CN104216284A - 机械臂伺服***的有限时间协同控制方法 - Google Patents
机械臂伺服***的有限时间协同控制方法 Download PDFInfo
- Publication number
- CN104216284A CN104216284A CN201410398181.8A CN201410398181A CN104216284A CN 104216284 A CN104216284 A CN 104216284A CN 201410398181 A CN201410398181 A CN 201410398181A CN 104216284 A CN104216284 A CN 104216284A
- Authority
- CN
- China
- Prior art keywords
- formula
- mechanical arm
- unknown
- arm servo
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 230000009897 systematic effect Effects 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 abstract 1
- 238000009415 formwork Methods 0.000 description 9
- 235000021170 buffet Nutrition 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
机械臂伺服***的有限时间协同控制方法,包括:建立机械臂伺服***的动态模型,初始化***状态、采样时间以及相关控制参数;根据微分中值定理,将***中的非线性输入死区线性近似为一个简单的时变***,推导出带有未知死区的机械臂伺服***模型;计算控制***的跟踪误差、非奇异终端滑模面及其一阶导数;基于带有未知死区的机械臂伺服***模型,选择神经网络逼近未知函数,并根据***跟踪误差、非奇异终端滑模面,设计神经网络有限时间协同控制器,更新神经网络权值矩阵;该方法不仅能够避免非线性死区的附加逆补偿,减小滑模高频抖振问题,而且可以实现机械臂伺服***的有限时间快速跟踪。
Description
技术领域
本发明设计一种机械臂伺服***的有限时间协同控制方法,特别是带有***模型不确定和非线性死区输入的机械臂伺服***的有限时间协同控制方法。
背景技术
机械臂伺服***在机器人、航空飞行器等高性能***中得到了广泛的应用。如何实现机械臂伺服***的快速精确控制已经成为了一个热点问题。然而,死区非线性环节广泛存在于机械臂伺服***中,往往会导致控制***的效率降低甚至是失效。针对机械臂伺服***的控制问题,存在很多控制方法,例如PID控制,自适应控制,滑模控制,非奇异终端滑模控制等。
滑模控制方法具有算法简单、响应速度快、对外界噪声干扰和参数摄动鲁棒性强等优点,因此被广泛应用于机器人、电机、飞行器等领域。然而,滑模控制存在着不可避免的缺点,比如存在高频抖振。在滑模控制的基础上,协同控制方法被提出。该方法可以使***工作在恒定频率下,从而避免了高频抖振。另外,为了提高***跟踪误差的收敛速度,一般在线性滑模的基础上增加非线性项,通过设计动态非线性滑模面实现***的快速跟踪控制,称为非奇异终端滑模控制方法。
发明内容
本发明要克服现有技术的上述缺点,提供一种机械臂伺服***的有限时间协同控制方法,结合协同控制理论和非奇异终端滑模思想,设计有限时间控制器,保证***输出在有限时间内对期望轨迹的精确跟踪。
本发明所述的机械臂伺服***的有限时间协同控制方法,包含以下步骤:
步骤1,建立如式(1)所示机械臂伺服***的动态模型,初始化***状态、采样时间以及相关控制参数;
其中分别为位置,速度和加速度;M(x)∈Rn×n为对称正定矩阵;为科式力;G(x)∈Rn为重力;表示摩擦力;τd∈Rn×1为外部扰动;τ∈Rn×1为死区输出值,表示为:
其中u(t)∈R是实际控制信号;gl(u),gr(u)为未知非线性函数;bl和br为死区未知宽度参数,并且满足bl<0,br>0。
步骤2,根据微分中值定理,将***中的非线性输入死区线性近似为一个简单的时变***,推导出带有未知死区的机械臂伺服***模型;
2.1根据微分中值定理,存在ξl∈(-∞,bl)和ξr∈(br,+∞)使
gl(u)=g′l(ξ′l)(u-bl) (3)
其中ξ′l∈(-∞,bl],g′l(ξl)为函数gl(u)在ξ′l处的倒数;
gr(u)=g′r(ξ′r)(u-br) (4)
其中ξ′r∈[bl,+∞),g′r(ξr)为函数gr(u)在ξ′r处的倒数;
根据式(3)和式(4),可将式(2)改写为
其中
其中ξl∈(-∞,bl],ξr∈[bl,+∞),
并且
2.2由式(1)和式(5)可得带有未知死区的机械臂伺服***模型为:
其中|ρ(u)|≤ρN,ρN是未知正常数,满足ρN=(gr1+gl1)max{br,bl}。
步骤3,计算控制***的跟踪误差、非奇异终端滑模面及其一阶导数;
3.1定义控制***的跟踪误差为
e(t)=xd-x (11)
其中xd为二阶可导期望轨迹。
3.2在设计协同控制器的过程中,定义协同流型为:
其中λ为影响***收敛的正常数。
根据如式(13)所示的非奇异终端滑模面,设计有限时间协同控制器,使***误差快速趋向于式(12)所示的协同流型;
其中q为正定常数,p>0,r>0,1<p/r<2。
3.3对式(12)求导,结合式(6)和式(11)可以推导出
其中非线性未知函数h为
步骤4,基于带有未知死区的机械臂伺服***模型,选择神经网络逼近未知函数,并根据***跟踪误差、非奇异终端滑模面,设计神经网络有限时间协同控制器,更新神经网络权值矩阵;
4.1根据式(13)和式(14),控制器的表达式为
其中为理想权重的估计值,为神经网络基函数,x为神经网络输入向量,k=q-1是控制参数,δ是一个正的常数,满足εN为一个正常数,表示神经网络逼近误差的上限,τN为外部扰动的上限常数,为神经网络权值估计误差。
4.2设计神经网络的权值更新律为:
其中KC为正定对角矩阵,φ(x)通常取为以下高斯函数:
其中c=[c1,c2,...,cn]T是高斯函数的中心;b是高斯函数的宽度;由式(18)可以推出0<φ(x)≤1。
步骤5,设计李雅普诺夫函数和则可以证明闭环控制***中的所有信号均是一致有界的。同时,***误差e可以在有限时间内收敛至平衡点e=0。
本发明结合协同控制原理和非奇异终端滑模,设计有限时间协同控制方法,保证输出在有限时间内对期望轨迹的精确跟踪。
本发明的技术构思为:针对带有模型不确定和非线性死区输入的机械臂伺服***,利用微分中值定理优化死区结构,结合协同控制,非奇异终端滑模和神经网络,设计一种机械臂伺服***的有限时间协同控制方法。通过微分中值定理,使死区连续可微,再通过神经网络逼近包括死区在内的未知函数,取消了传统死区的附加逆补偿。同时,设计有限时间协同控制器保证***跟踪误差快速稳定收敛致零点。本发明提供一种能够改善滑模控制中的高频抖振问题,且有效避免死区输入对***影响的有限时间协同控制方法,可以实现机械臂伺服***的快速跟踪控制。
本发明的优点为:避免死区附加逆补偿,实现***有限时间收敛,避免高频抖振。
附图说明
图1为本发明的非线性死区模型
图2为本发明的机械臂伺服***关节1,2的跟踪效果
图3为本发明的***的跟踪误差
图4为本发明的控制器输入信号
图5为本发明的协同控制算法流程图
具体实施方式
参照附图,本发明所述的机械臂伺服***的有限时间协同控制方法,包括以下步骤:
步骤1,建立如式(1)所示机械臂伺服***的动态模型,初始化***状态、采样时间以及相关控制参数;
其中分别为位置,速度和加速度;M(x)∈Rn×n为对称正定矩阵;为科式力;G(x)∈Rn为重力;表示摩擦力;τd∈Rn×1为外部扰动;τ∈Rn×1为死区输出值,表示为:
其中u(t)∈R是实际控制信号;gl(u),gr(u)为未知非线性函数;bl和br为死区未知宽度参数,并且满足bl<0,br>0。
步骤2,根据微分中值定理,将***中的非线性输入死区线性近似为一个简单的时变***,推导出带有未知死区的机械臂伺服***模型;
2.1根据微分中值定理,存在ξl∈(-∞,bl)和ξr∈(br,+∞)使
gl(u)=g′l(ξ′l)(u-bl) (3)
其中ξ′l∈(-∞,bl],g′l(ξl)为函数gl(u)在ξ′l处的倒数;
gr(u)=g′r(ξ′r)(u-br) (4)
其中ξ′r∈[bl,+∞),g′r(ξr)为函数gr(u)在ξ′r处的倒数;
根据式(3)和式(4),可将式(2)改写为
其中
其中ξl∈(-∞,bl],ξr∈[bl,+∞),
并且
2.2由式(1)和式(5)可得带有未知死区的机械臂伺服***模型为:
其中|ρ(u)|≤ρN,ρN是未知正常数,满足ρN=(gr1+gl1)max{br,bl}。
步骤3,计算控制***的跟踪误差、非奇异终端滑模面及其一阶导数;
3.1定义控制***的跟踪误差为
e(t)=xd-x (11)
其中xd为二阶可导期望轨迹。
3.2在设计协同控制器的过程中,定义协同流型为:
其中λ为影响***收敛的正常数。
根据如式(13)所示的非奇异终端滑模面,设计有限时间协同控制器,使***误差快速趋向于式(12)所示的协同流型;
其中q为正定常数,p>0,r>0,1<p/r<2。
3.3对式(12)求导,结合式(6)和式(11)可以推导出
其中非线性未知函数h为
步骤4,基于带有未知死区的机械臂伺服***模型,选择神经网络逼近未知函数,并根据***跟踪误差、非奇异终端滑模面,设计神经网络有限时间协同控制器,更新神经网络权值矩阵;
4.1根据式(13)和式(14),控制器的表达式为
其中为理想权重的估计值,为神经网络基函数,x为神经网络输入向量,k=q-1是控制参数,δ是一个正的常数,满足εN为一个正常数,表示神经网络逼近误差的上限,τN为外部扰动的上限常数,为神经网络权值估计误差。
4.2设计神经网络的权值更新律为:
其中KC为正定对角矩阵,φ(x)通常取为以下高斯函数:
其中c=[c1,c2,...,cn]T是高斯函数的中心;b是高斯函数的宽度;由式(18)可以推出0<φ(x)≤1。
步骤5,设计李雅普诺夫函数和则可以证明闭环控制***中的所有信号均是一致有界的。同时,***误差e可以在有限时间内收敛至平衡点e=0。
为验证所提方法的有效性,进行了如下实验:
令x=[x1,x2]T,则式(1)可以表示为带有两个关节的机械臂伺服***,具体表达式为:
其中P11=n1+n2+2γcosx2,P12=n2+γcosx2,P21=n2+2γcosx2,P22=n2, F1=n1e1cosx1+γe1cos(x1+x2),F2=γe1cos(x1+x2),γ=l2m1m2,e1=g/m1,g=9.8m/s2是重力加速度;l1,l2为关节长度;m1,m2表示质量;x1,x2为角位移;d=[d1 d2]T为***外部扰动,满足d1,d2∈[-0.1,0.1];如图1所示,D(u)为控制器u经过式(28)所示非线性死区后的输出值;
控制器设计中的相关参数选择为:式(12)中 式(16)中k=[1 1],r=[3 3],p=[5 5],δ=1.5;式(17)中,KC是值为1的正定对角矩阵;高斯函数式(18)的中心c=[c1,c2,...,c25],每一个元素值都是在[-2,2]中的随机数,b=8。
图2为机械臂伺服***关节角位移x1和x2跟踪期望信号xd1=sin(0.02π)和xd2=cos(0.02π)的效果图,图3表示***的跟踪误差,图4表示控制器输入信号。从图2和图3可以看出,根据式(16)所设计的控制器能在有限时间内快速跟踪期望信号,并且跟踪误差可以在在3.5秒左右内趋于0。由图4可以看出,控制器信号在2s以后抖振变小。因此,本发明所提供的有限时间协同控制方法,不仅能够避免非线性死区的附加逆补偿,减小滑模高频抖振问题,而且可以实现机械臂伺服***的有限时间快速跟踪。
以上阐述的是本发明给出的一个实施例表现出的优良优化效果,显然本发明不只是限于上述实施例,在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。
Claims (1)
1.机械臂伺服***的有限时间协同控制方法,包含以下步骤:
步骤1,建立如式(1)所示机械臂伺服***的动态模型,初始化***状态、采样时间以及相关控制参数;
其中分别为位置,速度和加速度;M(x)∈Rn×n为对称正定矩阵;为科式力;G(x)∈Rn为重力;表示摩擦力;τd∈Rn×1为外部扰动;τ∈Rn×1为死区输出值,表示为:
其中u(t)∈R是实际控制信号;gl(u),gr(u)为未知非线性函数;bl和br为死区未知宽度参数,并且满足bl<0,br>0;
步骤2,根据微分中值定理,将***中的非线性输入死区线性近似为一个简单的时变***,推导出带有未知死区的机械臂伺服***模型;
2.1根据微分中值定理,存在ξl∈(-∞,bl)和ξr∈(br,+∞)使
gl(u)=g′l(ξ′l)(u-bl) (3)
其中ξ′l∈(-∞,bl],g′l(ξl)为函数gl(u)在ξ′l处的倒数;
gr(u)=g′r(ξ′r)(u-br) (4)
其中ξ′r∈[bl,+∞),g′r(ξr)为函数gr(u)在ξ′r处的倒数;
根据式(3)和式(4),可将式(2)改写为
其中
其中ξl∈(-∞,bl],ξr∈[bl,+∞),
并且
2.2由式(1)和式(5)可得带有未知死区的机械臂伺服***模型为:
其中|ρ(u)|≤ρN,ρN是未知正常数,满足ρN=(gr1+gl1)max{br,bl};
步骤3,计算控制***的跟踪误差、非奇异终端滑模面及其一阶导数;
3.1定义控制***的跟踪误差为
e(t)=xd-x (11)
其中xd为二阶可导期望轨迹;
3.2在设计协同控制器的过程中,定义协同流型为:
其中λ为影响***收敛的正常数;
根据如式(13)所示的非奇异终端滑模面,设计有限时间协同控制器,使***误差快速趋向于式(12)所示的协同流型;
其中q为正定常数,p>0,r>0,1<p/r<2;
3.3对式(12)求导,结合式(6)和式(11)可以推导出
其中非线性未知函数h为
步骤4,基于带有未知死区的机械臂伺服***模型,选择神经网络逼近未知函数,并根据***跟踪误差、非奇异终端滑模面,设计神经网络有限时间协同控制器,更新神经网络权值矩阵;
4.1根据式(13)和式(14),控制器的表达式为
其中为理想权重的估计值,为神经网络基函数,x为神经网络输入向量,k=q-1是控制参数,δ是一个正的常数,满足εN为一个正常数,表示神经网络逼近误差的上限,τN为外部扰动的上限常数,为神经网络权值估计误差;
4.2设计神经网络的权值更新律为:
其中KC为正定对角矩阵,φ(x)通常取为以下高斯函数:
其中c=[c1,c2,...,cn]T是高斯函数的中心;b是高斯函数的宽度;由式(18)可以推出0<φ(x)≤1;
步骤5,设计李雅普诺夫函数和则可以证明闭环控制***中的所有信号均是一致有界的;同时,***误差e可以在有限时间内收敛至平衡点e=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410398181.8A CN104216284A (zh) | 2014-08-14 | 2014-08-14 | 机械臂伺服***的有限时间协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410398181.8A CN104216284A (zh) | 2014-08-14 | 2014-08-14 | 机械臂伺服***的有限时间协同控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104216284A true CN104216284A (zh) | 2014-12-17 |
Family
ID=52097904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410398181.8A Pending CN104216284A (zh) | 2014-08-14 | 2014-08-14 | 机械臂伺服***的有限时间协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104216284A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104476544A (zh) * | 2014-10-23 | 2015-04-01 | 广东工业大学 | 一种视觉伺服机械臂***的自适应死区逆模型发生装置 |
CN104614994A (zh) * | 2015-02-11 | 2015-05-13 | 南京理工大学 | 一种含输入死区的非线性***鲁棒自适应控制方法 |
CN104698846A (zh) * | 2015-02-10 | 2015-06-10 | 浙江工业大学 | 一种机械臂伺服***的指定性能反演控制方法 |
CN104932271A (zh) * | 2015-06-08 | 2015-09-23 | 浙江工业大学 | 一种机械臂伺服***的神经网络全阶滑模控制方法 |
CN104950678A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 一种柔性机械臂***的神经网络反演控制方法 |
CN105068427A (zh) * | 2015-08-31 | 2015-11-18 | 哈尔滨工业大学 | 一种多机器人***有限时间鲁棒协同跟踪控制方法 |
CN105159084A (zh) * | 2015-09-06 | 2015-12-16 | 台州学院 | 一种带干扰观测器的机械手神经网络控制***及方法 |
CN105182745A (zh) * | 2015-08-11 | 2015-12-23 | 浙江工业大学 | 一种带有死区补偿的机械臂伺服***神经网络全阶滑模控制方法 |
CN105319972A (zh) * | 2015-11-27 | 2016-02-10 | 燕山大学 | 基于快速终端滑模的遥操作机器人固定时间控制方法 |
CN105549395A (zh) * | 2016-01-13 | 2016-05-04 | 浙江工业大学 | 保证瞬态性能的机械臂伺服***死区补偿控制方法 |
CN105843039A (zh) * | 2016-03-18 | 2016-08-10 | 浙江工业大学 | 一种基于误差镇定和有限时间参数辨识的机电伺服***摩擦补偿控制方法 |
CN106113046A (zh) * | 2016-07-13 | 2016-11-16 | 浙江工业大学 | 基于死区和摩擦补偿的机械臂伺服***动态面瞬态控制方法 |
CN108388123A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 多个仿人机器人在速度不可测下的自适应控制方法 |
CN108599667A (zh) * | 2018-04-02 | 2018-09-28 | 江苏理工学院 | 开关磁阻电机的控制方法和*** |
CN108646562A (zh) * | 2018-05-15 | 2018-10-12 | 浙江工业大学 | 一种基于交叉耦合的多机械臂***有限时间参数辨识与位置同步控制方法 |
CN108681252A (zh) * | 2018-05-15 | 2018-10-19 | 浙江工业大学 | 一种基于均值耦合的多机械臂***有限时间参数辨识与位置同步控制方法 |
CN108845493A (zh) * | 2018-08-21 | 2018-11-20 | 曲阜师范大学 | 带有输出约束的机械臂***的固定时间跟踪控制方法 |
CN109031959A (zh) * | 2018-10-26 | 2018-12-18 | 黑龙江大学 | 一种带有控制参数自适应补偿的非一致非线性***协同控制方法及控制*** |
CN109108964A (zh) * | 2018-07-25 | 2019-01-01 | 西北工业大学 | 一种基于自适应动态规划Nash博弈的空间机械臂协调控制方法 |
CN109144018A (zh) * | 2018-10-26 | 2019-01-04 | 黑龙江大学 | 一种不同阶混合机电***协同控制方法及控制*** |
CN109426146A (zh) * | 2017-08-23 | 2019-03-05 | 中国空气动力研究与发展中心计算空气动力研究所 | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 |
CN110109363A (zh) * | 2019-05-28 | 2019-08-09 | 重庆理工大学 | 一种轮式移动机器人编队的神经网络自适应控制方法 |
CN110161852A (zh) * | 2019-05-08 | 2019-08-23 | 杭州电子科技大学 | 一种基于二阶滑模算法的移动机械臂运动控制方法 |
CN114516047A (zh) * | 2022-02-14 | 2022-05-20 | 安徽大学 | 基于径向基神经网络终端滑模控制机械臂轨迹方法及*** |
-
2014
- 2014-08-14 CN CN201410398181.8A patent/CN104216284A/zh active Pending
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104476544A (zh) * | 2014-10-23 | 2015-04-01 | 广东工业大学 | 一种视觉伺服机械臂***的自适应死区逆模型发生装置 |
CN104698846A (zh) * | 2015-02-10 | 2015-06-10 | 浙江工业大学 | 一种机械臂伺服***的指定性能反演控制方法 |
CN104698846B (zh) * | 2015-02-10 | 2017-06-30 | 浙江工业大学 | 一种机械臂伺服***的指定性能反演控制方法 |
CN104614994A (zh) * | 2015-02-11 | 2015-05-13 | 南京理工大学 | 一种含输入死区的非线性***鲁棒自适应控制方法 |
CN104932271A (zh) * | 2015-06-08 | 2015-09-23 | 浙江工业大学 | 一种机械臂伺服***的神经网络全阶滑模控制方法 |
CN104932271B (zh) * | 2015-06-08 | 2017-07-28 | 浙江工业大学 | 一种机械臂伺服***的神经网络全阶滑模控制方法 |
CN104950678A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 一种柔性机械臂***的神经网络反演控制方法 |
CN104950678B (zh) * | 2015-06-17 | 2017-10-13 | 浙江工业大学 | 一种柔性机械臂***的神经网络反演控制方法 |
CN105182745A (zh) * | 2015-08-11 | 2015-12-23 | 浙江工业大学 | 一种带有死区补偿的机械臂伺服***神经网络全阶滑模控制方法 |
CN105068427A (zh) * | 2015-08-31 | 2015-11-18 | 哈尔滨工业大学 | 一种多机器人***有限时间鲁棒协同跟踪控制方法 |
CN105159084A (zh) * | 2015-09-06 | 2015-12-16 | 台州学院 | 一种带干扰观测器的机械手神经网络控制***及方法 |
CN105159084B (zh) * | 2015-09-06 | 2018-10-16 | 台州学院 | 一种带干扰观测器的机械手神经网络控制***及方法 |
CN105319972A (zh) * | 2015-11-27 | 2016-02-10 | 燕山大学 | 基于快速终端滑模的遥操作机器人固定时间控制方法 |
CN105319972B (zh) * | 2015-11-27 | 2018-06-08 | 燕山大学 | 基于快速终端滑模的遥操作机器人固定时间控制方法 |
CN105549395A (zh) * | 2016-01-13 | 2016-05-04 | 浙江工业大学 | 保证瞬态性能的机械臂伺服***死区补偿控制方法 |
CN105549395B (zh) * | 2016-01-13 | 2018-07-06 | 浙江工业大学 | 保证瞬态性能的机械臂伺服***死区补偿控制方法 |
CN105843039A (zh) * | 2016-03-18 | 2016-08-10 | 浙江工业大学 | 一种基于误差镇定和有限时间参数辨识的机电伺服***摩擦补偿控制方法 |
CN105843039B (zh) * | 2016-03-18 | 2019-01-22 | 浙江工业大学 | 一种基于误差镇定和有限时间参数辨识的机电伺服***摩擦补偿控制方法 |
CN106113046A (zh) * | 2016-07-13 | 2016-11-16 | 浙江工业大学 | 基于死区和摩擦补偿的机械臂伺服***动态面瞬态控制方法 |
CN109426146B (zh) * | 2017-08-23 | 2022-02-08 | 中国空气动力研究与发展中心计算空气动力研究所 | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 |
CN109426146A (zh) * | 2017-08-23 | 2019-03-05 | 中国空气动力研究与发展中心计算空气动力研究所 | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 |
CN108388123B (zh) * | 2018-03-09 | 2020-10-30 | 迪比(重庆)智能科技研究院有限公司 | 多个仿人机器人在速度不可测下的自适应控制方法 |
CN108388123A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 多个仿人机器人在速度不可测下的自适应控制方法 |
CN108599667A (zh) * | 2018-04-02 | 2018-09-28 | 江苏理工学院 | 开关磁阻电机的控制方法和*** |
CN108599667B (zh) * | 2018-04-02 | 2021-04-09 | 江苏理工学院 | 开关磁阻电机的控制方法和*** |
CN108646562A (zh) * | 2018-05-15 | 2018-10-12 | 浙江工业大学 | 一种基于交叉耦合的多机械臂***有限时间参数辨识与位置同步控制方法 |
CN108681252A (zh) * | 2018-05-15 | 2018-10-19 | 浙江工业大学 | 一种基于均值耦合的多机械臂***有限时间参数辨识与位置同步控制方法 |
CN108681252B (zh) * | 2018-05-15 | 2021-01-01 | 浙江工业大学 | 一种多机械臂***有限时间参数辨识与位置同步控制方法 |
CN109108964A (zh) * | 2018-07-25 | 2019-01-01 | 西北工业大学 | 一种基于自适应动态规划Nash博弈的空间机械臂协调控制方法 |
CN109108964B (zh) * | 2018-07-25 | 2021-06-08 | 西北工业大学 | 一种基于自适应动态规划Nash博弈的空间机械臂协调控制方法 |
CN108845493A (zh) * | 2018-08-21 | 2018-11-20 | 曲阜师范大学 | 带有输出约束的机械臂***的固定时间跟踪控制方法 |
CN108845493B (zh) * | 2018-08-21 | 2021-04-27 | 曲阜师范大学 | 带有输出约束的机械臂***的固定时间跟踪控制方法 |
CN109144018B (zh) * | 2018-10-26 | 2021-02-02 | 黑龙江大学 | 一种不同阶混合机电***协同控制方法及控制*** |
CN109144018A (zh) * | 2018-10-26 | 2019-01-04 | 黑龙江大学 | 一种不同阶混合机电***协同控制方法及控制*** |
CN109031959B (zh) * | 2018-10-26 | 2021-09-07 | 黑龙江大学 | 一种非一致非线性***协同控制方法及控制*** |
CN109031959A (zh) * | 2018-10-26 | 2018-12-18 | 黑龙江大学 | 一种带有控制参数自适应补偿的非一致非线性***协同控制方法及控制*** |
CN110161852A (zh) * | 2019-05-08 | 2019-08-23 | 杭州电子科技大学 | 一种基于二阶滑模算法的移动机械臂运动控制方法 |
CN110161852B (zh) * | 2019-05-08 | 2022-01-04 | 杭州电子科技大学 | 一种基于二阶滑模算法的移动机械臂运动控制方法 |
CN110109363A (zh) * | 2019-05-28 | 2019-08-09 | 重庆理工大学 | 一种轮式移动机器人编队的神经网络自适应控制方法 |
CN114516047A (zh) * | 2022-02-14 | 2022-05-20 | 安徽大学 | 基于径向基神经网络终端滑模控制机械臂轨迹方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104216284A (zh) | 机械臂伺服***的有限时间协同控制方法 | |
CN104698846B (zh) | 一种机械臂伺服***的指定性能反演控制方法 | |
CN104932271B (zh) | 一种机械臂伺服***的神经网络全阶滑模控制方法 | |
Boukattaya et al. | Adaptive nonsingular fast terminal sliding-mode control for the tracking problem of uncertain dynamical systems | |
CN105223808B (zh) | 基于神经网络动态面滑模控制的机械臂***饱和补偿控制方法 | |
Bayat et al. | Finite-time tracking control of nth-order chained-form non-holonomic systems in the presence of disturbances | |
CN108303885B (zh) | 一种基于干扰观测器的电机位置伺服***自适应控制方法 | |
CN104199295B (zh) | 基于神经网络的机电伺服***摩擦补偿和变结构控制方法 | |
CN104950678B (zh) | 一种柔性机械臂***的神经网络反演控制方法 | |
CN104950677A (zh) | 基于反演滑模控制的机械臂***饱和补偿控制方法 | |
CN104111607B (zh) | 一种考虑输入时滞的电机位置伺服***的控制方法 | |
CN104199294B (zh) | 电机伺服***双神经网络摩擦补偿和有限时间协同控制方法 | |
Zhao et al. | Finite‐time tracking control for pneumatic servo system via extended state observer | |
CN105182745B (zh) | 一种带有死区补偿的机械臂伺服***神经网络全阶滑模控制方法 | |
CN103197562A (zh) | 转台伺服***神经网络控制方法 | |
CN104898550B (zh) | 动态伺服***基于滑模扩张状态观测器的复合控制方法 | |
CN107193211B (zh) | 基于自抗扰和反演技术的单臂机械手控制器及其设计方法 | |
CN105549395B (zh) | 保证瞬态性能的机械臂伺服***死区补偿控制方法 | |
CN104267596B (zh) | 一种小车倒立摆***的有限时间解耦控制方法 | |
Azarmi et al. | Robust fractional order PI controller tuning based on Bode’s ideal transfer function | |
CN104698847A (zh) | 一种转台伺服***的非奇异终端滑模指定性能控制方法 | |
CN107577146A (zh) | 基于摩擦整体逼近的伺服***的神经网络自适应控制方法 | |
CN103941589A (zh) | 一种压电执行器的非线性模型预测控制方法 | |
CN113110048A (zh) | 采用hosm观测器的非线性***输出反馈自适应控制***和方法 | |
Wen et al. | Backstepping boundary control for a class of gantry crane systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141217 |
|
WD01 | Invention patent application deemed withdrawn after publication |