关键词： 热泵   COP   动态寻优   BP神经网络   遗传算法  

摘要： 能源是文明进步重要的物质基础。当前世界的能源结构中,化石能源仍是人们使用的主要能源。化石能源的过量开采会引发温室效应等环境问题,我国对此类问题尤为重视,近些年提出了“双碳”目标,并且在行动上大力支持、发展能源改革,以降低传统能源在能源结构中的占比。热泵是一种技术完善、高效环保的供冷供热设备,通过输入少量电能获得大量热能。热泵系统的控制对于提高COP、降低能耗具有重要意义。传统的采用定速压缩机的启停及热力膨胀阀的控制策略不仅会造成大量不必要的电能消耗,也会对用户造成不舒适的体验,操作不当甚至会损害设备;随着PID技术的发展,基于PID控制策略的变频压缩机和电子膨胀阀应用于热泵系统中,面对热泵系统时滞较大、易受外界干扰的特性,PID控制策略也难以对其进行精确、稳定的控制。热泵系统是一个各运行参数高度耦合、运行工况与性能参数为非线性关系的不确定系统,且最优运行工况易受外界环境干扰而改变。面对热泵系统的以上特性,本文提出了一种基于BP神经网络及遗传算法的热泵控制策略,并集成为“热泵系统人工智能控制软件”,实现热泵系统在运行过程中的实时寻优。该软件可在运行工况的指定上限、下限内通过串口通信向热泵系统发送由所指定的运行工况中位数及波动范围确定的参数范围内的随机运行参数,并接收系统的性能参数将之储存作为历史数据,在数据达到指定数量后通过BP神经网络-遗传算法耦合算法对其进行拟合、寻优,并以优化的运行工况运行指定时间,随即进入下一周期。下一周期的随机工况参数基于上一周期优化工况而改变,即下一周期的运行工况中位数为上一周期优化的最优工况,如此循环上述过程,直至搜索到热泵系统在指定上限、下限内的最优运行工况。若外界环境改变导致最优运行工况改变,控制软件将再次改变随机工况范围直至寻找到最优运行工况。本文首先采用C语言建立BP神经网络及遗传算法的数学模型,并根据其可以对未知映射关系的数据集进行拟合、寻优的需求将之拟合为BP神经网络-遗传算法耦合算法程序。基于Visual Studio 2019开发平台,采用C语言的win32开发框架、采用多线程开发思想开发了”热泵系统人工智能控制软件”。本文随后通过C语言构建了CO热泵理论模型,基于proteus 8.6软件搭建单片机通信回路,基于keil开发平台、采用C语言对单片机进行编程使之可以一体化收发数据。以单片机为媒介,通过VSPD虚拟串口助手软件,在控制软件、CO热泵理论模型之间建立通信,控制软件通过控制热泵系统的冷凝压力及冷却器出口温度对自身的动态寻优功能进行验证及拟合、优化性能进行测试。结果表明,随着运行周期的增加,控制软件的随机运行工况范围逐渐向各运行工况指定上限、下限内的最优工况逼近,此现象验证了其动态寻优能力。在运行三个周期后,运行工况范围达到稳定,后运行至第六周期后测试停止。三个周期以最优工况运行的COP分别为3.45、3.47、3.45,与CO热泵理论在该运行工况上限、下限内可达到的COP最大值3.51误差为-1.70%、-1.14%、-1.70%,结果较为接近,证明该控制软件的动态寻优能力较好。BP神经网络-遗传算法耦合算法拟合的三个周期内最优COP为3.59、3.58、3.58,与实际运行结果误差分别为4.06%、3.17%、3.77%,证明智能算法的拟合能力较为良好。

关键词： 打磨   机器人   深度强化学习   力控制  

摘要： 随着工业4.0智能化计划的提出,越来越多的机器人被用到打磨领域,并逐渐取代人工打磨。随着加工工艺要求的提高,机器人打磨位置控制不足以满足加工质量的要求,需要进行恒力控制,才能进一步提高工件表面质量,因此机器人恒力打磨成为一项关键技术。本文结合人工智能算法,将深度强化学习理论引入机器人恒力打磨控制器中以实现恒力打磨。本文针对恒力打磨智能控制的一些关键问题,开展了以下工作。首先,为了分析影响打磨效果的主要因素,对打磨过程的末端执行器进行受力分析,确定了影响打磨质量的主要因素为法向打磨力。针对力传感器获取的数据不真实不稳定的问题,对力信息进行处理,包括末端执行器重力和重力矩补偿、坐标转换和滤波器的设计。将马尔科夫决策引入机器人恒力打磨中,设计基于深度强化学习的恒力打磨方案。然后,针对打磨力误差和末端执行器补偿位移的关系模型难以精准建立的情况设计力控制器,使用深度强化学习PPO(Proximal Policy Optimization)算法训练打磨力误差和末端执行器补偿位移之间的模型,将训练好的模型引入力控制器的设计,输出的补偿位移通过机器人逆运动学完成补偿,实现恒力控制。针对传统PID控制器对环境适应能力差的情况,在传统PID力控制器中加入补偿项,针对补偿项参数难以获取的问题,使用深度强化学习SAC(Soft Actor Critic)算法寻找最优控制器参数,将最优补偿项参数应用到传统PID力控制器中得到补偿位移,使用机器人逆运动学完成补偿,实现恒力控制,具有较强的环境适应能力。继而,为了验证智能打磨算法,利用Coppeliasim搭建了可感知力信息的机器人打磨仿真平台,建立Coppeliasim和Python的通信连接并进行联合仿真,仿真结果证明了上述智能算法的有效性。最后,为了验证机器人恒力智能控制效果,搭建了机器人恒力打磨实验系统平台,分别对硬件平台和软件平台系统进行设计,并进行了恒力打磨实验及分析。实验结果表明:(1)针对打磨力误差和末端执行器补偿位移模型无法精准建立的情况下,传统控制器容易发生过载现象,无法稳定的实现恒力打磨控制,而本文搭建的实验系统平台可以进行稳定的机器人恒力打磨控制,验证了机器人恒力打磨实验系统平台的有效性。(2)针对传统PID控制器对环境适应能力差的情况,本文搭建的实验系统平台可以寻找出最优控制器补偿参数。相比于使用固定补偿项参数的恒力控制,加入补偿项的PID控制器恒力控制下的打磨力波动下降了30%,且具有较强的环境适应能力。

关键词： 生物系统   自适应控制   跟踪控制   模糊逻辑系统  

摘要： 近年来,人们逐渐认识到保护生态环境的重要性。在一些最新的研究和报道中,可以看到不少生物物种受到水土流失的影响,生活环境遭到破坏,使得物种密度持续降低,物种甚至处于易危状态。而在实际中,生物的种群密度还会受到各种因素的干扰,如生存空间、天敌、气候、食物的影响,对于这些完全未知的因素对物种密度的影响,也需要寻求处理方法。因此,迫切需要通过提出一种控制方案来跟踪生物种群密度。本文将自适应控制应用到生物系统中,来解决生物种群密度的跟踪控制问题,并且生物系统最终达到稳定。本文主要针对具有阶段结构的生物系统,结合自适应控制、模糊系统理论和模糊逻辑系统研究了生物种群密度的跟踪控制问题。主要研究工作如下:(1)研究了基于T-S模糊观测器的具有阶段结构的生物系统的自适应跟踪控制。首先,建立有阶段结构的生物模型,分析其平衡点处稳定性。考虑到人类活动会对种群密度产生影响,将自适应控制器应用于系统。由于生物种群密度难以直接测量,设计一个模糊状态观测器用于估计生物种群的密度。然后在所设计的自适应控制器的调整下,捕食者的密度能够跟踪给定的期望密度,保证生物系统的稳定性,并且使得观测器的误差和跟踪误差都收敛为零。最后,通过数值模拟计算,检验了该自适应控制方法的有效性。(2)研究了具有阶段结构的随机生物系统的自适应模糊跟踪控制。对于具有阶段结构的生物系统,考虑到外部不确定因素对生物种群的影响,引入模糊逻辑系统来逼近这些未知的非线性项。通过定义合适的Lyapunov函数并将反步法与自适应模糊控制相结合,设计了一种自适应模糊控制器。将控制器应用于食饵-捕食者模型,确保被捕食者的幼年种群密度可以跟踪给定的密度,跟踪误差最终收敛至零,且生物系统中的状态都是半全局一致有界的。最后,通过数值模拟验证了所设计的控制方案在生物控制问题中的有效性,并通过与现有自适应方案的比较,突出了本文提出的方案的优势。

关键词： 三相电压源型整流器   切换系统理论   改进型线性自抗扰控制  

摘要： 三相电压源型整流器作为非线性负荷与电网之间的接口变流装置,以电流谐波小、功率因数高等优点迅速得到广泛应用。近年来,分布式发电的渗透率不断提高,一方面为电网提供了有益补充,提高了电网的安全稳定性,但是,另一方面也带来了电压闪变、谐波污染等弊端,这对三相电压源型整流器的控制策略提出了新的挑战。因此,本文引入自抗扰技术和切换系统理论提出一种新的三相电压源型整流器控制方案,以应对电网电压突变、控制算法参数失配等情况,提高了系统的鲁棒性。本文首先对三相电压型整流器的电压外环自抗扰控制技术展开研究,介绍并讨论了目前应用较多的线性自抗扰控制器发展现状,具体分析了线性自抗扰控制器的抗扰能力和估计误差。传统线性自抗扰控制器具有参数整定简单、低频扰动的估计能力强的优点,但在扰动频率过高时也存在扰动估计误差大、估计精度低的问题。本文在电压环引入了改进型线性自抗扰控制器,具体分析了抗扰能力和估计误差,证明了改进型线性自抗扰控制器具有抗扰能力强、扰动估计精度高、抑制高频噪声能力强等优点。进一步,针对电流内环的传统前馈解耦控制策略在电网电压突变、控制算法参数失配等情况下电流跟踪能力变差的问题,在电流内环引入了基于切换系统理论的切换控制策略,通过建立平衡点变换后的整流器动态模型,根据Lyapunov稳定性理论设计了切换律,并证明了所提控制策略在子系统切换时的稳定性。切换控制策略物理意义明确,实现简单,并且控制算法中不存在待整定参数,无需参数整定过程。最后,对所提出的三相电压源型整流器鲁棒控制方案进行了对比仿真和实验研究。结果表明,与传统方案相比,所提控制方案的动态性能更好,电流跟踪误差更小,在电网电压突变、控制算法参数失配情况下控制性能稳定,系统鲁棒性明显得到增强。

关键词： 多智能体   非线性   非严格反馈   预定性能控制   事件触发  

摘要： 多智能体系统是一种由多个智能体组成的系统,可以从环境中提取信息,并根据这些信息做出管理决策。多智能体系统由于其广泛的应用,包括移动机器人、无人机和智能电网,已经吸引了很多人的注意。大部分早期关于多智能体系统的工作建立在线性的系统模型上,但在实践中,普遍存在的非线性和未知干扰对系统模型产生了更高的要求,为此本文使用非线性非严格反馈系统对实际多智能体系统建模。对具有未知非线性的系统中的控制问题,系统的瞬态和稳态性能是必须要考虑的问题,但目前大多数研究没有关注瞬态性能,这促使本文对指定性能控制展开研究。此外,在实际应用中,多智能体系统相比其它控制系统,所需要进行的通信更多,然而智能体的通信资源是有限的,这促使本文对通信机制展开研究。因此,如何在保证瞬态系统性能的同时减少通信负担是多智能体系统研究中的一个重要问题。为了解决这个问题,本工作在具有非严格反馈的非线性多智能体系统的系统控制框架中引入了指定性能控制和事件触发的通信机制,并提出了一种基于自适应反步控制的新型分布协调控制策略。本文的主要工作总结如下:(1)将指定性能控制引入到非严格反馈非线性多智能体系统智能自适应控制的控制框架中,与已有的研究结果不同,在本文中,研究的系统为非严格反馈非线性多智能体系统,更具有现实意义,并且本文改变了转换误差的形式,设计了一种新型神经网络自适应控制器使转换误差变得平滑来削弱抖振问题,然后借助具有控制系数下限的新型Lyapunov函数和边界估计方法,消除了稳定性分析中对控制增益函数上限的要求,通过构造光滑函数和使用边界估计实现对非严格反馈系统的渐近跟踪控制。给出了指定性能一致性算法以保证系统稳态和瞬态性能。仿真结果表明,相较其它控制策略,指定性能控制的引入保证了系统稳态和瞬态性能,同时也为进一步的研究做了铺垫。(2)具有事件触发的非线性多智能体系统指定性能智能自适应控制。针对非严格反馈多智能体系统通讯负担问题,将事件触发机制引入到非线性多智能体系统指定性能智能自适应控制的控制框架中,与已有的研究结果不同,针对非严格反馈非线性多智能体系统提出了一种新的事件触发自适应律,它不仅可以解决非严格反馈系统引起的代数环路问题,而且可以有效地节省通信资源。同时避免了芝诺效应的产生。仿真结果表明,事件触发机制的引入有效优化了通讯资源的使用。

关键词： 无人船   轨迹跟踪   自适应控制   屏障函数   编队控制  

摘要： 无人船是一种以无人方式在水面前行的船舶,能够自主应对海洋环境干扰,在海洋运输、海底资源探索、海面营救等方面有着广泛的应用。轨迹跟踪控制作为无人船控制的一个重要环节,决定着无人船能否快速、有效的完成任务。随着任务难度的提高,单艘无人船难以完成一些复杂的任务,而无人船编队可以有效的提升执行任务的能力。因此,本文以三自由度无人船为研究对象,在滑模控制和自适应控制方法的基础上,对无人船轨迹跟踪和编队控制问题进行了研究,主要研究内容如下:(1)针对存在海洋干扰、参数不确定和执行器故障的无人船系统,提出了一种基于等效滑模的自适应控制方案。首先对无人船数学模型进行状态变换,将海洋干扰、参数不确定和执行器故障整合成集总干扰,并采用自适应律对集总干扰进行估计。此外,为了提高系统的控制精度,考虑屏障函数的加入,使用屏障函数可以使滑动变量收敛到与集总干扰上界无关的界内。利用李亚普诺夫稳定性判据证明闭环系统的稳定性,并用MATLAB工具验证所提控制方案的有效性和优越性。(2)针对包含海洋干扰和模型不确定的无人船系统,研究了如何减小由不连续控制引起的抖振问题。在双层自适应方案和超螺旋算法的基础上,提出了两种减小抖振的方法。第一种方法是在双层自适应方案的基础上设计一种超螺旋观测器,相比传统观测器,超螺旋观测器不需要干扰上界,且具有更好的观测性能。根据观测值进行控制律的设计,达到减小抖振的目的。第二种方法是利用超螺旋结构将不连续控制项连续化,同时设计双层自适应律对集总干扰进行逼近,从而达到减小抖振的目的。另外,预设性能控制技术保证系统的瞬态性能,提高系统的收敛性能。最后利用李雅普诺夫稳定性判据证明闭环系统的稳定性,并利用MATLAB工具验证所提控制方案的有效性。(3)研究了基于领航-跟随无人船编队的无人船轨迹跟踪控制问题。针对同时存在未知干扰、参数不确定和执行器故障的编队系统,提出了一种基于屏障函数的自适应滑模容错编队控制方案。利用分布式控制思想将编队系统分为领航子系统与跟随子系统,并对子系统分别设计控制律。利用事件触发机制对控制律进行非周期采样,实现编队跟踪控制的同时,降低执行器的动作频率,减小能量消耗。最后利用李雅普诺夫稳定性判据证明编队系统的稳定性,并利用MATLAB工具对所提控制方案进行仿真,验证所提方案的有效性。

关键词： 电液振动台   加速度控制   前馈逆模型控制   自适应控制  

摘要： 电液振动台作为振动环境模拟试验普遍采用的试验装置,主要用于考核被试件在振动环境下的可靠性与耐久性。目前国内外广泛采用的振动台主要为单自由度结构形式,难以准确考核被试件在多自由度环境下的性能。本课题来源于江苏省科技成果转化专项资金项目“大推力高性能振动测试系统研发及产业化”,设计开发了一套两自由度电液振动台装置,构建了电液振动台加速度前馈逆模型控制策略和自适应控制策略,为提高振动台加速度跟踪精度提供了理论支撑。首先,设计了两自由度电液振动台硬件系统总体方案,完成了两自由度电液振动台机械系统、液压系统和控制系统的详细设计与关键元件选型计算,对两自由度电液振动台反力座、平台等关键机械结构进行了有限元分析。其次,分析了两自由度电液振动台平台运动与伺服作动器位移之间的关联关系,建立了电液振动台动力执行机构模型,基于经典的三状态控制策略和自由度独立控制策略,采用MATLAB/Simulink软件构建了电液振动台仿真模型,分析了两自由度电液振动平台跟踪特性及自由度间耦合影响规律。然后,采用系统辨识和零幅值跟踪技术,设计了三状态控制下两自由度电液振动台前馈逆模型,在此基础上进一步构建了电液振动台自适应控制策略,基于MATLAB/Simulink软件开展了三状态控制、前馈逆模型控制和自适应控制策略的仿真对比研究。最后,搭建了两自由度电液振动台实验样机,采用x PC/Target快速原型技术开发了实验台底层控制程序,进行了传感器信号采集、位姿运动功能性验证,进一步开展了三状态控制、前馈逆模型控制和自适应控制策略的加速度跟踪性能对比实验,验证了设计控制策略的有效性和优越性。

关键词： 驾驶机器人   负载模拟   自适应控制   深度强化学习   纵向协同控制  

摘要： 驾驶机器人作为一种新的解决方案,无需对车辆进行内部底盘改装,就能替代或辅助驾驶人员在恶劣工况下进行操纵作业。本文在课题组对驾驶机器人的研究基础上,研究了驾驶机器人操纵的车辆纵向自适应协同操纵方法。 首先,介绍了驾驶机器人的性能要求和总体结构,详细分析了换挡机械手和驾驶机械腿的结构组成。建立了驾驶机器人的驱动装置模型,基于对换挡机械手和驾驶机械腿运动学模型的推导,建立了执行机构的动力学模型,并结合试验车辆纵向动力学模型构建了驾驶机器人操纵车辆的集成模型。 然后,建立了由踏板特性模型和行驶颠簸模型组成的机械腿末端负载模型,采用鲸鱼优化算法(WOA)对踏板负载模型参数进行辨识。针对驾驶机械腿执行机构的不确定性干扰,设计了广义比例积分观测器(GPIO)。搭建了驱动电机自抗扰控制器(ADRC),并应用深度确定性策略梯度学习(DDPG)方法制定自适应率,通过对控制器进行稳定性分析得到参数调整的限制条件,并对提出的末端负载模型和驾驶机械腿控制方法进行了仿真验证。 接着,针对选挡过程和挂挡过程分别应用了阻尼模型和神经网络模型对换挡机械手的末端负载进行模拟。建立机械手神经网络动力学模型,设计了换挡机械手的模糊自适应阻抗控制器,并结合驱动电机控制器实现柔顺控制。分析了驾驶机器人操纵的车辆在换挡不同阶段的换挡协同策略,设计了离合器接合阶段的控制策略,并对换挡机械手自适应阻抗控制器和机器人操纵的车辆换挡协同控制策略进行了仿真验证。 再者,分析了急加速、加速、稳速、减速和制动五类驾驶工况下车辆的动力性和燃油经济性换挡需求,结合深度Q网络(DQN)和模糊规则制定了驾驶机器人操纵的车辆智能换挡策略。设计了非线性干扰观测器估计系统的集总干扰,基于终端滑模控制(TSMC)方法建立了有限时间控制器,采用混合鲸鱼-萤火虫(WOA-FA)方法实现控制器参数的自适应更新,从而构建驾驶机器人操纵的车辆纵向自适应协同跟踪控制器并进行稳定性分析,同时对纵向协同跟踪控制方法进行了相应的仿真验证。 最后,基于部件试验台架和转鼓试验台架,对驾驶机器人控制方法、驾驶机器人操纵的车辆换挡协同控制策略及纵向自适应协同控制方法进行了试验设计和验证,表明了提出方法的有效性。

关键词： 行波管电源   半桥LLC谐振变换器   数字控制   无模型自适应控制  

摘要： 行波管是一种重要的电真空器件,因其频带宽、功率大、效率高等优点而被广泛应用于通信、雷达、对抗等领域。行波管工作时需要配备多路复杂的高压电源,不同的行波管所配备的电源参数也各不相同。传统的模拟电源难以直接对电源进行状态检测和参数控制,往往需要根据行波管进行量身定制,灵活性低。数字电源通过编程实现稳压控制和参数调节,可以有效解决这一问题。控制算法是数字稳压电源的核心,决定了稳压精度、稳定性、动态特性等关键技术指标。本文将无模型自适应控制算法应用于行波管电源,基于半桥LLC谐振倍压变换器设计完成了一款行波管电源实物样机,经测试,该样机完全满足技术指标要求,并且实现了比传统控制算法更好的性能指标。本文主要创新性工作如下:(1)基于基波分析法建立了半桥LLC谐振倍压变换器的线性化电路模型。对称式倍压整流电路因非线性的原因,不易对其进行定量计算。将倍压整流电路看作一个整体考虑,以二端口网络的形式根据能量守恒分析输入与输出之间的关系,从而推导出倍压整流电路交流等效电阻的数学表达式,建立起半桥LLC谐振倍压变换器的线性化电路模型。并据此对电路各谐振参数进行设计,通过电路仿真验证了参数设计的正确性。(2)设计并实现了基于无模型自适应控制算法的数字电源控制器。对单输入单输出的非线性系统进行分析,给出了系统线性化的处理方法和无模型自适应控制算法的设计方案,并在理论上对算法的收敛问题进行了严谨的证明。依据控制方案在MATLAB中对不同类型的非线性系的控制进行仿真,仿真结果表明了无模型自适应控制的有效性;同时在Simulink中搭建了由PID控制和无模型自适应控制的闭环电路,对比两种算法的控制效果,无模型自适应控制的电路表现出了更好的性能,验证了算法在行波管电源中应用的可行性和优越性。将算法以C语言方式实现,同步设计实现数字电源所需的其他程序,嵌入STM32F103主控芯片中,完整设计实现了基于无模型自适应控制算法的数字电源控制器。(3)设计完成了一款小型化、高效率的行波管电源实物样机。根据行波管电源的指标要求,设计制作了一款电源实物样机。搭建测试环境、烧录控制程序,对电源样机进行测试并测量记录重要参数,与指标进行对比,该电源样机完全能够满足行波管电源的要求。在实物层面验证了电路设计的正确性和合理性,同时也验证了无模型自适应控制算法对行波管电源实际控制的可行性和优越性。

关键词： 柔性基座机器人   振动抑制   轨迹优化   自适应控制   联合仿真  

摘要： 随着空间技术不断发展与突破,深空探测等领域对于大型天线等空间型结构的需求日益迫切,受运载火箭运输尺寸限制,利用空间机器人进行空间结构模块的在轨组装是较为理想的方案。由于空间结构的尺寸跨度较大、结构刚度较低,且通常情况下空间材料阻尼较低,空间机器人在轨作业时容易诱发桁架基座产生振动,从而影响机械臂定位和装配精度;此外,机器人系统运行在工况复杂和太空恶劣环境中,保障控制器的自适应性能以提高系统稳定性非常重要。本文以柔性基座在轨组装机器人系统为研究对象,对其运动学和动力学建模、振动抑制轨迹优化和机器人控制策略进行了相关研究。主要研究内容如下:(1)考虑基座三维空间振动形式,建立了柔性基座在轨组机器人系统动力学模型,为后文抑振轨迹优化和控制器研究奠定基础。将柔性桁架基座简化为集总参数式弹簧-阻尼系统,基于牛顿-欧拉方法推导了柔性基座七自由度机器人系统动力学方程,并对冗余七自由度机器人运动学正逆解进行了分析。基于MATLAB和Simscape物理仿真软件进行了仿真对比,验证了模型的正确性。(2)研究了柔性基座在轨组装机器人振动抑制轨迹优化策略。首先,通过对关节轨迹和梯度矢量的参数化表示,分别从关节空间和笛卡尔空间研究了抑振轨迹优化策略;其次,为更多地扩大优化轨迹的搜寻范围,结合上述两种方法的优势,提出一种综合抑振轨迹优化策略。最后,利用遗传算法对相应策略进行参数寻优,得到最优抑振轨迹。解决了在轨组装机器人对于柔性基座的振动抑制问题。(3)针对多自由度机器人系统的参数不确定、易受外界未知干扰和执行器部分失效等问题,研究了一种基于自适应PID控制理论的在轨组装机器人控制方法。引入广义误差,通过自适应率控制多项输入增益,大大减少了控制参数数量,并基于李雅普诺夫方法证明了控制系统稳定性。最后,基于前文研究的抑振轨迹进行跟踪控制,并在跟踪过程中加入故障函数,仿真结果表明,相比于经典PID控制器,该控制策略具有更出色的鲁棒自适应性;另外,从跟踪不同轨迹的基座振动表明,优化的抑振轨迹所诱发的振动相对更小。(4)基于虚拟样机技术,搭建在轨组装机器人系统,对所研究的轨迹优化和控制策略进行验证。利用Solid Works和Adams软件建立了完整的在轨组装机器人系统虚拟物理样机,结合MATLAB/Simulink建立联合仿真控制平台。然后基于该平台,对上文所研究的策略进行了验证,并对某一在轨组装过程的模块搬运任务进行了不同工况下联合仿真。仿真结果表明,本文研究的抑振轨迹优化策略和自适应控制策略性能良好。