CN105955015A - 一种用于外骨骼***的模糊控制方法 - Google Patents
一种用于外骨骼***的模糊控制方法 Download PDFInfo
- Publication number
- CN105955015A CN105955015A CN201610327152.1A CN201610327152A CN105955015A CN 105955015 A CN105955015 A CN 105955015A CN 201610327152 A CN201610327152 A CN 201610327152A CN 105955015 A CN105955015 A CN 105955015A
- Authority
- CN
- China
- Prior art keywords
- control
- fuzzy
- pid
- parameter
- controller
- 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 18
- 230000008859 change Effects 0.000 claims abstract description 31
- 230000010354 integration Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 210000000629 knee joint Anatomy 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 7
- 238000013178 mathematical model Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 10
- 108090000623 proteins and genes Proteins 0.000 description 6
- 230000001105 regulatory effect Effects 0.000 description 6
- 230000009897 systematic effect Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 101000755816 Homo sapiens Inactive rhomboid protein 1 Proteins 0.000 description 1
- 102100022420 Inactive rhomboid protein 1 Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于自动控制技术领域,涉及一种用于外骨骼***的模糊控制方法。本发明的主要思路是,针对传统的外骨骼样机都是采用的PID位置伺服控制的问题,虽然工程上可以基本满足控制的要求,但是一旦外界环境或者***参数发生变化,***的数学模型就会随之发生改变,这使***的控制效果很差。本发明在液压伺服***数学模型的基础上,进行控制律算法的设计,在控制模型发生变化后,模糊自适应控制较PID可以更好的跟踪期望曲线,且在实时性、稳定性及鲁棒性方面有明显的优势。
Description
技术领域
本发明属于自动控制技术领域,涉及一种用于外骨骼***的模糊控制方法。
背景技术
在抢险救灾或山地环境中,人们往往需要携带大量的装备和物资,这样会影响行进速度、行走距离和机动能力,因此,各国正在加速研制符合人体工程学的外骨骼携行助力***,以实现减少体能消耗,提高负重能力和机动能力。目前的助力外骨骼***主要的控制方法为采用液压控制***,并结合PID控制方法进行控制,而PID控制方法需要先给出控制参数,目前常用的PID参数给定方法为试凑法,就是根据控制器各参数对***性能的影响程度,观察***的运行,边修改参数,直到满意为止,而对于像液压这样的***,由于***参数在运行过程中是不断变化的,如在伺服阀零位,液压尼系数很小而流量放大Kq系数却很大,且电液伺服阀有时不在零位工作等,当***的参数发生变化时,***的模型也随之改变,以不变的控制参数去控制易发生变化的对象,PID控制效果很难保证。
发明内容
本发明的目的,就是针对上述问题,提供一种用于外骨骼***的模糊控制方法。
本发明的技术方案为:一种用于外骨骼***的模糊控制方法,包括:
所述外骨骼***的驱动关节为膝关节,且动力源为液压装置,所述液压装置采用PID控制进行调节,所述PID控制方程可表示为如下公式1:
其中,u(t)为PID控制输出的控制量,t为***的数据采样间隔,e(t)为实际测量值与期望值的差值,KP为PID控制中的比例参数,TI为PID控制中的积分时间参数,TD为PID控制中的微分时间参数;
还包括模糊控制器,所述模糊控制器用于产生PID控制的调节参数,具体为:
将实际测量值与期望值的差值e(t)及其变化率作为模糊控制器的输入E和EC,模糊控制器的输出为控制信号U,对差值E、差值变化率EC和控制信号U的模糊集合和论域定义如下:
E的模糊集合为{NB、NM、NS、NZ、PZ、PS、PM、PB};
EC、U的模糊集合均为{NB、NM、NS、Z、PS、PM、PB};
E和EC的论域为{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6};
U的论域为{-7、-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6、7};
构建模糊关系R为:
R=(E×EC)×U
控制信号U为:
U=(E×EC)R
使用控制信号U对PID控制进行修正。
本发明的有益效果为,之前的外骨骼样机都是采用的PID位置伺服控制,工程上可以基本满足控制的要求,但是一旦外界环境或者***参数发生变化,***的数学模型就会随之发生改变,这使***的控制效果很差。本发明在液压伺服***数学模型的基础上,进行控制律算法的设计,在控制模型发生变化后,模糊自适应控制较PID可以更好的跟踪期望曲线,且在实时性、稳定性及鲁棒性方面有明显的优势。基于模糊控制算法的外骨骼机器人,在正常行走时可以实时跟踪人的运动轨迹,达到助力的目的;常规的模糊控制器虽然在自适应方面有所改善,但是控制精度仍然不高,***仍然存在着较大的稳态误差;自调整因子的模糊控制器在自适应、自学习的方面比常规模糊控制器有明显的优势,可以实现模糊控制规则的在线调整;自调整模糊PID控制器拥有较高的控制精度,能够很好的改善***的动态特性和静态特性,同时控制器也具有较好的鲁棒性和和自组织性
附图说明
图1是模糊控制量E的隶属度函数示意图;
图2是模糊控制量EC的隶属度函数示意图;
图3是模糊控制量U的隶属度函数示意图;
图4是量化因子变化阶跃曲线变化示意图;
图5是比例因子变化阶跃曲线变化示意图;
图6是量化因子Ke=7.5,Kce=0.001,Ku=12的仿真示意图;
图7是模糊控制的阶跃响应曲线示意图;
图8是自调整因子模糊控制器原理示意图;
图9是自调整因子模糊控制器E的隶属度函数示意图;
图10是自调整因子模糊控制器EC的隶属度函数示意图;
图11是自调整因子模糊控制器α的隶属度函数示意图;
图12是自调整因子控制***的仿真曲线示意图;
图13是调整参数α的曲线示意图;
图14是模糊自适应的PID控制器逻辑结构示意图。
具体实施方式
下面结合附图,详细描述本发明的技术方案:
液压***的期望输入信号设计为液压缸的实际长度,但是液压缸的长度无法直接测得,只能通过膝关节角度的测量值,再经过几何关系转换求得,转换公式表示为:
其中Yexp表示此时期望的液压缸活塞杆的长度,表示此时期望的膝关节角度值,Dist1,Dist2分别表示大腿连接点到膝关节的距离和小腿连接点到膝关节的距离,这两个长度值和此时期望的液压缸的长度正好构成一个三角形,因此控制***只要知道人在行走的过程中每个时刻的膝关节的期望角度值,就可以通过上述公式求得此时的液压缸的期望长度。
比例、积分、微分控制是在实际工程中应用最为广泛的控制器,也就是通常所说的PID控制,或者称为PID调节,PID控制的控制效果直接受比例(KP)、积分(KI)和微分(KD)3个参数的大小的影响,PID控制方程的表示为,
其中,u(t)为PID控制输出的控制量,t为***的数据采样间隔,e(t)为实际测量值与期望值的差值,KP为PID控制中的比例参数,TI为PID控制中的积分时间参数,TD为PID控制中的微分时间参数;
散PID方程的形式为:
其中,u(k)表示作用于被控对象控制量的第k次采样得到的信息;k是采样系数,k=0,1,2,…,e(k)是传感器的实时测量值与期望值的差值在第k次测量时得到的值;T为***的采样时间间隔,e(k-1)即为e(k)的前一次采样值。
本发明主要在PID控制的同时还包括模糊控制器,所述模糊控制器用于产生PID控制的调节参数,具体为:
将实际测量值与期望值的差值e(t)及其变化率作为模糊控制器的输入E和EC,模糊控制器的输出为控制信号U,对差值E、差值变化率EC和控制信号U的模糊集合和论域定义如下:
E的模糊集合为{NB、NM、NS、NZ、PZ、PS、PM、PB};
EC、U的模糊集合均为{NB、NM、NS、Z、PS、PM、PB};
E和EC的论域为{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6};
U的论域为{-7、-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6、7};
输入变量E的隶属度函数曲线如图1所示,EC的隶属度函数曲线如图2所示,U的隶属度函数曲线如图3所示;
模糊控制规则应按照以下基本规则进行建立:如果***的误差较大,控制量的选取主要考虑尽快减小误差,应选取较大的控制量;如果误差较小,为了避免超调,控制量的选择应该主要考虑提高***的稳定性,减小***的稳态误差。
当误差为负大时,若当误差变化为负,表明误差有增大的趋势,为了尽快消除已有的负大误差并抑制误差变大,这时控制量应取负大;当误差为负大而误差变化为正时,***本身已有减少误差的趋势,所以为了尽快消除误差且又不超调,应取较小的控制量;当误差为负中时,控制量应该使误差尽快消除,基于这种原则,控制量选取同误差为负大时相同;当误差为负小时,***接近稳态,若误差变化为负时,选取控制量为负中,以抑制误差往负方向变化;若误差变化为正时,***本身具有消除负小误差的趋势,选取控制量为正小即可。人们的控制动作在正负两个方向基本上是对称的,所以一般情况下,人对正负误差及误差变化和正负控制量所确定的模糊概念是一致的。误差为正时与误差为负时相同,只要改变相应的符号就行了。
实际情况中,为了达到较好的控制效果,控制***的控制规则视情况作相应的修整。在综合大量参考文献和相关经验的基础上获到本控制***中的模糊控制规则如表1所示。
表1模糊控制规则表
过上表,来获得一组模糊条件推理语句,每一个语句都有与之相对应模糊关系,例如规则
If E=PM and EC=NM then U=PS
构建模糊关系R为:
R=(E×EC)×U
利用模糊推理的基本原理来获得模糊关系矩阵Rl,然后求得每一条规则对应的模糊关系,进而得到体现模糊控制规则的总的模糊关系R。由误差E、误差变化EC和模糊关系R,可得到控制信号U为:
U=(E×EC)R
U是一个模糊语言值,采用重心法进行解模糊,便可以得到控制量U的精确值。总控制表如表2所示:
表2总控制表
将模糊控制的因子分别表示为量化因子Ke、Kec和Ku,进行如下仿真分析:
量化因子Ke对***性能的影响如下:
如果Ke较大,那么***上升过程缩短,同时也会提高***的分辨率。然而Ke过大将使***的上升速度过快,从而导致***的超调量超出允许范围,使***长时间处于饱和状态,导致振荡,使破坏***的动态特性。Ke太小也会导致振荡,增加***的上升时间,破坏***的稳态。
量化因子Kec对***性能的影响如下:
如果Kec较大,则导致***的响应时间延长,增加过渡过程,提高***的稳定性,超调量减小。如果Kec较小,则会加快***的响应时间,过渡时间缩短,然而Kce过小会引起较大的超调并出现振荡。
比例因子Ku对***性能的影响如下:
Ku增大,缩短***的响应时间;但Ku过大,控制量的过大会导致超调和振荡,Ku过小则***上升速度变慢,过渡时间增长。
通过仿真来观察量化因子Ke和比例因子Ku的变化对***动态特性的影响。首先保持量化因子Kec和比例因子Ku不变,分别设定为0.001和12,只改变量化因子Ke,观察***的输出曲线变化,Ke分别取为5、7.5和9,得到的***的阶跃响应曲线变化如图4所示,图中虚线参数为:Ke=9,Kec=0.001,Ku=12;点线参数为:Ke=7.5,Kec=0.001,Ku=12;实线参数为:Ke=5,Kec=0.001,Ku=12。再保持Ke和Kec不变,分别设定为7.5和0.001,只改变比例因子Ku,来观察比例因子对***的影响。Ku分别取8、12、16,得到的***的阶跃响应曲线如图5所示,图中虚线参数为:Ke=7.5,Kec=0.001,Ku=8;实线参数为:Ke=7.5,Kec=0.001,Ku=12;点线参数为:Ke=7.5,Kec=0.001,Ku=16。从图中可以看出,量化因子Ke较大,可以加快反应速度,但过大会导致超调超过允许范围;随着比例因子Ku的增大,***的响应时间明显缩短,但Ku过大导致了明显的超调。因此选择合适的控制参数,设置量化因子Ke=7.5,Kce=0.001,Ku=12,得到的仿真结果及如图6所示
从图中可以看出,模糊控制可以很好的跟踪期望曲线,满足控制器的设计需求。***的阶跃响应曲线如图7所示,可以看出***的时域特性,***的上升时间tr=0.0092s<0.01s,超调量σ=1.6%<5%,过渡时间ts=0.0167<0.1s,可以达到***的控制要求。
实际工业控制中,模糊控制器只要一经确定,其控制参数和模糊推理逻辑也就随之固定,不可以改变。但是,外骨骼机器人的液压控制***,其液压模型容易受到温度、干扰等诸多外界因素的影响,使得对象模型发生变化。为了让控制控制***具有更好的适应性,同时能得到较好的控制效果,因此要求模糊控制器可以实现自我修正,针对外骨骼机器人中液压***的这个特性,本发明提出了带自调整因子的模糊控制器,结构如图8所示,自调整因子模糊控制器由主模糊控制器和副模糊控制器构成,一个为常规模糊控制器,它根据输入的差值及其差值变化率,经计算获得控制量u;另一个为调整因子模糊控制器,它是根据控制过程中变化的参数,实时调整常规模糊控制器两个输入信号e和ec的比例来完善***性能。
期望与实际输出的差值及其差值变化率作为副模糊控制器的输入,副模糊控制器的输出为调整因子a,主模糊控制器的输入为期望与实际的差值、差值变化率和调整因子,输出为模糊控制量U,经去模糊化转化为精确值u输出到控制对象。
控制量u是由E和EC两个元素控制的,可以将输入和输出之间的关系通过一个表格表现出来,便于应用查询,但是查询表的设计步骤相当繁琐。龙升照,汪培庄设计出用解析式来描述模糊控制规则的方法。控制量u的解析表达式为,控制量中的所有部分必须为整数。可以看出表达式直接由误差和误差变化构成,可以很容易的描述控制规则。若把u的系数看成是权重,那么u是E和EC的算数平均数,那么E和EC共同决定输出U且比重相同。但是在实际情况下二者的比例系数相同的可能性不大,通常情况下有:
0<α<1
该控制器通过调整因子来改变两个输入在主模糊控制器中的比例,从而实时完善推理逻辑,也就是通过实时修正模糊逻辑推理来使控制器达到更好的控制效果。如果误差较大,那控制***的关键作用是减小偏差,这时利用副模糊控制器增大误差在主模糊控制器输入变量的比重。相反,倘若误差较小,***已趋于稳定,控制***的主要作用是快速使***达到稳态。这样就利用副模糊控制器提高主模糊控制器输入的误差变化率的比重。只通过一个固定的调整参数α不能达到以上的设计要求,因此需在线调整加权因字α的值,来达到模糊控制规则的实时修正的目的。
控制器由主模糊控制器和副模糊控制器构成,副模糊控制器用于产生自调整因子α,α用于调整主模糊控制器输入变量E和EC的权重,进而实现对控制原则的修正。控制器的设计为:将期望值与实际测量值的差值及其变化率的模糊量E和EC作为副模糊控制器的输入,论域都选择为[-6,6],模糊子集为{NB、NM、NS、Z、PS、PM、PB},输出自调整因子的论域取为[0,1],模糊子集为{NS(很小)、S(小)、M(中)、B(大)、VB(很大)},隶属度函数为梯形函数,如下图所示。
输入量E、EC和输出调整因子α的隶属度函数分别如图9、图10和图11所示。
根据建立自调整因子的原则得到的控制规则如表3所示,根据附表可建立49条控制规则。
表3控制规则表
总控制表如下表4所示:
表4总控制表
***的仿真结果如图12所示,***仿真时,量化因子的设置分别为Ke=16,Kce=0.05,Ku1=1;Ku=20,从图中可以看出,自调整因子模糊控制器可以很好的跟踪期望的液压缸长度曲线,调整参数α的曲线如图13所示,取值范围在(0,1)之间。
结合模糊自适应的PID控制器如图14所示,模糊自适应PID控制器由两个控制器组成,一个为模糊控制器,用于产生PID控制的调节参数,另一部分为PID控制器,其三个参数可以实现在线实时调整。模糊控制器根据每次误差e(t)及其变化ec(t)的不同,对量化因子和比例因子的要求也不同,从而得到PID控制器参数的修正量,从而提高***的稳态特性。
模糊控制器有两个输入变量和三个输出变量,输入为期望值与实际值的差值及其差值的变化率,输出为PID控制器的修正因子Δkp、Δki和Δkd,kp、ki、kd为PID控制器的控制参数,其计算由以下公式求得,k'p、k'i、k'd为预整定值。
kp=k’p+Δkp
ki=k’i+Δki
kd=k’d+Δkd
设e、ec、KP的模糊论域均为(-6,6),KI的模糊论域为(-0.3,0.3),KD的模糊论域为(-0.06,
0.06),输入和输出的隶属度函数均采用三角形隶属度函数,各个变量对应论域上的七个模糊语言值为负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)和正大(PB),按照上面的制定PID三个控制参数(KP、KI、KD)的规则制定模糊规则表5、表6、和表7所示:
表5ΔKp的控制规则表
表6ΔKi的控制规则表
表7ΔKd的控制规则表
模糊控制器中,量化因子Ke、Kec及输出ku(k1(ΔKp)、k2(ΔKi)、k3(ΔKd))可由经验公式求得:
式中:α1为差值的最小值、α2差值变化率的最小值、α3为控制器输出的最小值;β1、β2、β3则分别为与α1、α2、α3相对应的最大值。
Claims (1)
1.一种用于外骨骼***的模糊控制方法,包括:
所述外骨骼***的驱动关节为膝关节,且动力源为液压装置,所述液压装置采用PID控制进行调节,所述PID控制方程可表示为如下公式1:
其中,u(t)为PID控制输出的控制量,t为***的数据采样间隔,e(t)为实际测量值与期望值的差值,KP为PID控制中的比例参数,TI为PID控制中的积分时间参数,TD为PID控制中的微分时间参数;
还包括模糊控制器,所述模糊控制器用于产生PID控制的调节参数,具体为:
将实际测量值与期望值的差值e(t)及其变化率作为模糊控制器的输入E和EC,模糊控制器的输出为控制信号U,对差值E、差值变化率EC和控制信号U的模糊集合和论域定义如下:
E的模糊集合为{NB、NM、NS、NZ、PZ、PS、PM、PB};
EC、U的模糊集合均为{NB、NM、NS、Z、PS、PM、PB};
E和EC的论域为{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6};
U的论域为{-7、-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6、7};
构建模糊关系R为:
R=(E×EC)×U
控制信号U为:
U=(E×EC)R
使用控制信号U对PID控制进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610327152.1A CN105955015A (zh) | 2016-05-17 | 2016-05-17 | 一种用于外骨骼***的模糊控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610327152.1A CN105955015A (zh) | 2016-05-17 | 2016-05-17 | 一种用于外骨骼***的模糊控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105955015A true CN105955015A (zh) | 2016-09-21 |
Family
ID=56913081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610327152.1A Pending CN105955015A (zh) | 2016-05-17 | 2016-05-17 | 一种用于外骨骼***的模糊控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105955015A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363292A (zh) * | 2018-02-11 | 2018-08-03 | 广东电网有限责任公司电力科学研究院 | 一种基于模糊控制策略的火电机组agc控制方法及装置 |
CN111796508A (zh) * | 2020-06-19 | 2020-10-20 | 上海交通大学 | 一种基于模糊pid算法的钻井平台升降控制方法 |
CN112415890A (zh) * | 2020-11-08 | 2021-02-26 | 西北工业大学 | 同时修正误差因子和pid控制系数的模糊-pid数字电压补偿器 |
CN117555224A (zh) * | 2024-01-09 | 2024-02-13 | 冠县新瑞实业有限公司 | 基于解耦控制***的谷朊粉生产控制的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103309233A (zh) * | 2013-05-13 | 2013-09-18 | 陕西国防工业职业技术学院 | 一种模糊pid控制器的设计方法 |
CN103984234A (zh) * | 2014-05-15 | 2014-08-13 | 张万军 | 一种电液伺服***自修正模糊pid控制的方法 |
CN104730927A (zh) * | 2015-03-27 | 2015-06-24 | 西南石油大学 | 智能人工腿的模糊pd变结构控制方法 |
CN104808708A (zh) * | 2015-04-22 | 2015-07-29 | 重庆工商职业学院 | 一种炉温度控制***中模糊pid参数自整定的方法及*** |
CN104901596A (zh) * | 2015-04-16 | 2015-09-09 | 安徽理工大学 | 基于改进的模糊pid的励磁控制及其方法 |
CN105022269A (zh) * | 2015-07-13 | 2015-11-04 | 北京航空航天大学 | 仿生机器鱼关节的控制方法及装置 |
CN105093923A (zh) * | 2015-06-23 | 2015-11-25 | 黄红林 | 一种基于模糊控制的足球机器人底层控制的方法 |
-
2016
- 2016-05-17 CN CN201610327152.1A patent/CN105955015A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103309233A (zh) * | 2013-05-13 | 2013-09-18 | 陕西国防工业职业技术学院 | 一种模糊pid控制器的设计方法 |
CN103984234A (zh) * | 2014-05-15 | 2014-08-13 | 张万军 | 一种电液伺服***自修正模糊pid控制的方法 |
CN104730927A (zh) * | 2015-03-27 | 2015-06-24 | 西南石油大学 | 智能人工腿的模糊pd变结构控制方法 |
CN104901596A (zh) * | 2015-04-16 | 2015-09-09 | 安徽理工大学 | 基于改进的模糊pid的励磁控制及其方法 |
CN104808708A (zh) * | 2015-04-22 | 2015-07-29 | 重庆工商职业学院 | 一种炉温度控制***中模糊pid参数自整定的方法及*** |
CN105093923A (zh) * | 2015-06-23 | 2015-11-25 | 黄红林 | 一种基于模糊控制的足球机器人底层控制的方法 |
CN105022269A (zh) * | 2015-07-13 | 2015-11-04 | 北京航空航天大学 | 仿生机器鱼关节的控制方法及装置 |
Non-Patent Citations (1)
Title |
---|
麻天照: "下肢外骨骼康复机器人控制***设计与研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363292A (zh) * | 2018-02-11 | 2018-08-03 | 广东电网有限责任公司电力科学研究院 | 一种基于模糊控制策略的火电机组agc控制方法及装置 |
CN108363292B (zh) * | 2018-02-11 | 2020-11-03 | 广东电网有限责任公司电力科学研究院 | 一种基于模糊控制策略的火电机组agc控制方法及装置 |
CN111796508A (zh) * | 2020-06-19 | 2020-10-20 | 上海交通大学 | 一种基于模糊pid算法的钻井平台升降控制方法 |
CN112415890A (zh) * | 2020-11-08 | 2021-02-26 | 西北工业大学 | 同时修正误差因子和pid控制系数的模糊-pid数字电压补偿器 |
CN117555224A (zh) * | 2024-01-09 | 2024-02-13 | 冠县新瑞实业有限公司 | 基于解耦控制***的谷朊粉生产控制的方法 |
CN117555224B (zh) * | 2024-01-09 | 2024-04-26 | 冠县新瑞实业有限公司 | 基于解耦控制***的谷朊粉生产控制的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105955015A (zh) | 一种用于外骨骼***的模糊控制方法 | |
CN108001447A (zh) | 一种智能车辆路径跟踪前轮转角补偿控制方法 | |
CN110262229B (zh) | 基于mpc的车辆自适应路径追踪方法 | |
CN103984234A (zh) | 一种电液伺服***自修正模糊pid控制的方法 | |
CN105388764A (zh) | 基于动态矩阵前馈预测的电液伺服pid控制方法及*** | |
CN111290389A (zh) | 一种双足机器人落脚位置控制***与方法 | |
CN106054595A (zh) | 一种用于调整前馈参数的方法和*** | |
CN103750927B (zh) | 下肢假肢膝关节自适应迭代学习控制方法 | |
CN101116969A (zh) | 一种移动机器人运动高精度控制方法 | |
Li et al. | Path tracking method of unmanned agricultural vehicle based on compound fuzzy control | |
CN105093923A (zh) | 一种基于模糊控制的足球机器人底层控制的方法 | |
Zhai et al. | Piecewise analytic optimized ascent trajectory design and robust adaptive finite-time tracking control for hypersonic boost-glide vehicle | |
CN108873893A (zh) | 一种双轮差动小车定位控制方法 | |
US20210131767A1 (en) | System Optimizing Control Coefficients Of Flight Object Under Complex Environmental Effects Using Hybrid Fuzzy Logic And Pid Variant Controller | |
Xie et al. | Parameter self‐learning feedforward compensation‐based active disturbance rejection for path‐following control of self‐driving forklift trucks | |
Shi et al. | PID control of the mechanical legs based on fuzzy adaptive | |
CN115257808A (zh) | 车辆纵向控制方法、装置、电子设备和存储介质 | |
Zhang et al. | Application and Research of Fuzzy PID Control in Resistance Furnace Temperature Control System | |
Chen et al. | Variable discourse of universe fuzzy-PID temperature control system for vacuum smelting based on PLC | |
YANG et al. | A smooth and efficient gait planning for humanoids based on human ZMP | |
Liu et al. | Fuzzy adaptive PID control for path tracking of field intelligent weeding machine | |
CN116393037A (zh) | 一种药物质量控制方法、***、电子设备及介质 | |
Zhang | Optimal control model for an index finger exoskeleton of rehabilitation | |
Han et al. | Internal model control of superheated steam temperature system using TS fuzzy model | |
Jiaqi et al. | Path following control based on fuzzy adaptive PID for unmanned vehicle |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160921 |