当的共轭系统和法向量对最优策略作出精细刻画,导出最小值原理;运用Ekeland变分原理证明了最优策略的存在唯一性;最后依赖数值模拟结果展示了控制策略的可行性.

关键词： 火星进入   轨迹规划和制导   凸优化   伪谱法   模型预测控制   最优控制  

摘要： 火星进入、下降和着陆过程是火星着陆探测、采样返回和载人登陆任务的核心环节之一,直接影响探测器在火星大气层内的飞行安全和着陆精度。早期的火星进入任务采用弹道式进入方案,没有使用制导算法控制进入轨迹,着陆精度差。近期的Mars 2020和天问一号探测器均采用弹道升力式进入方案,通过进入终点控制(Entry Terminal Point Controller,ETPC)算法调整进入轨迹,从而提高着陆精度。但该算法没有考虑火星进入过程中的路径约束,导致任务的安全性受限。未来的载人火星登陆任务对安全性和着陆精度都有更高的要求,因此本学位论文研究火星进入轨迹规划和制导问题,开展了如下工作: 首先,从动力学建模和问题凸化两方面改进了经典序列凸优化方法。提出以航程为自变量建立火星进入动力学模型,保证了模型的精度;同时,把时间变量扩充为状态变量,凸化了时间最优目标函数;还松弛了倾侧角速度不等式约束,将其改写为凸约束;再结合虚拟控制和自适应信赖域技术,求解了火星进入轨迹优化问题。进一步,改用航程角为自变量建立动力学模型,可以将末端时间或能量自由问题改写为末端航程角固定问题,降低了优化难度;并引入Legendre-Gauss-Lobatto(LGL)伪谱法进行问题离散,减少了优化问题的离散误差和决策变量数目,降低计算量的同时保证了数值解的精度。 其次,基于Legendre和Chebyshev伪谱法改进了模型预测凸优化方法,提出了Legendre-Gauss(LG)、Legendre-Gauss-Radau(LGR)和映射Chebyshev-Gauss-Lobatto(CGL)伪谱模型预测凸优化方法。通过引入LG和LGR伪谱法离散火星进入轨迹优化问题,减小了优化问题的规模;并推导了LG和LGR伪谱灵敏度方程,通过用控制修正线性表出状态增量,进一步降低了决策变量的个数;同时,通过数值积分获得下一个优化子问题所需的参考轨迹,提高了算法的数值精度。在此基础上,引入共形映射和重心Lagrange插值技术改进了CGL伪谱配点的均匀程度,从而提出了映射CGL伪谱模型预测凸优化方法,有效改善了LG和LGR伪谱模型预测凸优化方法中常值控制量的振荡现象。 然后,在间接法的范畴内,提出了间接序列凸优化方法。根据极小值原理,将归一三角化方法的两个解近似为单一解;应用改进的归一三角化方法,推导了有约束火星进入末端高度最大化问题对应的两点边值问题;再引入虚拟控制和虚拟缓冲,并定义与二者相关的目标函数,把两点边值问题松弛为凸优化问题;随后采用序列凸优化方法求解两点边值问题,从而无需求解大量同伦子问题。提出的改进归一三角化方法简化了最优解形式,而间接序列凸优化提出了采用序列凸优化方法求解两点边值问题的思路,可以提高计算效率,并且得到的数值解和协态变量也与理论值接近。 最后,结合模型预测控制和凸优化方法,发展了最优反馈跟踪制导和最优计算制导方法,以降低不确定性因素对任务安全和精度的影响。前一个方法在考虑路径约束的情况下,将火星进入跟踪制导问题松弛为凸二次约束二次规划问题;再采用LGR伪谱法进行问题离散,并提出了离散节点减小策略以提高算法收敛性;同时在目标函数中增加了控制量平滑项,从而避免倾侧角剖面的振荡。后一个方法则采用LGR伪谱模型预测凸优化方法在线求解有约束火星进入轨迹优化问题,从而获得最优制导指令;并且也引入了离散节点减小策略和新的参考轨迹更新方式来提高算法的收敛性。提出的两类制导方法违反路径约束的概率低,提高了任务的安全系数,而且在制导精度方面优于LQR跟踪制导和ETPC制导方法。 综上所述,本学位论文以火星进入问题为研究对象,基于凸优化理论设计了相应的轨迹规划和制导算法,将为我国后续的火星采样返回和载人登陆任务提供技术储备。

关键词： 矿用电机车   PMSM   矢量控制   FOFSMC   深度强化学习   TD3  

摘要： 矿用电机车是一种广泛应用于煤矿地面、井下运输大巷等长距离运输场合的矿山辅助运输工具,承担着人员、物料、设备等运输的重任,其运行效率和安全性能直接关系到煤矿的生产效率和经济效益。近年来,永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)凭借其安全可靠、效率高、节能环保等优点逐渐取代直流电机和异步电机成为矿用电机车牵引电机的首选。但同时,现有矿用电机车PMSM控制策略在井下环境恶劣的情况下出现了响应慢、稳定性差等问题。为此,本文设计了一种基于改进型分数阶模糊滑模控制(Fractional Order Fuzzy Sliding Mode Control,FOFSMC)的矿用电机车PMSM控制策略,以实现对矿用电机车PMSM的有效控制。论文以矿用电机车PMSM的速度-电流双闭环矢量控制系统作为基本架构,在滑模控制、模糊控制和分数阶控制的研究基础上,设计了基于分数阶积分滑模面、分数阶等效自适应趋近律和分数阶模糊滑模控制规则的FOFSMC速度控制器,以改进PI速度控制器响应慢、超调量大的问题。基于该速度控制器的FOFSMC控制策略能够有效地缩短矿用电机车PMSM的响应时间和降低系统超调。针对电流响应效果不理想,并且在紧急制动工况下存在严重倒拉反转现象,基于深度强化学习中的孪生延迟深度确定性策略梯度算法(Twin Delayed Deep Deterministic Policy Gradient,TD3)设计了TD3电流控制器来进行优化。基于FOFSMC速度控制器和TD3电流控制器的双闭环改进型FOFSMC控制策略能够使矿用电机车PMSM在各种工况下稳定运行。最后分别设计了矿用电机车PMSM控制系统的主控模块、智能运算模块、电源模块、功率驱动模块与采样模块,同时对相关软件进行了设计,并进行了相应的仿真测试实验。仿真测试实验结果表明,所设计的改进型FOFSMC矿用电机车PMSM控制策略,既能有效缩短矿用电机车在各种工况下的响应时间,降低系统超调,保证矿用电机车的稳定运行,又能提高矿用电机车PMSM控制系统的鲁棒性,提升矿用电机车的整体性能。论文研究工作为矿用电机车控制系统的设计提供了新思路,为矿用电机车在井下安全高效的运行提供了可靠保障。图[60]表[16]参[91]

关键词： 人机物理交互   机器人   阻抗控制   轨迹跟踪   最优控制   滑模控制  

摘要： 随着科技的不断进步,机器人的研究方向从“机器换人”逐渐向人机交互转移,人机物理交互作为人与机器人最直接的交互方式,备受研究人员重视。在人机物理交互过程中,机器人需要保证运动的平滑和柔顺,以适应人的灵活性,从而提高交互的舒适性和安全性。为实现这一目标,轨迹跟踪控制和柔顺控制在人机物理交互控制中受到广泛关注。轨迹跟踪控制能够通过控制关节力矩实现机器人跟踪期望轨迹,使运动表现出期望的行为。柔顺控制能够调节机器人交互力与交互位置之间的关系,实现对人的柔性适应,从而提高人机物理交互性能。因此,本文将主要针对机器人的轨迹跟踪控制,柔顺交互控制两方面展开研究。主要的工作和贡献可以概括为以下三点:1.建立了二连杆机器人运动学和动力学模型,概述了滑模控制、最优控制和迭代最优控制原理,总结了柔顺控制方法中阻抗控制的核心思想,分析了最优阻抗控制的机理,研究了不同阻抗参数对人机物理交互任务性能的影响,为本文后续研究做基础。2.针对有限时间滑模控制方法用于机器人轨迹跟踪任务时,轨迹跟踪误差的收敛时间受到误差初值影响,导致收敛时间未知的问题。利用反正切函数有界的特性,结合固定时间稳定性理论,提出了固定时间收敛的机器人滑模轨迹跟踪控制方法。所提方法利用反正切函数设计滑模面,再基于固定时间稳定性原理设计控制律,使得轨迹跟踪误差在滑动阶段和接近阶段的运动时间仅与所设置参数有关,同时通过在奇异区设计不同控制律,避免了奇异性问题。最后通过二连杆机器人仿真实验,验证了所提方法可以使机器人在已知时间上限内跟踪期望轨迹。3.针对基于迭代学习的柔顺控制方法为了提高人机物理交互性能需要多次重复同一任务的问题,借鉴迭代最优控制无需系统矩阵信息即可优化代价函数确定系统最优控制输入的机制,提出了最优阻抗人机物理交互控制方法。所提控制方法采用双环控制结构。其中,面向任务的外环,设计了基于迭代的最优阻抗控制器,将求取最优阻抗参数的问题描述成线性二次型调节器问题,利用迭代最优控制,求取最优反馈增益,使包括跟踪误差和交互力在内的代价函数最小化。同时引入软辅助函数,避免参数突变可能带来的机器人抖动问题。面向机器人的内环,利用非奇异终端滑模控制,使机器人实际轨迹跟踪外环输出的阻抗轨迹,通过饱和函数消除了抖振,得到了连续的控制律。仿真结果证明,所提方法在机器人与操作人员协同跟踪期望轨迹任务中,仅利用一次任务初始阶段的交互信息即可求得最优阻抗参数,同时能使任务过程中的轨迹跟踪误差和操作人员所消耗的力最小化。

关键词： 线驱动连续体机器人   无模型控制   最优控制   Actor-Critic 结构   自适应动态规划  

摘要： 随着现代智能技术的发展,高效的智能机器人被设计应用。受象鼻、藤蔓等启发设计的线驱动连续体机器人是仿生机器人的一种,具有优越的灵活性、柔顺性和安全性,在医疗服务、灾后救援和航空航天领域有着广阔的应用前景。然而,难以精确建模的线驱动连续体机器人在完成任务时,不仅要克服非线性不确定因素和扰动等的影响,而且对能耗和稳定性也有较高的要求。因此结合最优控制原理研究其无模型控制策略具有重要意义。本文的主要研究内容如下:(1)提出了线驱动连续体机器人动力学建模方法。在分段常曲率假设下,通过矩阵旋转和坐标系变换方法,从几何构型上推导了n个弯曲段的线驱动连续体机器人运动学表示。进一步结合广义力分析和能量计算,利用欧拉-拉格朗日方程完成了动力学模型的构建,并给出了单段线驱动连续体机器人的动力学模型案例和仿真验证分析。建模工作发掘了模型所存在的不足,为无模型控制器设计起指导作用。(2)针对平衡点线性化的线驱动连续体机器人系统,结合Actor-Critic框架提出一种基于改进Q学习的的连续时间无模型最优控制策略。针对系统模型未知的问题,引入Q函数等效最优价值函数。Critic网络估计Q函数,Actor网络逼近系统控制策略,梯度下降算法训练两个网络在线更新。最后进行了 Lyapunov稳定性证明和仿真验证。(3)针对非线性时变的线驱动连续体机器人系统,提出了一种基于自适应动态规划方法的轨迹跟踪最优控制策略。首先定义总体不确定项来捕捉未知的动态,并引入辅助误差函数,将跟踪问题转化为最优控制问题。其次基于策略迭代方法,同步设计了含有Actor-Critic网络的自适应控制算法来求解哈密顿-雅可比-贝尔曼(Hamilton-Jacobi-Bellman,HJB)方程。Critic网络进行策略评估,Actor网络进行策略改进,并给出了两个网络的同步调优策略。最后证明了最优控制器的收敛性,保证了系统的稳定性,仿真实验验证算法的可行性。