CN106933103B - 一种有限时间收敛的遥操作双边控制器的控制方法 - Google Patents
一种有限时间收敛的遥操作双边控制器的控制方法 Download PDFInfo
- Publication number
- CN106933103B CN106933103B CN201710262726.6A CN201710262726A CN106933103B CN 106933103 B CN106933103 B CN 106933103B CN 201710262726 A CN201710262726 A CN 201710262726A CN 106933103 B CN106933103 B CN 106933103B
- Authority
- CN
- China
- Prior art keywords
- control
- sliding
- error
- parameter
- convergence time
- 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.)
- Active
Links
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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种有限时间收敛的遥操作双边控制器的控制方法。所述控制方法包括如下步骤:S01、建立不考虑重力项的动力学模型;S02、根据S01中的动力学模型建立主从双边控制***的误差模型;S03、计算S02中的误差模型的不确定部分的界;S04、定义S02中的误差模型的外界干扰项关于***状态量的界;S05、根据S02确定滑模变量;S06、根据S03至S05,针对S02的误差模型,确定双边控制律;S07、S06中的确定与控制器参数、***初始状态相关的收敛时间并根据收敛时间调整控制律。本发明能保证在给定的有限时间内,主从双边机器人的跟踪误差快速收敛到零,在保证***在时延下稳定性的同时,提高了***双边同步跟踪的快速性。
Description
技术领域
本发明涉及控制技术领域,特别涉及一种有限时间收敛的遥操作双边控制器的控制方法。
背景技术
目前,机器人的控制模式主要分为两大类:自主控制方式和遥操作控制方式。自主控制方式下,机器人通过对外界环境进行感知和判断,根据接收到的任务指令自主进行决策、规划和控制。遥操作控制方式则借助于临场感交互手段(视觉、力/触觉、听觉、味觉等)将操作员纳入到机器人的控制回路中,由操作员根据自己的判断操纵机器人完成一些复杂的任务。
受限于目前有限的人工智能发展水平,面对大多数复杂任务时机器人都无法完全自主地完成作业,另外,很多任务必须依靠专业技术人员的知识,例如远程手术,因此机器人的遥操作控制还是目前主流的控制方式,而且在将来也依旧是必不可少的途径。
双边控制是遥操作的一种主要控制模式,在这种控制模式中,操作员利用人机交互设备发出指令,人机交互设备就是主端机器人,亦被称为手控器,指令经过信号传输通道达到从端,从端机器人根据接收到的指令进行控制;另一方面,从端机器人的位置信息与受到的力信息通过信号传输通道回传给主端,主端的手控器通过控制,将从端机器人受到的力反馈至操作员。整个控制回路中,存在着力与位置两个信息的交互,且需要保证主从端双边的同步性,因此也称为双边控制。一个典型的双边控制***包含以下五个环节:操作员、主端机器人(一般称为手控器、主手)、主从端通信链路(通信环节)、从端机器人(从手)和环境。
由于遥操作机器人的特殊性,主端操作员与从端机器人之间往往相距甚远,其信号传输通道对控制***而言总是存在不可忽视的时延,所以双边控制***是一个回路存在时延的***。众所周知,时延的存在会给控制***带来很大的挑战,因此在现有的双边控制研究中,绝大部分都是针对如何消除时延的影响展开双边控制器设计。
文献《Bilateral teleoperation:An historical survey》对机器人的双边控制方法进行了归纳与总结,发现大部分的研究均为针对如何保证双边控制***在时延下的稳定性展开的,其中最为主流的是基于无源性的方法,其核心思想在于通过保证时延传输环节的无源性从而确保双边***对时延的稳定性。从另一方面讲,这些控制方法只是保证了***的“可用性”,因为稳定性是控制***的基本需求,但没有顾及***的其他性能;甚至很多方法由于采用了较为保守的控制律控制方法,极大牺牲了***除了稳定性之外的其它性能,导致其工程实用性都非常不足。
跟踪性是双边控制器设计的一项重要性能指标,体现的是主从双端的机器人彼此间的同步跟踪能力。在目前已有的主流双边控制方法中,跟踪性往往无法与稳定性得到兼顾。
以文献《An adaptive controller for nonlinear teleoperators》为例,文中设计了一种时延下稳定的双边控制方法,该方法能保证遥操作***在时延下的稳定性,同时自适应机制的引入也对模型不确定性具有一定的鲁棒性。但是从文中对控制性能的分析可以发现,该方法最多只能保证主从双端的同步跟踪误差最终收敛到零,而无法确定这个过程的时间:如果需要很长的时间才能使误差趋近于零,那么该控制器将无法用于实际的遥操作任务。
另一方面,传统的终端滑模存在奇异性的问题,即控制器的状态变量在收敛到零的过程中的某一时刻出现无穷大。
发明内容
本发明的目的是为了解决现有技术需要很长的时间才能使跟踪误差趋近于零的问题,提出一种有限时间收敛的遥操作双边控制器的控制方法。
为解决上述技术问题,本发明采用以下技术方案:
一种有限时间收敛的遥操作双边控制器的控制方法,其特征在于,包括如下步骤:
S01、建立不考虑重力项的动力学模型;
S02、根据S01中的动力学模型建立主从双边控制***的误差模型;
S03、计算S02中的误差模型的不确定部分的界;
S04、定义S02中的误差模型的外界干扰项关于***状态量的界;
S05、根据S02确定滑模变量;
S06、根据S03至S05,针对S02的误差模型,确定双边控制律;
S07、根据S06中的控制律确定与控制器参数、***初始状态相关的收敛时间,然后根据收敛时间调整控制律。
在一些优选的实施方式中,所述S06具体为:
根据滑模变量,按如下方式确定双边控制律:
其中,W(x1)是与x1相同维数的列向量,其具体定义如下:
表达式diag(W(x1))表示以n维列向量W(x1)形成的n×n维对角矩阵,具体为:
此外,是a的估计值,为a的估计值的一阶导数,由以下自适应律进行更新:
控制律中,参数p>0,β2>0,均为正的常数,γ和λ均为自定义的参数。
在一些优选的实施方式中,所述S05具体为:确定不包含负指数次幂项且带有切换策略的滑模变量。
在进一步优选的实施方式中,所述S05包括:
S051、确定关于x1的切换函数Sw(x1i);具体为:
其中,x1i表示向量x1的第i个分量,ε是一个自定义的n维常向量,εi表示ε的第i个分量,ε的所有元素εi均为小的正常数,sign(·)是符号函数,其定义为:
S052、在S051的基础上确定滑模变量S;具体为S=[S1…Si…]T,Si是向量S的第i个分量,Si的定义为:
Si=x1i+β1sigg(x2i)+Sw(x1i)
其中x1i表示向量x1的第i个分量,x2i表示向量x2的第i个分量,β1是大于零的正常数,g的取值范围为1<g<2,sigg(·)是自定义的函数,其定义是:
sigg(·)=sign(·)|·|g。
在一些优选的实施方式中,所述S02包括:
S021、定义增广状态量;
S022、定义期望状态量;
S023、定义***增广参数阵;
S024、根据S021至S023建立***误差模型的误差方程。
在进一步优选的实施方式中,所述S024具体为:
定义误差***状态量x1,x2:x1=q-qd,将***模型变成误差方程的形式:
其中,u=[Fm,Fs]T,w=[Fh,-Fe]T,d为外界干扰项。
在一些优选的实施方式中,所述S07依次包括:
S071、确定***在滑模面上的收敛时间;具体为:
首先得到在滑模面时***的闭环方程:
Si=x1i+β1sigg(x2i)+Sw(x1i)=0
定义李雅普诺夫函数对该李雅普诺夫函数求导,得到根据|x1i|>εi及|x1i|≤εi,分两种情况对的范围进行界定:
根据的表达形式,得到***在滑模面上的收敛时间为T4i,具体为:
S072、确定***在到达滑模面前的收敛时间;具体为:
定义李雅普诺夫函数:
对李雅普诺夫V1求导,得到:
为与a之间的参数误差,接下来得到的范围:
其中,β3由控制参数决定,μ是一个常量,范围为0<μ<1,σ也是一个常量,范围为1<σ<2;
由上一个结果,得到误差***状态量在有限时间T1i内收敛到滑模面S的邻域内,T1i的具体计算方法为:
其中ξ为一个0到1之间的常数,0<ξ<1;
S073、估计总的收敛时间T的上限;具体为:
S074、判断总的收敛时间T是否满足控制要求,若是则确定控制律,若否则调整控制律。
在一些优选的实施方式中,所述S03具体为:
具体包括ΔM和ΔB的界,其中ΔM的界为χDM,ΔB的界为χΔB,χΔM>0,χΔB>0,则有||ΔM||≤χΔM,||ΔB||≤χΔB。
在一些优选的实施方式中,所述S04具体为:
定义外界干扰项d关于***状态量x2的界,按如下定义:
||d||≤cd1+cd2||x2||
其中,cd1与cd2均为正常数,在此定义下,将L(·)的范围表示为φ=1+||x2||的形式:
||L(·)||≤αφ
其中,a是在控制器中需要自适应变化的参数。
在另一方面,本发明还提供一种计算机可读存储介质:
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述任一方法的步骤。
与现有技术相比,本发明的有益效果有:
本发明的控制方法使得收敛时间只与控制器参数、***初始状态有关,控制器参数给定后,在一定的***初始条件下可以估计收敛时间上界,以此来提前评估控制效果,避免通过制作实际的控制器来评估控制效果。根据收敛时间,可通过调节控制器参数以对控制律进行修改,收敛时间可以进一步压缩,提高了同步跟踪的快速性。跟踪误差作为***状态变量,其快速收敛是控制的主要目标之一,因此收敛时间的压缩等价于跟踪误差的快速收敛,也就是说,本发明的控制方法可以使跟踪误差快速趋近于零。
在优选的实施例中,本发明还具有如下有益效果:
进一步地,滑模变量中不包含负指数次幂项并引入了切换策略,保证了状态变量为小量时,产生的控制指令不会到无穷大。因此,基于新的终端滑模面和切换策略的作用,本发明规避了传统终端滑模的奇异性。
附图说明
图1为实施例的控制方法的流程图;
图2为实施例的步骤S02的流程图;
图3为实施例的步骤S05的流程图;
图4为实施例的步骤S07的流程图;
图5表示实施例中主端与从端机器人的位置变化曲线;
图6表示实施例中主端与从端机器人的速度变化曲线;
图7表示实施例中主端与从端机器人的位置跟踪误差曲线;
图8表示实施例中主端与从端机器人的速度跟踪误差曲线;
图9表示实施例中主从双边的滑模面误差;
图10表示实施例中主从双边的控制力曲线;
图11为在相同的仿真条件下,实施例与常规的PD双边控制方法效果的对比。
具体实施方式
以下对本发明的实施方式作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
参考图1至图4,本实施例的控制方法具体包括如下步骤:
S01、建立不考虑重力项的动力学模型;
对于维度各自为n的主从遥操作机器人***,建立不考虑重力项的动力学模型,由Euler-Lagrange方程进行描述:
其中,下标m表示主端机器人的模型,下标s表示从端机器人的模型。用Rn表示n维向量空间,Rn×n表示n×n的矩阵空间,则qm(t),qs(t)∈Rn为广义坐标,为广义速度,为广义加速度,Mm,Ms∈Rn×n为惯量矩阵,是对称正定的;Bm,Bs∈Rn×n为Coriolis力/阻尼项;Fm(t),Fs(t)∈Rn为主端机器人与从端机器人的广义控制力输入矢量;Fh(t)∈Rn为操作员施加在主端机器人的广义外力矢量,Fe(t)∈Rn为外部环境施加在从端机器人的广义外力矢量。
S02、根据S01中的动力学模型建立主从双边控制***的误差模型;该步骤依次包括:
S021、定义增广状态量:
定义增广状态量q(t)与具体为表示为q(t)=[qm(t),qs(t)]T,其中[·]T表示矩阵或向量的转置;
S022、定义期望状态量:
定义期望状态量qd与具体表示为:
其中Tm为主端机器人到从端机器人的前向时延,Ts为从端机器人到主端机器人的后向时延;
S023、定义***增广参数阵;
定义***增广参数阵M和B:
其中,M0表示M的标称部分,ΔM表示M的不确定部分;B0表示B的标称部分,ΔB表示B的不确定部分;
S024、根据S021至S023建立***误差模型的误差方程:
定义误差***状态量x1,x2:x1=q-qd,将***误差模型写成误差方程的形式:
其中,u=[Fm,Fs]T,w=[Fh,-Fe]T,d为外界干扰项。
S03、计算S02中的误差模型的不确定部分的界:
具体包括ΔM和ΔB的界,其中ΔM的界为χDM,ΔB的界为χΔB,χΔM>0,χΔB>0,也就是说,||ΔM||≤χΔM,||ΔB||≤χΔB。
S04、定义S02中的误差模型的外界干扰项关于***状态量的界:
定义外界干扰项d关于***状态量x2的界,按如下定义:
||d||≤cd1+cd2||x2||
其中,cd1与cd2均为正常数。在此定义下,将L(·)的范围表示为φ=1+||x2||的形式:
||L(·)||≤αφ
其中,a是在控制器中需要自适应变化的参数。
S05、根据S02确定滑模变量,具体为确定不包含负指数次幂项且带有切换策略的滑模变量;该步骤具体包括:
S051、确定关于x1的切换函数Sw(x1i),具体为:
其中,x1i表示向量x1的第i个分量,ε是一个自定义的n维常向量,εi表示ε的第i个分量,ε的所有元素εi均为小的正常数,sign(·)是符号函数,其定义为:
S052、在S051的基础上确定滑模变量S,具体为S=[S1…Si…]T,Si是向量S的第i个分量,Si的定义为:
Si=x1i+β1sigg(x2i)+Sw(x1i)
其中x1i表示向量x1的第i个分量,x2i表示向量x2的第i个分量,β1是大于零的正常数,g的取值范围为1<g<2。sigg(·)是自定义的函数,其定义是:
sigg(·)=sign(·)|·|g。
S06、根据S03至S05,针对S02的误差模型,确定双边控制律;
根据滑模变量S,按如下方式确定双边控制律:
其中,W(x1)是与x1相同维数的列向量,其具体定义如下:
表达式diag(W(x1))表示以n维列向量W(x1)形成的n×n维对角矩阵,具体为:
此外,是a的估计值,为a的估计值的一阶导数,由以下自适应律进行更新:
控制律中,参数p>0,β2>0,均为正的常数,γ和λ均为自定义的参数。
S07、根据S06中的控制律确定与控制器参数、***初始状态相关的收敛时间,然后根据收敛时间调整控制律;该步骤具体包括:
S071、确定***在滑模面上的收敛时间:
首先得到在滑模面时***的闭环方程:
Si=x1i+β1sigg(x2i)+Sw(x1i)=0
定义李雅普诺夫函数对该李雅普诺夫函数求导,得到根据|x1i|>εi及|x1i|≤εi,分两种情况对的范围进行界定:
根据的表达形式,得到***在滑模面上的收敛时间为T4i,具体为:
S072、确定***在到达滑模面前的收敛时间;
定义李雅普诺夫函数:
对李雅普诺夫V1求导,得到:
为与a之间的参数误差,接下来得到的范围:
其中,β3由控制参数决定,μ是一个常量,范围为0<μ<1,σ也是一个常量,范围为1<σ<2;
由上一个结果,得到误差***状态量在有限时间T1i内收敛到滑模面S的邻域内,T1i的具体计算方法为:
其中ξ为一个0到1之间的常数,0<ξ<1。
S073、估计总的收敛时间T的上限;具体为:
S074、判断总的收敛时间T是否满足控制要求,若是则确定控制律,若否则调整控制律。
本实施例还包括一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例所述方法的步骤。
下面结合一个具体的设计例来对上述控制方法进行说明:
一个以两个单自由度主从机器人组成的遥操作***,其动力学方程:
满足Mm=Ms=2.7kg,Bm=Bs=0,在从端***情况下有Fe(t)=0,此外,设操作员的作用力满足表达式:
其中kh=10且kd=10。
由于***为单自由度,因此i=1。根据控制器的设计步骤,首先设计滑模面为:
其中,滑模面参数取值为β1=5,ε=0.01。
接下来根据滑模面确定双边控制律为:
其中控制律的参数取值为:β1=5,β2=2,g=1.28,ε=0.01,λ=1.0,γ=1.5,p=0.8。考虑到设计时对***的参数存在不确定性,因此M0在选取时和实际的参数有偏差,在控制器中设置为M0=3.0kg。
在仿真中用设计的控制器对主从双边***进行控制,设定主从间的通信时延为500ms。主从机器人开始处于同一位置,仿真过程中由操作员对主端的机器人施加作用力,从端机器人进行跟随。
参考图5至图10,可以看到,即使有时延与***不确定性的存在,在本发明提出的控制器作用下,主从双边的跟踪误差也能很快收敛到零,达到了控制的目的。图11是在相同的仿真条件下,与常规的PD双边控制方法效果的对比,从图11中可以看到,本发明提出的方法在暂态响应上具有明显的优势:利用常规的双边控制方法时,同步时间在15秒以上,而利用本发明的控制方法,***双边同步的响应时间小于5秒,大大缩短了响应时间。
根据上述可知,在本发明中,考虑的是带时延的遥操作***,由于采用的滑模控制方法对不确定干扰具有一定的鲁棒性,因此本发明即使是在变时延的情况下也能保证双边控制***的稳定。本发明的控制方法通过T1i和T4i联合限定了收敛时间T,而T1i和T4i只与控制器参数、***初始状态有关,其中控制器参数包括β1、β3、p,控制器参数给定后,在一定的***初始条件下可以估计收敛时间T的上界,以此来提前评估控制效果,避免通过制作实际的控制器来评估控制效果。根据收敛时间,可通过调节控制器参数以对控制律进行修改,收敛时间可以进一步压缩,提高了同步跟踪的快速性。跟踪误差作为***状态变量,其快速收敛是控制的主要目标之一,因此收敛时间的压缩等价于跟踪误差的快速收敛,也就是说,本发明的控制方法可以使跟踪误差快速趋近于零。
可见,本发明在保证***在时延下稳定性的同时,提高了***双边同步跟踪的快速性。
另一方面,滑模变量中不包含负指数次幂项,这使得状态变量在收敛到零的过程中的某一时刻不会出现无穷大,同时本发明在滑模变量中引入了切换策略,具体而言就是切换函数Sw(x1i),该切换策略保证了状态变量为小量时,产生的控制指令不会到无穷大。因此,基于新的终端滑模面和切换策略的作用,本发明规避了传统终端滑模的奇异性。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,其还可以对这些已描述的实施方式做出若干替代或变型,而这些替代或变型方式都应当视为属于本发明的保护范围。
Claims (9)
1.一种有限时间收敛的遥操作双边控制器的控制方法,其特征在于,包括如下步骤:
S01、建立不考虑重力项的动力学模型;
S02、根据S01中的动力学模型,定义增广状态量q(t)与定义期望状态量qd与定义***增广参数阵M和B,从而建立主从双边控制***的误差模型;
S03、计算S02中的误差模型中***增广参数阵M和B的不确定部分ΔM和ΔB的界;
S04、定义S02中的误差模型的外界干扰项关于***状态量的界;
S05、根据S02确定不包含负指数次幂项且带有切换策略的滑模变量;
S06、根据S03至S05,针对S02的误差模型,确定双边控制律;
S07、根据S06中的控制律确定与控制器参数、***初始状态相关的收敛时间,得到***在滑模面上的收敛时间T4i和***在到达滑模面前的收敛时间T1i,根据所述***在滑模面上的收敛时间T4i和所述***在到达滑模面前的收敛时间T1i得到总的收敛时间T的上限,然后根据所述总的收敛时间T调整控制律以压缩所述总的收敛时间T。
2.如权利要求1所述的控制方法,其特征在于,所述S06具体为:
根据滑模变量,按如下方式确定双边控制律:
其中,x1,x2是误差***状态量,M0表示M的标称部分,β1是滑模面参数,g为控制律的参数,g的取值范围为1<g<2,φ=1+||x2||,Si是滑模变量S的第i个分量,x1i表示向量x1的第i个分量,I为单位对角矩阵,W(x1)是与x1相同维数的列向量,其具体定义如下:
ε是一个自定义的n维常向量,εi表示ε的第i个分量,表达式diag(W(x1))表示以n维列向量W(x1)形成的n×n维对角矩阵,具体为:
此外,是a的估计值,a是在控制器中需要自适应变化的参数,为a的估计值的一阶导数,由以下自适应律进行更新:
控制律中,参数p>0,β2>0,均为正的常数,γ和λ均为自定义的参数。
3.如权利要求1所述的控制方法,其特征在于,所述S05包括:
S051、确定关于x1的切换函数Sw(x1i);具体为:
其中,x1是误差***状态量,x1i表示向量x1的第i个分量,ε是一个自定义的n维常向量,εi表示ε的第i个分量,ε的所有元素εi均为小的正常数,sign(·)是符号函数,其定义为:
S052、在S051的基础上确定滑模变量S;具体为S=[S1…Si…]T,Si是向量S的第i个分量,Si的定义为:
Si=x1i+β1sigg(x2i)+Sw(x1i)
其中x1i表示向量x1的第i个分量,x2i表示向量x2的第i个分量,β1是大于零的正常数,g的取值范围为1<g<2,sigg(·)是自定义的函数,其定义是:
sigg(·)=sign(·)|·|g。
4.如权利要求1所述的控制方法,其特征在于,所述S02包括:
S021、定义增广状态量;
S022、定义期望状态量;
S023、定义***增广参数阵;
S024、根据S021至S023建立***误差模型的误差方程。
5.如权利要求4所述的控制方法,其特征在于,所述S024具体为:
定义误差***状态量x1,x2:x1=q-qd,将***模型变成误差方程的形式:
其中,u=[Fm,Fs]T,w=[Fh,-Fe]T,d为外界干扰项,qd为期望状态量,q为增广状态量,M和B为***增广参数阵,B0表示B的标称部分,Fm为主端机器人的广义控制力输入矢量,Fs为从端机器人的广义控制力输入矢量,Fh为操作员施加在主端机器人的广义外力矢量,Fe为外部环境施加在从端机器人的广义外力矢量。
6.如权利要求1所述的控制方法,其特征在于,所述S07依次包括:
S071、确定***在滑模面上的收敛时间;具体为:
首先得到在滑模面时***的闭环方程:
Si=x1i+β1sigg(x2i)+Sw(x1i)=0
定义李雅普诺夫函数对该李雅普诺夫函数求导,得到根据|x1i|>εi及|x1i|≤εi,分两种情况对的范围进行界定:
根据的表达形式,得到***在滑模面上的收敛时间为T4i,具体为:
S072、确定***在到达滑模面前的收敛时间;具体为:
定义李雅普诺夫函数:
对李雅普诺夫V1求导,得到:
为与a之间的参数误差,是a的估计值,a是在控制器中需要自适应变化的参数,接下来得到的范围:
其中,β1是滑模面参数,g的取值范围为1<g<2,x1i表示误差***状态量x1的第i个分量,ε是一个自定义的n维常向量,εi表示ε的第i个分量,p为正的常数,γ和λ均为自定义的参数,β3由控制参数决定,μ是一个常量,范围为0<μ<1,σ也是一个常量,范围为1<σ<2;
由上一个结果,得到误差***状态量在有限时间T1i内收敛到滑模面S的邻域内,T1i的具体计算方法为:
其中ξ为一个0到1之间的常数,0<ξ<1;
S073、估计总的收敛时间T的上限;具体为:
S074、判断总的收敛时间T是否满足控制要求,若是则确定控制律,若否则调整控制律。
7.如权利要求1所述的控制方法,其特征在于,所述S03具体为:
具体包括ΔM和ΔB的界,其中ΔM的界为χDM,ΔB的界为χΔB,χΔM>0,χΔB>0,则有||ΔM||≤χΔM,||ΔB||≤χΔB。
8.如权利要求1所述的控制方法,其特征在于,所述S04具体为:
定义外界干扰项d关于***状态量x2的界,按如下定义:
||d||≤cd1+cd2||x2||
其中,cd1与cd2均为正常数,在此定义下,将L(·)的范围表示为φ=1+||x2||的形式:
||L(·)||≤αφ
其中,a是在控制器中需要自适应变化的参数。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710262726.6A CN106933103B (zh) | 2017-04-20 | 2017-04-20 | 一种有限时间收敛的遥操作双边控制器的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710262726.6A CN106933103B (zh) | 2017-04-20 | 2017-04-20 | 一种有限时间收敛的遥操作双边控制器的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106933103A CN106933103A (zh) | 2017-07-07 |
CN106933103B true CN106933103B (zh) | 2019-11-08 |
Family
ID=59436899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710262726.6A Active CN106933103B (zh) | 2017-04-20 | 2017-04-20 | 一种有限时间收敛的遥操作双边控制器的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106933103B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107450326B (zh) * | 2017-08-09 | 2020-03-10 | 清华大学深圳研究生院 | 反步有限时间双边遥操作控制方法及计算机可读存储介质 |
CN108227497B (zh) * | 2018-01-11 | 2021-01-08 | 燕山大学 | 一种考虑***性能受限下网络化遥操作***的控制方法 |
CN108549226A (zh) * | 2018-04-13 | 2018-09-18 | 燕山大学 | 一种时变时延下遥操作***的连续有限时间控制方法 |
CN109116723A (zh) * | 2018-07-24 | 2019-01-01 | 南昌大学 | 基于加幂积分型有限时间收敛的遥操作控制器的设计方法 |
CN109901396A (zh) * | 2019-03-22 | 2019-06-18 | 清华大学深圳研究生院 | 一种双边遥操作***中的改进波变量方法 |
CN110000788B (zh) * | 2019-04-17 | 2020-10-09 | 燕山大学 | 用于远程操作***的有限时间容错控制方法 |
CN110007601B (zh) * | 2019-05-06 | 2022-03-25 | 广东工业大学 | 一种双边遥操作***的控制装置和设备 |
CN112379688B (zh) * | 2020-10-26 | 2022-05-17 | 武汉科技大学 | 一种基于膜计算的多机器人有限时间同步控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104503229A (zh) * | 2014-11-24 | 2015-04-08 | 北京邮电大学 | 基于ls-svm时延预测的波积分双边遥操作控制方法 |
CN105904461A (zh) * | 2016-05-16 | 2016-08-31 | 西北工业大学 | 一种基于径向基函数的神经网络自适应遥操作控制方法 |
-
2017
- 2017-04-20 CN CN201710262726.6A patent/CN106933103B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104503229A (zh) * | 2014-11-24 | 2015-04-08 | 北京邮电大学 | 基于ls-svm时延预测的波积分双边遥操作控制方法 |
CN105904461A (zh) * | 2016-05-16 | 2016-08-31 | 西北工业大学 | 一种基于径向基函数的神经网络自适应遥操作控制方法 |
Non-Patent Citations (5)
Title |
---|
A novel adaptive finite time controller for bilateral teleoperation system;Ziwei Wang 等;《Acta Astronautica》;20171231;第263-270页 * |
A self-adjustingcompliantbilateralcontrolscheme for time-delayteleoperationinconstrainedenvironment;Zhang Chen 等;《ActaAstronautica》;20160725;第185-195页 * |
Chebyshev-Neural-Network-based Adaptive Fixed-Time Control of Bilateral Teleoperation;Ziwei Wang 等;《Proceedings of the 36th Chinese Control Conference》;20170728;第3809-3814页 * |
一种基于切换控制律的机器人双边遥操作方法;陈章 等;《宇航学报》;20150430;第36卷(第4期);第410-418页 * |
水下机械手主从遥操作双边控制策略;刘卫东 等;《西北工业大学学报》;20160215;第34卷(第1期);第53-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106933103A (zh) | 2017-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106933103B (zh) | 一种有限时间收敛的遥操作双边控制器的控制方法 | |
Li et al. | Adaptive fuzzy control for synchronization of nonlinear teleoperators with stochastic time-varying communication delays | |
Long et al. | Decentralized adaptive fuzzy output-feedback control of switched large-scale nonlinear systems | |
CN105319972A (zh) | 基于快速终端滑模的遥操作机器人固定时间控制方法 | |
Tzafestas et al. | Adaptive impedance control in haptic teleoperation to improve transparency under time-delay | |
CN106681343B (zh) | 一种航天器姿态跟踪低复杂度预设性能控制方法 | |
CN105904461A (zh) | 一种基于径向基函数的神经网络自适应遥操作控制方法 | |
Islam et al. | New stability and tracking criteria for a class of bilateral teleoperation systems | |
CN102509152A (zh) | 一种基于rbf神经网络的开关磁阻电机在线建模方法 | |
CN108983734A (zh) | 一种考虑三角形结构下遥操作***的有限时间控制方法 | |
Jin et al. | Adaptive backstepping tracking control of a car with n trailers based on RBF neural network | |
Bouteraa et al. | Distributed synchronization control to trajectory tracking of multiple robot manipulators | |
CN107831774B (zh) | 基于自适应pi控制的刚体卫星姿态***被动容错控制方法 | |
CN106502100A (zh) | 多移动机器人的分布式单时滞控制器设计方法 | |
Vieira et al. | Towards a realistic simulation framework for vehicular platooning applications | |
CN107450320A (zh) | 一种执行器失效的模糊自适应补偿控制方法 | |
CN105843078A (zh) | 滑模控制方法及装置 | |
Ji et al. | Adaptive fault‐tolerant optimized formation control for perturbed nonlinear multiagent systems | |
CN110109372B (zh) | 用于模拟受控制的机器或设施的设备以及方法 | |
Hartley et al. | A longitudinal flight control law based on robust MPC and H2 methods to accommodate sensor loss in the RECONFIGURE benchmark | |
CN105824239A (zh) | 带注视差异约束的平滑追踪眼动自适应跟踪控制器及方法 | |
Zhai et al. | A prescribed‐performance‐like control for improving tracking performance of networked robots | |
Shahbazi et al. | A new set of desired objectives for dual-user systems in the presence of unknown communication delay | |
CN110095989A (zh) | 一种基于反步法的分布式多拉格朗日***跟踪控制策略 | |
Kumar et al. | 5G network virtualization for the remote driving enhancement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |