关键词： 原子力显微镜   迭代学习控制   自适应控制   神经网络控制   状态约束  

摘要： 纳米技术的进步,特别是纳米生物学和快速制造的飞速发展对原子力显微镜(Atomic Force Microscope,AFM)的性能提出了更高的要求。原子力显微镜因其成像精度高、样品范围广、成像环境易得等特点,现已广泛应用于纳米技术领域。然而,如今AFM的定位精度和工作速度已经成为AFM发展的瓶颈,由于压电驱动器(Piezo-electric Actuator,PEA)的非线性特性以及其他系统不确定性,当前AFM高速定位、大范围成像以及纳米制造都存在着明显的局限,而且这些问题无法单纯通过硬件的提升加以解决。本文主要针对在高速大范围纳米成像和刻画下的控制精度及带宽优化问题,研究AFM扫描轨迹的优化控制理论及算法,以提高高速纳米成像质量及纳米刻画的精度。论文研究设计了三种控制策略并将其应用到了原子力显微镜的控制系统中。主要研究内容如下: 1.介绍了原子力显微镜控制系统结构、工作原理,并分析了在纳米成像和刻画下的AFM扫描轨迹跟踪控制存在的问题及相应的影响因素;对AFM运动控制系统进行了频率响应实验,建立了AFM系统动态特性模型,在分析动态特性的基础上,验证了AFM压电驱动非线性及干扰问题。 2.针对AFM纳米成像扫描轨迹跟踪控制带宽、精度优化问题,研究了一种基于无模型迭代学习的AFM重复扫描轨迹跟踪控制算法。首先基于传统迭代学习控制算法,设计了无模型ILC控制律,并对其收敛性进行了分析;然后给出了其控制器设计及实现方法。最后,将所研究的控制算法应用到AFM轨迹跟踪、纳米成像和刻画实验中,实验结果表明了该算法能够有效提高AFM扫描轨迹跟踪控制性能,有效地提高了AFM纳米成像质量。 3.针对AFM多轴纳米刻画中期望轨迹非重复或者未知的运动跟踪控制性能优化问题,研究了一种基于自适应神经网络的控制策略。首先对AFM系统的确定部分构造一类基于近似模型的控制器。然后在近似模型控制器的基础上,引入自适应神经网络在线逼近AFM系统的未知动力学,设计了一类自适应神经网络控制策略并证明了其稳定性。将所设计的自适应神经网络控制器用于了AFM纳米定位和AFM多轴纳米刻画中。实验结果均表明,与近似模型控制和PID控制相比,自适应神经网络控制能够使AFM系统具有更好的定位性能。 4.讨论了具有未知约束条件的AFM多轴纳米刻画系统的运动跟踪控制问题,利用自适应神经网络在线拟合AFM系统的未知动力学,引入tan型障碍李雅普诺夫函数用于处理AFM系统的未知约束条件,设计了一类具有约束条件的自适应神经网络控制算法并证明了其稳定性。将该控制策略用于了AFM纳米定位和AFM多轴纳米刻画中。实验结果表均明,与近似模型控制和PID控制相比,在具有未知输出约束的AFM系统中,所设计的具有约束条件的自适应神经网络控制具有更好的控制性能。

关键词： 并联机构   动力学   柔顺控制   自适应控制   阻抗控制  

摘要： 并联机构作为工业机器人的一个重要分支,广泛应用于航空航天、物流分拣、医疗器械等领域。Stewart并联机构作为并联机器人的代表之一,拥有定位精度高、结构刚度强、动态响应好等优点。随着对机器人技术的深入研究和智能制造领域的强劲需求,传统的基于位置控制的机器人运动控制策略已经不能满足诸如柔顺装配、表面抛光等复杂任务的柔顺要求。同时,对于人机协作、示教操作等由未知物理环境引起的接触问题,需要机器人具有稳定可靠的自适应与柔顺控制能力。本文针对此类问题,设计了Stewart并联机构的自适应导纳控制系统并搭建实验平台,完成系统的仿真和实验,主要工作如下: (1)研究分析国内外目前对于并联机构的运动学与动力学建模方法和机器人的柔顺控制技术,对于Stewart并联机构于未知物理环境下柔性对接的目标,提出了自适应导纳控制策略。 (2)完成Stewart并联机构的运动学建模和仿真验证。首先确定姿态的z-yx欧拉角旋转方式,推导旋转矩阵和角速度公式;然后通过雅可比矩阵建立运动学模型,并探讨正运动学的数值求解过程;接着在Matlab/Simscape中建立虚拟样机;最后经跟踪特定轨迹,比较末端执行器的位姿误差验证运动学模型的准确性。 (3)建立了并联机构的动力学模型,并基于拉格朗日方程第二形式构建封闭式动力学表达式,以便于后续控制结构的设计。使用牛顿-欧拉法建立各构件的动力学模型,通过支路末端相互作用力联系运动平台和支路的动力学方程。令虚拟样机跟踪指定轨迹,对比位姿的跟踪误差验证动力学模型的精确性。 (3)提出一种自适应导纳控制策略,通过导纳控制修正自适应控制生成的参考轨迹。详细介绍阻抗控制和导纳控制方法,例证各控制参数对系统动态特性的影响;通过自适应控制算法应对环境参数的不确定性,建立环境动力学模型,结合导纳控制算法使并联机构既实现未知环境下跟踪期望接触力轨迹,又实现指定的柔顺性能,并基于Lyapunov第二方法证明控制策略的稳定性;设计一系列仿真实验,验证了算法的有效性。 (4)搭建Stewart实物并联平台,使用Matlab/App Designer设计上位机通讯软件,进行并联机构的管道柔顺对接测试,对提出的自适应导纳控制策略进行实验验证,并对实验数据进行分析总结。本文提供一种在未知环境下并联机构柔顺装配的控制策略,实现了预期任务目标。

关键词： 闸门启闭机   液压阻尼调速   自适应控制  

摘要： 针对闸门启闭机在运作过程中可能出现的自行运转、卡滞等故障，本文提出一种液压阻尼调速自适应控制方法，来提高闸门启闭机的稳定性。对液压系统进行彻底清理，以消除杂质对阀门组件的影响。加强油液的管理和维护，确保油液的清洁度和性能。同时，提高阀门组件的加工精度和配合质量，以减少活塞卡阻等故障的发生。在此基础上，利用液压阻尼调速技术，通过实时监测和调整液压系统的压力、流量等参数，来实现对闸门启闭机的自适应控制。在实施液压阻尼调速自适应控制方法后，闸门启闭机的自行运转得到了改善。

摘要： 针对自动化领域研究生必修的《自适应控制》课程，采取互动式、启发式教学，理论教学与实践教学相结合，改革考核方式，融入思政元素等措施，提高学生的学习积极性和创新能力，既符合新形势下人才培养的要求，也达到了提高教学效果的目的。

关键词： 水泥工业   智能制造   智能控制   数据融合   决策平台  

摘要： 智能化技术的研发和应用是传统水泥制造业走向自动化的必经之路。近年来，众多水泥企业在生产智能化方面作出诸多研究，但仍存在控制回路不完善、智能控制水平低、智能决策未健全等问题。本文以水泥绿色、高性能生产和减负增效为目标，经过科技攻关和工程化验证，首次构建了集生产过程数据采集、工况智能辨识、多策略智能优化控制、智能生产管理于一体的水泥生产智能化体系结构；开发了多个数据处理与融合软件，突破了生料成分、烧成带温度、水泥粒度分布信息准确提取的瓶颈，状态识别准确率达80%以上；研发全流程优化控制技术并编制相应的控制软件，实现水泥生产的智能优化控制。本文所研究的技术已成功应用于百余条生产线，包括水泥巨头拉法基集团、俄罗斯及南非等国家的水泥企业、中国建材集团、山水集团等，社会效益显著。

关键词： 智能控制技术   履带式转载破碎机   煤矿生产  

摘要： 煤矿履带式转载破碎机作为煤炭初步加工的重要设备，其效率和稳定性直接影响到整个煤炭生产线的运行效率。该设备利用履带移动，将煤炭从采矿点转移到破碎站，同时完成初步的破碎工作，以便于后续的处理和运输。本文全面探讨了智能控制技术在煤矿履带式转载破碎机中的应用，包括自动控制系统的集成、效率优化、故障检测、远程监控及安全保障等，旨在通过智能控制技术提升设备性能和操作安全性，从而优化煤炭加工流程。

关键词： 液压机械臂   摩擦特性   自适应鲁棒控制   控制精度  

摘要： 近年来,随着装备制造与机器人等领域的快速发展,电液系统的研究受到前所未有的关注,例如:航空航天、海底探测、铁路隧道建设等领域。液压机械臂因具有功率密度高、输出力/力矩大的特点,因而在工业上得到了高度的重视与发展。 液压机械臂的精密运动控制是实现液压机械臂精细化作业的重要前提。相比电机控制,实现液压机械臂的精密运动控制面临诸多的挑战,尤其是面对高端制造、深海探测、重型设备维修等精细化领域。然而当下任务的完成大多主要依靠纯人工的操作方式,受限于操作者的熟练程度,难以达到精细化作业的任务需求。当前实现液压机械臂高精度运动控制面临以下难点:液压机械臂液压机械臂作为典型的高阶非线性系统,其动力学模型存在多种强非线性耦合、高阶多输入多输以及多种不确定性增加了液压机械臂的控制难度。针对上述问题,调研多种非线性控制方法,最终确定了能够高效保证系统瞬态性能和稳态跟踪性能的非线性自适应鲁棒控制思路结合Backstepping控制策略,降低阶动力学建模过程中的高阶动力学,解决液压机械臂中存在的强非线性、耦合性以及多种不确定性的问题。 针对液压缸内部的摩擦力与转动关节处的摩擦机理的不同,本文将从摩擦力补偿的角度出发,动力学建模过程中补偿液压缸内部和转动关关节之间的摩擦力。应用非线性自适应鲁棒控制思路设计控制器实现液压机械臂的高精度运动跟踪控制。在实现液压机械臂单关节运动控制的基础上,针对小臂和腕部耦合关节建立动力学模型,应用非线性自适应鲁棒控制思路,通过合理的参数调整能够有效提升系统的瞬态性能,降低稳态误差。最后开展了多组对比试验,验证所提出的控制策略及建模思路对液压机械臂单关节以及多关节控制精度的提升效果。

关键词： 跨座式单轨车辆   单轨捷运系统   智能编组运行   协同避撞   协同控制  

摘要： 目前以地铁为主的城市轨道交通系统建设和运营成本高,使得地方运营主体面临较大的财政压力,部分城市的城市轨道交通规划和建设进度因此受到影响,许多城市都在寻求低成本的城市轨道交通解决方案。而成本较低的城市轨道交通系统多采用地面铺设的方式,其严重影响道路交通。由此,目前急需一种高架铺设且成本较低的城市轨道交通系统来填补市场的空白。在此背景下,本文提出一种高架为主的新型智能网联单轨捷运系统,通过采用车辆小型化、车辆运行智能编组化、动力新能源化的“三位一体”设计理念,从系统层面解决传统城市轨道交通系统建设、运营和维护成本高昂的问题。由于该系统架构、运营场景和车辆运行控制方式与传统城市轨道交通系统有较大差别,特别是在智能编组运行协同避撞、车辆智能编组运行、车辆动态跨线组编三类关键运营场景中,产生了新的亟待解决的关键科学问题。因此,本文针对智能网联单轨捷运系统编组协同运行智能控制问题,主要展开以下几个方面的内容研究: (1)开展智能网联单轨捷运系统架构拓扑和运营场景研究。以建设和运营需求为导向,提出一种适用于我国未来城市建设的智能网联单轨捷运系统总体架构及其智能编组运行控制系统架构,对系统运营中的关键运营场景及对应的共性关键科学问题展开分析。 (2)开展基于碰撞风险评估的智能编组运行协同避撞控制方法研究。从新型智能网联单轨捷运车辆智能编组运行场景出发,对智能网联单轨捷运车辆智能编组运行碰撞风险来源和碰撞风险因素展开分析,综合分析现有车辆碰撞风险评估方法,提出一种融合车距与速度的智能编组运行碰撞风险评估方法,并建立基于碰撞风险评估的车辆智能编组运行协同避撞控制算法。通过极端碰撞风险场景的仿真分析,验证基于碰撞风险评估的智能编组运行协同避撞控制算法的有效性。 (3)开展基于人工势场-深度强化学习的异质车辆智能编组运行协同控制方法研究。基于智能网联单轨捷运车辆结构特点和线路特点,建立复杂线路下异质车辆智能编组动力学模型。基于深度强化学习算法理论,结合人工势场算法,搭建基于人工势场-深度强化学习的异质车辆智能编组运行协同控制算法,构建编组车辆智能体并对其进行训练。提出智能编组运行评价指标体系,通过Matlab/simulink和Simpack进行联合仿真,在异质车辆智能编组运行在复杂线路的场景进行仿真分析,验证基于人工势场-深度强化学习的异质车辆智能编组运行协同控制算法的有效性。 (4)开展基于合作博弈最优组编序列的车辆跨线智能组编控制方法研究。分析智能编组跨线运行场景特征,设计车辆跨线智能组编控制策略,建立车辆跨线智能组编优化决策系统数学模型,构建考虑效率、能耗和舒适性的联合成本优化函数,建立动态跨线组编场景的最优组编序列模型。在此基础上构建基于合作博弈最优组编序列的车辆跨线智能组编控制算法,并基于庞特里亚金极小值原理推导最优组编序列的解析解。通过两种典型动态跨线组编场景的仿真分析,验证基于合作博弈最优组编序列的车辆跨线智能组编控制算法的有效性。 (5)开展智能网联单轨捷运系统智能编组运行模拟实验平台设计及场景和算法验证研究。根据智能网联单轨捷运系统智能编组运行模拟实验平台需求,对实验平台进行方案设计,搭建模拟实验平台的软硬件系统架构。构建模拟轨道运行环境的高精度地图,配置车辆模拟轨道行驶功能,实现模拟实验平台与真实系统在结构、原理及功能上的相似性,使平台具备对所有运营场景进行系统级实验的条件。以模拟实验平台为支撑,分别对四个典型的智能编组运行协同避撞场景、一个异质智能编组车辆运行场景,两个动态跨线组编场景进行实验验证,分别验证本文提出的基于碰撞风险评估的智能编组运行协同避撞控制算法、基于人工势场-深度强化学习的异质车辆智能编组运行协同控制算法和基于合作博弈最优组编序列的车辆跨线智能组编控制算法的有效性。

关键词： 三栖机器人   智能控制   跨域决策   强化学习  

摘要： 现有的多栖机器人结构复杂,控制难度大,且无法自主智能选择合适的运动模式驱动机器人执行任务。为了解决上述问题,本文设计了一种水、陆、空三栖机器人,具有结构精简、分布式控制和自主跨域运动决策的特点。 研究首先提出了一种适用于三栖机器人的机械结构,整合了轮足式驱动结构、四旋翼飞行结构以及水下差速推进结构;并通过动力学仿真和部分实物实验验证了该结构的可靠性和控制方案的有效性。 其次,推导了三栖机器人轮足结构的动力学和运动学模型,并对轮式双足机器人的结构进行了简化和近似处理。利用拉格朗日法设计了机器人动力学方程,并构建了一个简化的系统状态描述模型。 再次,设计了一种基于NSGA-Ⅱ算法的机器人结构优化方法,计算出不同情况下的最优解,有效地处理了多目标优化问题,在满足机器人性能要求的同时,实现了机械强度、能耗效率、机动性和稳定性之间的最佳平衡。 然后,设计并实现了三栖机器人的控制系统。设计了基于LQR算法的平衡控制策略实现轮足平衡控制,通过线性二次调节器计算状态反馈增益,从而实现平衡;为了四旋翼的稳定飞行,设计了基于ADRC算法的控制方法,有效地对抗外部干扰和未知因素;在水下推进控制方面,设计了一种串级PID控制策略,通过两级控制系统实现航向调整和速度控制,提高了推进效率和精度。上述控制算法都已通过仿真验证了有效性,其中轮足平衡控制经过了真实机器人运动控制实验的验证。 最后,设计了一种复杂环境下机器人跨域运动决策方法。通过使用神经网络替代Q-learning中的Q表,并构建能耗模型和决策函数,运用强化学习算法训练决策模型。经过仿真实验验证,机器人能根据输入的环境特征及自身当前状态,自主选择最合适的行进模式,有效适应地面、空中和水下的多样环境。 综上,本文为三栖机器人的设计与控制提供了理论基础和实验验证,展示了其在复杂环境中应用的广泛潜力。