本文重点研究了不确定参数和结构的机械臂轨迹控制，提出了三种预测控制策略，主要研究内容如下：（1）首先采用机器人精确的建模条件。制问题。用预测控制的渐进优化特性设计性能指标，将实际轨迹和基于泰勒展开的参考轨迹引入性能指标并导出得到控制器，然后进行稳定性分析（2）为了消除机器人中常见的不确定性参数和外部干扰，提出了一种适用于机械手的鲁棒，恒温阀芯自适应和直接预测控制方法。先，根据（1）中所示的预测控制的性能指标，启动并优化设计控制器，并将监督控制项引入控制律，以消除外部干扰，然后构造了基于函数近似的控制器近似控制律中模型不确定性引起的未知近似。（3）为了满足机械手在实际应用中的不确定性要求，提出了一种基于机器人的鲁棒，自适应，间接和间接预测控制方法。
先，对机器人模型进行变换：通过自适应地将模糊权重控制器调整到受控对象的两个未知函数，建立了基于模糊重构系统的非线性预测控制系统。加控制项D有效地抑制了外部干扰;然后在Lyapunov稳定性理论的基础上设计自适应参数调整律。器人，自适应鲁棒性，预测控制器引言机器人控制近年来受到了很多关注，其不确定性是主要目标之一。
所周知，机械手是一个复杂的多输入，多输出非线性系统，具有强耦合，时间变化和高非线性等动态特性。查机器人时必须考虑许多不确定因素。测控制算法采用在线滚动优化，并且在优化过程中通过系统的实际输出与参考输出之间的差异来执行反馈校正，这允许模型预测并补偿某些不确定干扰的影响。
此，研究不确定机器人的预测控制问题具有重要的理论和实践意义。定条件下机器人轨迹跟踪预测控制的研究是基于一类仿射非线性系统，最初是基于泰勒方法预测该MIMO系统的扩展。述了标称条件。制跟踪问题。方法设计过程简单，不需要在线计算，大大减少了预测控制滚动优化带来的繁重计算量。后，基于该方法，改进了方法中的性能指标函数和泰勒发展顺序，并以机器人为对象设计了预测控制器。于不确定近似的直接自适应鲁棒预测控制将基于接近与预测控制相关联的机器人不确定性的样条/ RBF神经网络。标是将样条函数/神经网络与良好的非线性逼近能力和预测控制相结合，从而更有效地接近和控制不确定性。过理论分析给出了参数的自适应调整率，证明了在闭环系统条件下跟踪误差可以保证均匀收敛。于不确定近似的间接自适应鲁棒预测控制在没有精确机器人模型的情况下，提出了一种基于自适应模糊的非线性预测控制方法，该方法采用与模糊控制相关的非线性预测控制。
要思想是使用模糊自适应控制器以任意精度逼近紧凑集上定义的任何连续函数的性质，并直接逼近控制器的未知非线性函数。接自适应模糊系统的权重由系统参考路径与实际路径之间的误差在线调整。
下来，引入控制项D以有效地提高整个系统的控制性能。后，在Lyapunov原理的基础上，证明了系统的稳定性。
别。解决的关键问题是如何找到预测控制律。设计预测控制律时，有必要对矢量关节角执行泰勒展开并执行一系列推导。
于在执行泰勒开发时必须省略高阶无穷小项，因此使用泰勒开发的几个阶来确保稳定性成为问题的关键。于操纵系统是一个非常复杂的多输入，多输入，非线性系统，它具有强耦合，时间变化和高非线性等动态特性。此，不可避免地会产生外部干扰。定性尤为重要。要技术经济指标提供了基于泰勒展开的非线性机器人预测控制方法。
于Taylor的扩展以避免矩阵求逆操作，减少了在线优化引起的计算机控制。用RBF神经元的网络/样条函数，在紧凑集上定义的任何连续函数的属性可以以任意精度近似，并被引入机器人控件以近似不确定性。于补偿想法的命令被添加到控制器。扰受到抑制，参数调整规律是在Lyapunov理论的基础上构思出来的。用模糊重构系统设计非线性预测控制律，在控制律中引入D控制项，根据Lyapunov原理，基于模糊逻辑系统的自适应参数调整律。出了闭环中系统的信号是连贯的。于束缚和稳定了。用的方法，技术和过程研究方法主要采用理论研究，模拟实验研究和物理平台经验相结合的方法。对具有参数扰动和外部扰动的机器人系统，提出了一种新的机器人轨迹跟踪控制方案，该方案采用非线性预测控制与其他控制方法相结合，然后提出了真实机械手的仿真数据。于模拟模拟数据。实验室的测试平台上进行了模拟测试，以验证理论的准确性和程序的可行性。为一种先进的计算机控制算法，结论预测控制不需要了解系统结构和参数的先验知识，也不需要使用识别技术设计控制器。杂的系统。吸收了现代控制理论的优化。用渐进式优化而不是单一和传统的离线优化的想法使用最新的过程测量信息来连续执行反馈校正，并为系统提供最佳控制策略。据当前状态基于有限时域的优化。此，预测控制策略可以在一定程度上克服不确定性的影响，提高系统的鲁棒性。测控制可以有效消除模型充分性，时间变化，干扰等引起的不确定性，而其与机器人控制技术的结合可以提供令人满意的性能。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com