带有死区和摩擦补偿的机械臂伺服系统自适应神经网络控制

合集下载

伺服控制器的动态响应调节方法介绍

伺服控制器的动态响应调节方法介绍伺服控制器是一种用于驱动和控制伺服系统的关键设备，它能够通过对电机的精确控制和调节，实现对机械系统的精确位置、速度和力矩控制。

伺服控制器的动态响应调节方法是一项重要的技术，可以提高伺服系统的稳定性、精度和响应速度。

本文将介绍几种常见的动态响应调节方法，包括逆系统补偿、积分分离、自适应控制和滑模控制。

逆系统补偿是一种常见的动态响应调节方法。

在伺服系统中，由于机械系统的惯性、摩擦等因素，通常存在系统的动态响应延迟。

逆系统补偿方法通过建立一个与实际系统动态响应相反的模型，将其与实际系统的输出信号相加，消除系统的动态响应延迟，从而提高系统的响应速度和精度。

积分分离是另一种常见的动态响应调节方法。

在传统的PID（比例-积分-微分）控制中，积分项可以提高系统的稳定性和精度，但也容易引入积分饱和和积分逆变等问题。

积分分离方法通过将传统PID控制器的积分项进行分离，将其作为一个单独的控制通路，可以有效解决积分项引起的问题，提高系统的动态响应性能。

自适应控制是一种根据系统动态特性自动调整控制参数的方法。

伺服系统中的参数通常会随着时间、温度和负载变化而发生变化，导致系统的动态响应性能下降。

自适应控制方法通过引入观测器和标识器，实时估计和修正控制器的参数，以适应系统参数变化，提高系统的稳定性和精度。

滑模控制是一种基于变结构控制的动态响应调节方法。

它通过引入一个滑模面，使系统状态在该面上动态变化，从而实现对系统动态响应的快速控制。

滑模控制方法具有快速响应、抗干扰性强和参数变化适应能力好等特点，适用于对控制精度要求较高的伺服系统。

除了以上介绍的常见动态响应调节方法，还有一些其他的方法，如预测控制、神经网络控制等。

这些方法在不同的应用中具有一定的优势和适用性。

对于伺服控制器的动态响应调节，选择合适的方法需要综合考虑系统的动态特性、控制要求、成本和实际可行性等因素。

在实际应用中，动态响应调节方法的选择和参数的调整是一个复杂的过程，需要结合实际情况进行调试和优化。

空间机械臂基于神经网络的死区补偿控制_张文辉

(13)
, ) *T [ c ˆsT s ( c )] s ( c ) *T R( s c ( c s )
(14)
不考虑死区非线性，基于 Lyapunov 理论可以证明所提神经网络控制器能够保证全局渐近稳定。 2.2 针对死区非线性的自适应神经网络补偿控制控制的目标是使控制器的输出 c 和经摩擦死区补偿器补偿后最终经执行机构后输出一致。神经网络的死区补偿器最优输出
Abstract：Model errors and dead-zone problems of free-floating space manipulators are considered. An adaptive compensation control method based on neural network is put forward. Neural network with good approximation ability is used to compensate the model errors. Variable structure controller is designed to eliminate approximation errors of neural network. Two neural networks is designed respectively to estimate and compensate dead zone model of joint actuator. By the dead zone compensation principle, the online adaptive learning law of weights is designed. The stability of control system is proved based on Lyapunov theory. The simulation results verify the effectiveness of the controller. Key words：neural network；dead zone compensation；space robotic manipulators；adaptive control

气动伺服系统的摩擦力与死区参数辨识及控制

气动伺服系统的摩擦力与死区参数辨识及控制孟凡淦;陶国良;王帮猛;陶俊;陈烨【摘要】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.【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2018(049)011【总页数】9页(P2700-2708)【关键词】气动伺服系统;LuGre摩擦力辨识;死区辨识;遗传算法;非线性鲁棒控制;轨迹跟踪控制【作者】孟凡淦;陶国良;王帮猛;陶俊;陈烨【作者单位】浙江大学流体动力与机电系统国家重点实验室,浙江杭州,310027;浙江大学流体动力与机电系统国家重点实验室,浙江杭州,310027;浙江大学流体动力与机电系统国家重点实验室,浙江杭州,310027;浙江大学流体动力与机电系统国家重点实验室,浙江杭州,310027;浙江大学流体动力与机电系统国家重点实验室,浙江杭州,310027【正文语种】中文【中图分类】TP273气动系统具有功率−质量比大、清洁、成本低、维护方便等优点，已被广泛应用于自动化生产线、医疗机械以及机器人等领域[1]。

但由于气动系统存在强非线性和模型不确定性，导致难以建立精确的数学模型和实现高精度的轨迹跟踪控制，具有高精度轨迹跟踪性能的气动位置伺服控制系统仍然是当前气动技术的重要研究方向。

气缸的摩擦力是造成系统具有强非线性的主要因素之一，特别是在气缸低速运动时，摩擦力的影响尤为明显。

机械臂自适应反演超螺旋全局终端滑模控制

收稿日期：２０２２－１０－３１基金项目：中国科学院空间科学战略性先导科技专项（ＸＤＡ１５０２０３０５０５）；机器人学国家重点实验室自主课题（２０１９－Ｚ０６）；辽宁省“兴辽英才计划”资助项目（ＸＬＹＣ１８０７１６７）引用格式：李俊麟，王宏博，张伟，等．机械臂自适应反演超螺旋全局终端滑模控制［Ｊ］．测控技术，２０２３，４２（１０）：７４－８１．ＬＩＪＬ，ＷＡＮＧＨＢ，ＺＨＡＮＧＷ，ｅｔａｌ．ＡｄａｐｔｉｖｅＢａｃｋｓｔｅｐｐｉｎｇＳｕｐｅｒＴｗｉｓｔｉｎｇＧｌｏｂａｌＴｅｒｍｉｎａｌＳｌｉｄｉｎｇＭｏｄｅＣｏｎｔｒｏｌｆｏｒＭａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ＆ＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙ，２０２３，４２（１０）：７４－８１．机械臂自适应反演超螺旋全局终端滑模控制李俊麟１，２，王宏博１，２，３，张　伟１，２，高　升１，２（１．中国科学院沈阳自动化研究所机器人学国家重点实验室，辽宁沈阳　１１００１６；２．中国科学院机器人与智能制造创新研究院，辽宁沈阳　１１０１６９；３．沈阳化工大学信息工程学院，辽宁沈阳　１１０１４２）摘要：针对机械臂系统存在的系统参数摄动、非线性摩擦及外部干扰等不确定问题，提出一种自适应反演超螺旋全局终端滑模轨迹跟踪控制方法。

该方法基于反演法、Ｌｙａｐｕｎｏｖ理论和全局快速终端滑模理论设计控制器，保证系统稳定性及全局收敛性，增强系统的鲁棒性。

为解决系统集总扰动上界未知的问题，采用自适应技术设计切换控制律，抵消不确定性的影响，同时引入超螺旋算法抑制滑模控制固有的抖振现象。

最后，通过理论分析和仿真算例验证了该控制器的有效性与可行性。

关键词：机械臂系统；轨迹跟踪；反演全局终端滑模控制；自适应技术；超螺旋算法中图分类号：ＴＰ２４文献标志码：Ａ文章编号：１０００－８８２９（２０２３）１０－００７４－０８ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２３．０１．２０９ＡｄａｐｔｉｖｅＢａｃｋｓｔｅｐｐｉｎｇＳｕｐｅｒＴｗｉｓｔｉｎｇＧｌｏｂａｌＴｅｒｍｉｎａｌＳｌｉｄｉｎｇＭｏｄｅＣｏｎｔｒｏｌｆｏｒＭａｎｉｐｕｌａｔｏｒｓＬＩＪｕｎｌｉｎ１牞２牞ＷＡＮＧＨｏｎｇｂｏ１牞２牞３牞ＺＨＡＮＧＷｅｉ１牞２牞ＧＡＯＳｈｅｎｇ１牞２牗１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＲｏｂｏｔｉｃｓ牞ＳｈｅｎｙａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍａｔｉｏｎ牞ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ牞Ｓｈｅｎｙａｎｇ１１００１６牞Ｃｈｉｎａ牷２．ＩｎｓｔｉｔｕｔｅｓｆｏｒＲｏｂｏｔｉｃｓａｎｄＩｎｔｅｌｌｉｇｅｎｔＭａｎｕｆａｃｔｕｒｉｎｇ牞ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ牞Ｓｈｅｎｙａｎｇ１１０１６９牞Ｃｈｉｎａ牷３．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ牞ＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＣｈｅｍｉｃａｌＴｅｃｈｎｏｌｏｇｙ牞Ｓｈｅｎｙａｎｇ１１０１４２牞Ｃｈｉｎａ牘Ａｂｓｔｒａｃｔ牶Ａｉｍｉｎｇａｔｔｈｅｕｎｃｅｒｔａｉｎｐｒｏｂｌｅｍｓｏｆｓｙｓｔｅｍｐａｒａｍｅｔｅｒｐｅｒｔｕｒｂａｔｉｏｎ牞ｎｏｎｌｉｎｅａｒｆｒｉｃｔｉｏｎａｎｄｅｘｔｅｒｎａｌｉｎｔｅｒｆｅｒｅｎｃｅｉｎｔｈｅｍａｎｉｐｕｌａｔｏｒｓｙｓｔｅｍ牞ａｎａｄａｐｔｉｖｅｉｎｖｅｒｓｉｏｎｓｕｐｅｒｔｗｉｓｔｉｎｇｇｌｏｂａｌｔｅｒｍｉｎａｌｓｌｉｄｉｎｇｍｏｄｅｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｍｅｔｈｏｄｉｓｂａｓｅｄｏｎｔｈｅｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄ牞Ｌｙａｐｕｎｏｖｔｈｅｏｒｙａｎｄｇｌｏｂａｌｆａｓｔｔｅｒｍｉｎａｌｓｌｉｄｉｎｇｍｏｄｅｔｈｅｏｒｙｔｏｄｅｓｉｇｎｔｈｅｃｏｎｔｒｏｌｌｅｒｔｏｅｎｓｕｒｅｔｈｅｓｙｓｔｅｍｓｔａｂｉｌｉｔｙａｎｄｇｌｏｂａｌｃｏｎｖｅｒｇｅｎｃｅ牞ａｎｄｅｎｈａｎｃｅｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｔｈｅｓｙｓｔｅｍ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｕｐｐｅｒｂｏｕｎｄｏｆｔｈｅｌｕｍｐｅｄｄｉｓｔｕｒｂａｎｃｅｏｆｔｈｅｓｙｓｔｅｍｉｓｕｎｋｎｏｗｎ牞ｔｈｅａｄａｐｔｉｖｅｔｅｃｈｎｏｌｏｇｙｉｓｄｅｓｉｇｎｅｄｔｏｓｗｉｔｃｈｔｈｅｃｏｎｔｒｏｌｌａｗｔｏｏｆｆｓｅｔｔｈｅｉｎｆｌｕｅｎｃｅｏｆｕｎｃｅｒｔａｉｎｔｙ牞ａｎｄａｔｔｈｅｓａｍｅｔｉｍｅ牞ｔｈｅｓｕｐｅｒｔｗｉｓｔｉｎｇａｌｇｏｒｉｔｈｍｉｓｉｎｔｒｏｄｕｃｅｄｔｏｓｕｐｐｒｅｓｓｔｈｅｉｎｈｅｒｅｎｔｃｈａｔｔｅｒｉｎｇｐｈｅｎｏｍｅｎｏｎｏｆｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌ．Ｆｉｎａｌｌｙ牞ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄｆｅａｓｉｂｉｌｉｔｙｏｆｔｈｅｃｏｎｔｒｏｌｌｅｒａｒｅｖｅｒｉｆｉｅｄｂｙｔｈｅｏｒｅｔｉｃａｌａｎａｌｙｓｉｓａｎｄｓｉｍｕｌａｔｉｏｎｅｘａｍｐｌｅｓ．Ｋｅｙｗｏｒｄｓ牶ｍａｎｉｐｕｌａｔｏｒｓｙｓｔｅｍ牷ｔｒａｃｋｔｒａｃｋｉｎｇ牷ｂａｃｋｓｔｅｐｐｉｎｇｇｌｏｂａｌｔｅｒｍｉｎａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌ牷ａｄａｐｔｉｖｅｔｅｃｈｎｏｌｏｇｙ牷ｓｕｐｅｒｔｗｉｓｔｉｎｇａｌｇｏｒｉｔｈｍ工业自动化技术的提高及现代科技的发展，使机器人技术得到了广泛应用。

镍电解检测机械手神经网络死区补偿控制

ｗｉｎｎｉｎｇｗｈｉｃｈｈｓａｃｏｍｐｌｅｘｓｅｎｓｏｒｓａｎｄｂａｄｐｈｙｓｉｃａｌ — ｃｈｅｍｉｃｌａｃｏｎｄｉｔｉｏｎｓ．ｈｅＴｄｙｎａｍｉｃｍｏｄｅｌｏｆｍａｎｉｐｕｌｔａｏｒｔｏｄｒｄｅｄａｚｏｎｅ
ｄｅｓｉｇｎｅｄｗｉｔｈ
ｚｏｎｅｃｏｍｐｅｎｓａｔｉｏｎａｎｄｓｙｓｔｅｍｅｓｔｉｍｔｉａｏｎ，ａｎｄｔｈｅａｄａｐｔｉｖｅｌａｗＷｓａｄｅｓｉｇｍｅｄｆｏｒｔｈｉｓｃｏｎｔｒｏｌｓｙｓｔｅｍ．Ｔｈｅ
ｓｉｍｕｌａｔｉｏｎｓｈｏｗｓＲＢＦＮＮｃｏｍｐｅｓａｎｔｅｃｏｎｔｒｏｌｈａｖｅｇｏｏｄｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｂｉａｌｉｔｙａｎｄｔｈｅｎｔｈｅｍｏｎｉｔｏｒａｕｔｏｍａｔｉｏｎ０／ ’ ｐｕｒｆｉｙｉｎｇｐｒｏｃｅｓｓｉｎｎｉｃｋｅｌｅｌｅｃｔｒｏ－ｗｉｎｎｉｎｇｒｅａｌｉｚｅ经网络；自适应率；仿真中图分类号：ＴＨ１６；ＴＰ２４２．６；ＴＨ１２２文献标识码：Ａ文章编号：１００１ — ３９９７（２０１３）０３ — ０２０８ — ０３

一种基于摩擦补偿的起重机自动转载智能定位控制器设计

２．ＴｒｏｏｐｓＮｏ．９６２６１，ＬｉｎｇｂａｏＨｅｎａｎ４７２５００，Ｃｈｉｎａ）
・
（１．２ｎｄＤｅｐａｒｔｍｅｎｔ，ＳｅｃｏｎｄＡｔｒｉｌｌｅｒｙＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ ’ ａｎＳｈａａｎｘｉ７１００２５，Ｃｈｉｎａ；
ＣｒａｎｅＢａｓｅｄｏｎＦｒｉｃｔｉｏｎＣｏｍｐ。ＷＡＮＧＷｅｉｈｕｉ。ＺＨＡＯＤｉａｎ。ＱＩＹａｎｌｉｎ
一
种基于摩擦补偿的起重机自动转载智能定位控制器设计
刘陈，王卫辉，赵典，齐彦林
（１．第二炮兵工程大学二系，陕西西安７１００２５；２．９６２６１部队，河南灵宝４７２５００）
摘要：为提高起重机自动化水平，改善其测量精度和速度，设计了基于ＰＬＣ的门式起重机自动转载控制系统。针对非线性摩擦对转位系统性能的影响，采用自适应ＲＢＦ神经网络对摩擦阻尼进行补偿，并通过推导分析了算法实现的可行性。仿真对比结果表明：自适应ＲＢＦ神经网络对非线性摩擦补偿效果较好，能够实现准确的位置跟踪与定位，并使吊载的摆动
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｅｎｈａｎｃｅｔｈｅａｕｔｏｍａｔｉｏｎｌｅｖｅｌｏｆａｕｔｏｍａｔｉｃｒｅｐｒｏｄｕｃｅｄｃｒａｎｅａｎｄｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙ＆ｓｐｅｅｄｏｆｍｅａｓｕｒｅ — ｍｅｎｔ，ａｎｅｗｋｉｎｄｏｆｉｎｔｅｌｌｉｇｅｎｔｐｏｓｉｔｉｏｎｉｎｇｓｙｓｔｅｍｗａｓｄｅｓｉｇｎｅｄｂａｓｅｄｏｎＰＬＣ．ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｕｓｅｄｔｏｃｏｍｐｅｎｓａｔｅｆｒｉｃｔｉｏｎｄａｍｐｉｎｇａｉｍｉｎｇａｔｔｈｅｉｎｌｆｕｅｎｃｅｏｆｎｏｎｌｉｎｅａｒｆｉｃｒｔｉｏｎｏｎｓｙｓｔｅｍｐｒｏｐｅｒｔｙ．Ａｎｄｐｒａｃｔｉｃａｂｉｌｉｔｙｏｆｔｈｅａｌｇｏｉｒｔｈｍｗａｓｎａａｌｙｚｅｄｔｈｒｏｕｇｈｄｅｒｉ — ｖａｔｉｏｎ．ＣｏｍｐａｒａｔｉｖｅｓｉｍｕｌａｔｉｏｎｓｈｏｗｓｔｈａｔｔｈｅａｄａｐｔｉｖｅＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｇｏｏｄｒｅｓｕｌｔｓｏｎｎｏｎｌｉｎｅａｒｆｉｒｃｔｉｏｎｃｏｍｐｅｎｓａｔｉｏｎ．ＩｔＣｎａｂｅｕｓｅｄｔｏａｃｈｉｅｖｅａｃｃｕｒａｔｅｌｏｃａｔｉｏｎｔｒａｃｋｉｎｇａｎｄｌｏｃａｔｉｎｇ，ａｎｄｈｅｔｈａｎｇｉｎｇｓｗｉｎｇｉｎｇｉｓｗｉｔｈｉｎｔｈｅｐｅｒｍｉｓｓｉｂｌｅｒａｎｇｅ．Ｋｅｙｗｏｒｄｓ：Ｆｉｃｒｔｉｏｎｃｏｍｐｅｎｓａｔｉｏｎ；ＡｄａｐｔｉｖｅＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋ；Ｓｔｒｉｂｅｃｋｍｏｄｅｌ；Ｃｒｎｅａａｕｔｏｍａｔｉｃａｌｌｙｒｅｐｒｏｄｕｃｅｄ

基于反步法的自适应神经网络EPS摩擦补偿

基于反步法的自适应神经网络EPS摩擦补偿赵林峰;邵文彬;徐飞扬;陈无畏【摘要】为消除EPS系统在制造和装配过程中造成的摩擦力矩个体差异的影响,本文中首先建立了EPS动力学模型,并考虑到转向系统摩擦的不确定性、非线性和个体差异,建立了基于LuGre模型的转向系统摩擦模型,设计了摩擦状态观测器.然后,提出了一种基于反步法的自适应神经网络控制策略,对EPS的摩擦进行补偿,并通过Lyapunov稳定定理证明其稳定性.最后,进行仿真和硬件在环试验,结果表明:采用自适应神经网络控制策略改善了电机电流跟踪性能,加入摩擦补偿后提高了EPS的转向轻便性和回正性能,且在一定程度上抑制了因摩擦不确定性和EPS产品个体差异性造成的摩擦力矩波动.【期刊名称】《汽车工程》【年(卷),期】2018(040)012【总页数】8页(P1454-1460,1474)【关键词】电动助力转向;摩擦补偿;LuGre模型;反步法;自适应神经网络【作者】赵林峰;邵文彬;徐飞扬;陈无畏【作者单位】合肥工业大学汽车与交通工程学院,合肥 230009;安徽江淮汽车集团股份有限公司技术中心,合肥 230601;合肥工业大学汽车与交通工程学院,合肥230009;合肥工业大学汽车与交通工程学院,合肥 230009【正文语种】中文前言电动助力转向系统（electric power steering system，EPS）是当前车辆动力转向系统的理想选择。

由于EPS的电机和减速机构所引起的转向系统扰动，造成转向系统动态性能变差和低速回正能力下降，因此，需要采取合适的补偿策略来解决这些问题［1］。

EPS的电机补偿分为惯量补偿、阻尼补偿和摩擦补偿3部分，其中摩擦补偿对系统性能影响十分显著。

文献［2］中为改善EPS的动态特性，设计了包括阻尼补偿、惯性补偿和振动抑制在内的补偿控制器。

文献［3］中以电机角度为目标，采用滑模观测器对系统的动态性能进行观测和研究，改善了EPS的动态性能。

重载伺服系统的自适应摩擦补偿全局滑模控制

１引言对于重载高精度数控设备和检测平台等的伺服运动控
制而言，实际机械结构中不可避免的非线性摩擦特性是导致运动精度不高和机械磨损的重要因素。运动系统中固有的摩擦现象与相对运动副问的相对位移和速度、接触面材料的性质以及温度等有关 … 。非线性摩擦不但会使运动平台在位置跟踪时出现死区，而且当运动速度在零点附近切换时导致摩擦力的变化使得位置跟踪出现较大跟踪误差、爬行和极限环现象Ｊ。
ＧｌｏｂａｌＳｌｉｄｉｎｇＭｏｄｅＣｏｎｔｒｏｌＢａｓｅｄｏｎＡｄａｐｔｉｖｅＦｒｉｃｔｉｏｎＣｏｍｐｅｎｓａｔｉｏｎｆｏｒＨｅａｖｙ－ｌｏａｄＳｅｒｖｏＳｙｓｔｅｍｓ
ＳＨＡＯＺｈｉ—ｚｈｏｎｇ，ＺＨＯＮＧＧｕｏ—ｌｉａｎｇ，ＤＥＮｇＨｕａ，（１．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙ，ＣｈａｎｇｓｈａＨｕｎａｎ４１００８３，Ｃｈｉｎａ；
ｓａｔｉｏｎ．Ｉｎｏｒｄｅｒｔｏｃｏｍｐｅｎｓａｔｅｎｏｎｌｉｎｅａｒｆｒｉｃｔｉｏｎ，ｗｅｕｓｅｔｈｅＦＬＳ（ｆｕｚｚｙｌｏｇｉｃｓｙｓｔｅｍ）ｔｈａｔｈａｓｔｈｅｃａｐａｂｉｌｉｔｙｔｏａｐ—
ｐｒｏｘｉｍａｔｅａｎｙｎｏｎｌｉｎｅａｒｆｕｎｃｔｉｏｎｏｖｅｒｔｈｅｃｏｍｐａｃｔｉｎｐｕｔｓｐａｃｅ．Ｉｎｔｈｅｐｒｏｐｏｓｅｄｃｏｎｔｒｏｌｓｃｈｅｍｅｓ，ａｎａｄａｐｔｉｖｅＦＬＳｐａ— ｒａｍｅｔｅｒｔｕｎｉｎｇｆｕｎｃｔｉｏｎｉｓｄｅｒｉｖｅｄａｎｄａｐｐｌｉｅｄｆｏｒｏｎ－ｌｉｎｅｆｒｉｃｔｉｏｎｃｏｍｐｅｎｓａｔｉｏｎｒａｔｈｅｒｔｈａｎｔｕｎｅｔｈｅｐａｒａｍｅｔｅｒｓｂｙｏｆ — ｌｉｎｅｆｒｉｃｔｉｏｎｍｏｄｅｌｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｉｎｔｈｉｓｃｏｎｔｒｏｌｌｅｒ，ｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｗｈｏｌｅｒｅｓｐｏｎｓｅｓｉｎｔｒａｃｋｉｎｇｐｒｏｃｅｓｓｉｓｒｅａｌｉｚｅｄｂｙｄｅｓｉｇｎｉｎｇａｎｅｘｐｏｎｅｎｔｉａｌｄｙｎａｍｉｃｓｌｉｄｉｎｇｓｕｒｆａｃｅ．Ｍｏｒｅｏｖｅｒ，ｔｈｅａｄａｐｔｉｖｅＦＬＳｐａｒａｍｅｔｅｒｔｕｎｉｎｇｆｕｎｃｔｉｏｎｉｓｄｅｖｅｌ— ｏｐｅｄｔｈｒｏｕｇｈｔｈｅＬｙａｐｕｎｏｖｓｔａｂｉｌｉｔｙａｎａｌｙｓｉｓ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｉｓｅｆｆｅｃｔｉｖｅｔｏｉｍｐｒｏｖｅｔｈｅｔｒａｃｋｉｎｇａｃｃｕｒａｃｙ．ＫＥＹＷＯＲＤＳ：Ｆｒｉｃｔｉｏｎｃｏｍｐｅｎｓａｔｉｏｎ；Ａｄａｐｔｉｖｅｆｕｚｚｙｌｏｇｉｃｓｙｓｔｅｍ；Ｓｅｒｖｏｓｙｓｔｅｍｓ；Ｇｌｏｂａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基金项目：国家自然科学基金（61403343），中国博士后科学基金（2015M580521），浙江工业大学国家级大学生创新创业训练计划项目（201610337034）作者简介：陈强（1984-），男，博士，讲师，主要研究方向：非线性伺服系统建模与控制；余梦梦（1996-），女，本科生，主要研究方向：机械臂伺服系统自适应控制；魏倩（1983-），女，学士，主要研究方向：机电伺服系统计量检测与控制
本文引用格式：陈强，余梦梦，魏倩 . 带有死区和摩擦补偿的机械臂伺服系统自适应神经网络控制 [J]. 新型工业化，2016，6（8）：1-8. DOI：10.19335/ki.2095-6649.2016.08.001
带有死区和摩擦补偿的机械臂伺服系统自适应神经息工程学院，浙江杭州 310023；2. 保定市计量测试所，河北保定 071000）摘要：针对带有输入死区和未知摩擦的机械臂伺服系统，本文提出了一种基于神经网络的自适应轨迹跟踪控制策略。首先，建立死区的逆模型，解决死区的非线性输入问题。其次，构建摩擦力动态模型，并采用径向基核神经网络来逼近系统中的不确定项。然后，通过反演法和一阶动态面，递归设计控制虚拟量和控制器，以保证系统输出能快速跟踪期望信号，提高跟踪误差的收敛性能。最后，仿真结果验证了该方法的有效性。关键词：死区；摩擦；机械臂；自适应控制；神经网络
0 引言
随着机械臂伺服系统在机器人、航空飞行器等高性能系统中的广泛应用，如何实现机械臂伺服系统的快速精确控制已经成为了一个热点问题。由于伺服系统本身具有多变量，强耦合等非线性特性，传统的 PID 控制器往往无法满足其高精度的控制要求 [1，2]。其次，机械臂伺服系统中存在摩擦力和未知死区等非线性环节，不仅会导致控制系统的效率降低，严重时还会导致系统产生不稳定现象。因此，为提
设计与研究
1
新型工业化·2016 年第 8 期
高伺服系统的控制性能，补偿死区和摩擦力等非线性环节，需要设计合适的控制方法以减弱其不良影响。目前，针对系统中存在的死区，国内外学者已开展研究而且取得了一定的成果。其中，传统的解决死区非线性的方法一般是建立死区的逆模型或近似逆模型
[3-6]
，并通过估计死区的上下界参数设计自
Adaptive Neural Network Control of Robotic Manipulators Servo System with Friction and Dead Zone Compensation
CHEN Qiang1, YU Meng-meng1, WEI Qian2
(1College of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, China; 2Baoding Institute of Measurement and Test, Baoding 071000, China) Abstract In this paper, an adaptive control scheme based on the neural network is proposed for robotic manipulators with input dead zone and unknown friction. Firstly, the inverse model of dead zone is established to overcome the issue of input nonlinearity. Secondly, the friction behavior is described by a nonlinear dynamical model, and a radial basis function neural network (RBFNN) is employed to approximate the uncertainties in the system. Then, virtual control variables and the controller are designed by combing the backstepping technique and the dynamic surface control in each step to guarantee that the system output can rapidly track the desired signal and the convergence performance of track error can be improved. Finally, simulation results are given to verify the effectiveness of the proposed scheme. Keywords Dead zone; Friction; Manipulator; Adaptive control; Neural network Citation: CHEN Qiang, YU Meng-meng, WEI Qian. Adaptive Neural Network Control of Robotic Manipulators Servo System with Friction and Dead Zone Compensation[J]. The Journal of New Industrialization，2016，6（8）: 1-8.
适应控制器，以消除死区非线性的影响。同时，这几年在摩擦补偿控制方面有大量的研究，提出了自适应的摩擦力补偿方法 [7，8]，然而，这种静态模型往往并不能准确的表示摩擦力。因此，人们提出了建立动态摩擦模型 [9，10]，补偿摩擦对系统的影响。此外，针对系统中存在的未知函数和未知项，许多学者，因其有效性，被广泛地研究了基于神经网络 [11-13] 的估计方法。其中，径向基核神经网络（ RBFNN ）应用。在提高伺服系统控制性能方面，也提出了许多先进的控制方法。其中，基于李亚普诺夫的反演法，往往能够稳定地跟踪系统的期望信号。但在反演递归步骤中，往往会因出现微分项导致微分爆炸等问题。学者提出一种动态面（ DSC ）控制方法