CN107045557B - 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 - Google Patents
面向约束的可重构机械臂非奇异终端滑模力位置控制方法 Download PDFInfo
- Publication number
- CN107045557B CN107045557B CN201610970851.8A CN201610970851A CN107045557B CN 107045557 B CN107045557 B CN 107045557B CN 201610970851 A CN201610970851 A CN 201610970851A CN 107045557 B CN107045557 B CN 107045557B
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- constraint
- sliding mode
- terminal sliding
- force
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013528 artificial neural network Methods 0.000 claims abstract description 21
- 230000008878 coupling Effects 0.000 claims abstract description 14
- 238000010168 coupling process Methods 0.000 claims abstract description 14
- 238000005859 coupling reaction Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 7
- 230000000452 restraining effect Effects 0.000 claims description 5
- 239000012636 effector Substances 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 244000145845 chattering Species 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
面向约束的可重构机械臂非奇异终端滑模力位置控制方法,属于机器人控制方法及受约束***控制方法领域,为了解决传统终端滑模控制力位置控制方法中存在的跟踪精度低、收敛速度慢、存在抖振的问题,在建立面向约束的可重构机械臂***动力学模型的基础上,提出一种新颖的非奇异终端滑模函数,引入了RBF神经网络来补偿***未知非线性项、关节之间耦合项和模型不确定项,并发明了非奇异终端滑模力位置控制方法,使得轨迹跟踪误差在有限时间内收敛到零,同时控制器本身具有较强的鲁棒性,使得控制器抖振效应得到有效抑制,并使控制信号在整个过程中变得光滑,而且保证了轨迹的跟踪精度,实现高精度、微抖振的可重构机械臂***力位置控制。
Description
技术领域
本发明涉及一种面向约束的可重构机械臂非奇异终端滑模力位置控制方法,属于机器人控制方法及受约束***控制方法领域。
背景技术
可重构机械臂是一类由不同尺寸和功能特点的机器人模块构成的装配组合,可以在不同的外部约束下,重构成多种机械臂构形来满足不同任务的要求。和传统的机械臂相比,可重构机械臂由于其具有柔性结构、成本低廉等优势,因此在航天制造、空间探索、医疗救援、商业服务等领域有很大的应用价值。
在实际应用中,面向约束的可重构机械臂***的力和位置都需要进行精确的控制。然而,在机械臂控制的整个过程中,控制器的抖振现象时有发生,究其原因,有很多因素会引起抖振效应,例如,传统的滑模控制可以使控制器自身产生抖振效应;***的不确定性(如摩擦、耦合)会引起控制器抖振;一些柔性因素(如传动装置柔性)也可能引起***抖振;开关转换动作引起的控制的不连续也是抖振效应产生的原因。遗憾的是,抖振效应不仅影响***的控制精度,而且会增加能源消耗,破坏***性能。
滑模控制作为一种行之有效的控制方法被广泛应用于机械臂控制***的设计当中。虽然已经有很多人研究了基于线性滑模和终端滑模技术的机械臂控制方法,但是大多数方法旨在解决自由空间下机械臂***的位置控制问题,而针对面向约束的可重构机械臂***力位置控制方法的研究十分有限。
发明内容
本发明为了解决传统终端滑模控制力位置控制方法中存在的跟踪精度低、收敛速度慢、存在抖振的问题,提出一种面向约束的可重构机械臂非奇异终端滑模力位置控制方法。在建立面向约束的可重构机械臂***动力学模型的基础上,提出一种新颖的非奇异终端滑模函数,引入了RBF神经网络来补偿***未知非线性项、关节之间耦合项和模型不确定项,并发明了非奇异终端滑模力位置控制方法,使得轨迹跟踪误差在有限时间内收敛到零,同时控制器本身具有较强的鲁棒性,使得控制器抖振效应得到有效抑制,并使控制信号在整个过程中变得光滑,而且保证了轨迹的跟踪精度,实现高精度、微抖振的可重构机械臂***力位置控制。
本发明解决技术问题的方案是:
面向约束的可重构机械臂非奇异终端滑模力位置控制方法,其特征是,该方法包括如下步骤:
第一步,面向约束的可重构机械臂***动力学模型通过状态空间表达式模块进行解耦分离不确定性,每个子***模块可以表达成如下形式:
其中,角标“i”表示第“i”个子***,xi是子***Si的状态向量,xi1是子***i的关节位移;以及代表xi和xi1对时间的导数,τi表示子***i的输出力矩,yi是子***Si的输出,将未知项模型不确定项gi(θi)、耦合项以及θ定义如下;
第二步,设计子***的非奇异终端滑模函数si
式中,αi,βi,pi,vi,ki和li为待定参数,0<pi/vi<1,ki/li>pi/vi;ei为第i个关节位置的误差。
第三步,根据第一步建立的状态空间表达式,通过RBF神经网络模块来分别补偿其中的未知项、模型不确定项和耦合项,
其中,ωif,ωig,ωih分别代表函数gi(θi),的理想权值,分别代表函数gi(θi),的权值估计值,φif,φig,φih分别代表函数gi(θi),的理想激活函数,分别代表函数gi(θi),的激活函数估计值, 为权值估计误差,为激活函数估计误差,φ(·)为标准RBF神经网络基函数,为φ(·)的估计值;
由此可得,未知项、模型不确定项和耦合项的形式如下:
第四步,通过第一步、第二步及第三步中给出的状态空间分离项,非奇异终端滑模函数,以及通过RBF神经网络估计项,设计面向约束的可重构机械臂***非奇异终端滑模力位置控制器如下:
τic=Di sgn(si) (27)
最后,通过调节控制器待定参数可以实现轨迹跟踪精度,同时抑制抖振效应。
本发明的有益效果如下:
1、本发明所述的面向约束的可重构机械臂非奇异终端滑模力位置控制方法有效解决了当末端执行器与外界接触时,面对特定的任务能够有效解决可重构机械臂***力和位置的轨迹跟踪控制问题。
2、本发明基于非奇异终端滑模技术,实现了轨迹跟踪误差值在有限时间内收敛到零,同时改善了误差趋近律。
3、本发明基于面向约束的可重构机械臂力位置控制方法,不用改变控制器参数的情况下,可以适用于不同的机械臂构形,降低了机械臂的实际应用成本,同时增加了***可靠性和稳定性。
4、本发明在保证力和位置轨迹跟踪控制精度的前提下,解决了传统机械臂控制中由于不确定性等因素引起的控制器抖振问题。
附图说明
图1为本发明应用对象之面向约束的可重构机械臂***构形A的结构示意图。
图2位本发明应用对象之面向约束的可重构机械臂***构形B的结构示意图。
图3为本发明面向约束的可重构机械臂非奇异终端滑模力位置控制方法原理图。
图4为本发明面向约束的可重构机械臂非奇异终端滑模力位置控制方法流程图。
具体实施方式
下面结合附图对本发明进行进一步的详细说明。
本发明所述的面向约束的可重构机械臂非奇异终端滑模力位置控制方法,普遍适用于集成标准模块与接口,可以根据不同的任务需求对自身构形进行重新组合与配置的可重构机械臂***。由于本发明中设计的控制方法适用于多种机械臂构形,因此选择A、B两种构形作为示例来阐明该发明所设计的方法的有效性。
如图1所示,本发明的面向约束的可重构机械臂非奇异终端滑模力位置控制方法应用对象之构形A,为方便说明,构形A是一个二自由度机械臂,约束是一个墙面。机械臂可以在墙面***,均可以取得良好的控制效果。
如图2所示,本发明的面向约束的可重构机械臂非奇异终端滑模力位置控制方法应用对象之构形B,尽管构形B也是一个二自由度机械臂,但是构形B与构形A的结构形式是完全不同的,约束位置也不同。机械臂可以在约束面内***,可以在不改变控制参数的条件下取得良好的控制效果,从而说明该方法的有效性。
如图3、图4所示,面向约束的可重构机械臂非奇异终端滑模力位置控制方法,该方法实现的步骤和过程如下所示:
1、建立面向约束的可重构机械臂***动力学模型
首先对***进行初始化,考虑一个n自由度的可重构机械臂工作在一个受约束的环境,并且所受的m维约束可以如下表示:
n自由度面向约束的可重构机械臂***的动力学方程可以描述成如下公式:
其中分别表示关节速度和加速度矢量,M(q)∈Rn×n是惯性矩阵,是离心力和哥氏力矩阵,G(q)∈Rn为重力项矩阵,为关节摩擦力项,τ∈Rn代表关节力矩矢量,表示由于接触环境而在在关节坐标中存在的耦合力,其中为带有约束的雅克比矩阵,λ∈Rm是和约束相关的拉格朗日乘子。此外,对于面向约束的可重构机械臂***,需要满足如下先验条件:
条件1、运动约束为无摩擦的刚性约束,而且末端执行器在与接触约束面始终保持接触并跟踪某一预先设定的期望轨迹。
条件4、可重构机械臂***的雅克比矩阵是满秩的。
由于约束的存在,可重构机械臂的操作空间保持(n-m)自由度,因此关节坐标q可以表示成:
其中q2=σ(q1),σ()∈R(n-m)→Rm是一个非线性映射函数。
对公式(3)进行时间求导:
然后对q进行二阶求导得到:
把公式(4)和公式(5)带入公式(2),面向约束的可重构机械臂***的动力学方程可以写成如下形式:
然后,公式(6)通过变换可以写成
其中
T=[1…1]T∈Rn-m+1
因此,公式(7)的子***动力学模型可以写成
其中i=1,2,…n-m+1,当i=n-m+1时,q1i∈q1。在当前***中,力控制和所有的关节信息均相关,位置控制只与局部关节信息有关。
2、设定跟踪误差并设计非奇异终端滑模函数
根据条件2和3,定义qd为期望的关节位置,λd是期望的受约束的拉格朗日乘子,为期望的约束力。控制目的是使机械臂关节与末端执行器在有限的误差范围内能够跟踪期望的位置和约束力并且保证闭环***的稳定性,即达到目标q→qd,λ→λd。
定义轨迹跟踪误差如下:
ei=xi-yid (10)
其中,ei为第i个关节位置的误差,yid是期望的位置。
定义ei的时间导数如下:
设计第i个子***的非奇异终端滑模函数
其中αi>0,βi>0,pi,vi,ki和li都是待定正常数,且0<pi/vi<1,ki/li>pi/vi。
通过结合公式(9)和公式(11),得到公式(12)的时间导数为
3、RBF神经网络补偿子***相关项
其中ωif,ωig和ωih为理想神经网络权值,φ(·)为标准RBF神经网络基函数,Δεif、Δεig、Δεih均表示对应的估计误差。
定义一般形式神经网络权值如下形式:
其中,ωif,ωig,ωih分别代表函数gi(θi),的理想权值,分别代表函数gi(θi),的权值估计值,φif,φig,φih分别代表函数gi(θi),的理想激活函数,分别代表函数gi(θi),的激活函数估计值, 为权值估计误差,为激活函数估计误差;
定义公式(9)中的各项如下
其中εf、εg、εh均表示对应的相关估计误差。
4、设计面向约束的可重构机械臂***非奇异终端滑模力位置控制器
结合公式(20)、(21)和(22),所设计的面向约束的可重构机械臂非奇异终端滑模力位置控制器可以写成如下表达式
τic=Di sgn(si) (27)
其中,sgn(·)为标准符号函数,Di表示全局神经网络估计误差上界,即|εf+εh+εgτi|≤Di。
RBF神经网络的自适应更新率可以定义如下
其中Γif,Γig,Γih都是正常数。
表1控制器参数
然后,通过将控制器参数调整到如上表所示,控制器在整个运行过程中保证了力和位置的跟踪精度的同时,也有效抑制了抖振效应,此控制器适用于不同的构形的面向约束的可重构机械臂***而不需要改变任何参数。
最后,将设计的控制器通过MATLAB软件来对位置、力、控制力矩进行仿真,通过判断运行时间是否到达规定时间,若超过规定时间,仿真结果存储为M文件的形式,输出结果后结束;若未超过,则继续转至解微分方程部分运行。
Claims (2)
1.面向约束的可重构机械臂非奇异终端滑模力位置控制方法,其特征是,该方法包括如下几步:
第一步,面向约束的可重构机械臂***动力学模型通过状态空间表达式模块进行解耦分离不确定性,每个子***模块可以表达成如下形式:
其中,角标“i”表示第“i”个子***,xi是子***Si的状态向量,xi1是子***i的关节位移;以及代表xi和xi1对时间的导数,τi表示子***i的输出力矩,yi是子***Si的输出,将未知项模型不确定项gi(θi)、耦合项以及θ定义如下;
第二步,设计子***的非奇异终端滑模函数si
式中,αi,βi,pi,vi,ki和li为待定参数,0<pi/vi<1,ki/li>pi/vi;ei为第i个关节位置的误差;
第三步,根据第一步建立的状态空间表达式,通过RBF神经网络模块来分别补偿其中的未知项、模型不确定项和耦合项,
其中,ωif,ωig,ωih分别代表函数gi(θi),的理想权值,分别代表函数gi(θi),的权值估计值,φif,φig,φih分别代表函数gi(θi),的理想激活函数,分别代表函数gi(θi),的激活函数估计值, 为权值估计误差,为激活函数估计误差;
由此可得,未知项、模型不确定项和耦合项的形式如下:
第四步,通过第一步、第二步及第三步中给出的状态空间分离项,非奇异终端滑模函数,以及通过RBF神经网络估计项,设计面向约束的可重构机械臂***非奇异终端滑模力位置控制器如下:
τic=Disgn(si) (27)
最后,通过调节控制器待定参数可以实现轨迹跟踪精度,同时抑制抖振效应。
2.根据权利要求1所述的面向约束的可重构机械臂非奇异终端滑模力位置控制方法,其特征在于,所述面向约束的可重构机械臂***,需要满足如下先验条件:
条件1、运动约束为无摩擦的刚性约束,而且末端执行器在与接触约束面始终保持接触并跟踪某一预先设定的期望轨迹;
条件2、期望位置和期望的约束力是有界的;
条件3、期望约束力的积分项及其微分项是已知的;
条件4、可重构机械臂***的雅克比矩阵是满秩的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970851.8A CN107045557B (zh) | 2016-11-01 | 2016-11-01 | 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970851.8A CN107045557B (zh) | 2016-11-01 | 2016-11-01 | 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107045557A CN107045557A (zh) | 2017-08-15 |
CN107045557B true CN107045557B (zh) | 2020-05-12 |
Family
ID=59543046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610970851.8A Active CN107045557B (zh) | 2016-11-01 | 2016-11-01 | 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107045557B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109426145A (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 | 关节柔性双臂空间机器人的自适应神经网络滑模控制方法 |
CN107544261B (zh) * | 2017-10-26 | 2020-07-24 | 长春工业大学 | 不确定环境接触下的可重构机器人分散学习最优控制方法 |
CN107831680B (zh) * | 2017-11-09 | 2019-08-06 | 哈尔滨工业大学 | 遥操作机械臂的层次化避奇异方法 |
CN108132598B (zh) * | 2017-11-17 | 2021-06-01 | 吉林大学 | 移动装弹机械臂***动力学模型与轨迹控制 |
CN108448993B (zh) * | 2018-01-29 | 2020-05-05 | 浙江工业大学 | 一种基于相邻交叉耦合的多电机固定时间自适应滑模控制方法 |
CN108646561B (zh) * | 2018-05-15 | 2021-05-18 | 浙江工业大学 | 一种基于交叉耦合的多机械臂***固定时间参数辨识与位置同步控制方法 |
CN108673502A (zh) * | 2018-05-18 | 2018-10-19 | 昆明理工大学 | 一种基于未知模型动态观测器的机械臂运动控制方法 |
CN108406779A (zh) * | 2018-05-18 | 2018-08-17 | 昆明理工大学 | 一种基于未知输入观测器的机械臂运动控制方法 |
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 |
CN109581868B (zh) * | 2018-09-21 | 2021-11-30 | 长春工业大学 | 基于评判辨识结构的可重构机器人分散神经最优控制方法 |
CN109240092B (zh) * | 2018-11-30 | 2021-09-10 | 长春工业大学 | 基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法 |
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 |
CN110154028A (zh) * | 2019-05-29 | 2019-08-23 | 天津大学 | 机械臂无模型自适应积分终端滑模控制方法 |
CN110456808B (zh) * | 2019-07-15 | 2022-04-01 | 西北工业大学 | 面向目标抓捕的空间机器人快速非奇异终端滑模控制方法 |
CN110405758B (zh) * | 2019-07-15 | 2022-08-09 | 西北工业大学 | 基于非奇异终端滑模技术的空间机器人目标抓捕控制方法 |
CN112987567B (zh) * | 2021-02-09 | 2022-07-22 | 河北科技大学 | 非线性***的固定时间自适应神经网络滑模控制方法 |
CN113031442B (zh) * | 2021-03-04 | 2022-08-02 | 长春工业大学 | 一种模块化机械臂分散鲁棒容错控制方法及*** |
CN113103237B (zh) * | 2021-04-25 | 2022-10-04 | 长春工业大学 | 一种面向未知环境约束的可重构机械臂控制方法及*** |
CN113419423B (zh) * | 2021-07-05 | 2023-10-24 | 沈阳工业大学 | 一种服务机器人有限时间适应结构变化的跟踪控制方法 |
CN113589689B (zh) * | 2021-07-09 | 2024-01-02 | 南昌大学 | 一种基于多参数自适应神经网络的滑模控制器设计方法 |
CN113927592B (zh) * | 2021-08-24 | 2023-05-26 | 盐城工学院 | 一种基于自适应降阶滑模算法的机械臂力位混合控制方法 |
CN114516047B (zh) * | 2022-02-14 | 2024-07-09 | 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*** |
CN114750137A (zh) * | 2022-05-19 | 2022-07-15 | 合肥工业大学 | 一种基于rbf网络的上肢外骨骼机器人运动控制方法 |
CN114888813B (zh) * | 2022-06-21 | 2023-08-04 | 广州大学 | 机械臂位置力混合控制方法及装置 |
CN115157271B (zh) * | 2022-09-05 | 2022-12-16 | 杭州柳叶刀机器人有限公司 | 机械臂控制方法、装置、控制终端及存储介质 |
CN115453890B (zh) * | 2022-10-27 | 2023-08-18 | 南京师范大学泰州学院 | 一种齿轮巡检机器人***全局非奇异终端滑模控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104589349A (zh) * | 2015-01-16 | 2015-05-06 | 西北工业大学 | 一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法 |
CN104698847A (zh) * | 2015-02-10 | 2015-06-10 | 浙江工业大学 | 一种转台伺服***的非奇异终端滑模指定性能控制方法 |
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 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7688016B2 (en) * | 2005-09-28 | 2010-03-30 | Canadian Space Agency | Robust impedance-matching of manipulators interacting with unknown environments |
-
2016
- 2016-11-01 CN CN201610970851.8A patent/CN107045557B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104589349A (zh) * | 2015-01-16 | 2015-05-06 | 西北工业大学 | 一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法 |
CN104698847A (zh) * | 2015-02-10 | 2015-06-10 | 浙江工业大学 | 一种转台伺服***的非奇异终端滑模指定性能控制方法 |
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 |
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 |
Non-Patent Citations (2)
Title |
---|
"动态约束下可重构模块机器人分散强化学习最优控制";董博等;《吉林大学学报(工学版)》;20140930;第44卷(第5期);第1375-1384页 * |
"面向环境约束的可重构机械臂分散力/位置控制方法研究";武帅;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180215(第02期);第I140-806页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107045557A (zh) | 2017-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107045557B (zh) | 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 | |
CN106483964B (zh) | 一种基于接触力观测器的机器人柔顺控制方法 | |
CN109189085B (zh) | 基于事件触发的航天器网络化***姿态控制方法 | |
CN108803324B (zh) | 多关节工业机械臂反步有限时间滑模控制方法 | |
CN111136633B (zh) | 针对时变时延下柔性主-从机器人***的全状态控制方法 | |
Wahrburg et al. | Cartesian contact force estimation for robotic manipulators using Kalman filters and the generalized momentum | |
CN107065564B (zh) | 一种基于自抗扰的中性浮力机器人姿态与轨迹控制方法 | |
CN109634307B (zh) | 一种无人水下航行器复合航迹跟踪控制方法 | |
CN107561935B (zh) | 基于多层神经网络的电机位置伺服***摩擦补偿控制方法 | |
CN104589349B (zh) | 一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法 | |
CN108227485B (zh) | 一种带有执行器饱和的空间机器人自抗扰控制方法 | |
CN108241292B (zh) | 一种基于扩张状态观测器的水下机器人滑模控制方法 | |
Gao et al. | Adaptive neural network visual servo control for dynamic positioning of underwater vehicles | |
CN110543184B (zh) | 一种刚性飞行器的固定时间神经网络控制方法 | |
CN108267952B (zh) | 一种水下机器人自适应有限时间控制方法 | |
Meng et al. | Vibration suppression control of free-floating space robots with flexible appendages for autonomous target capturing | |
CN107422639B (zh) | 一种基于时间延迟估计的双边遥操作控制方法 | |
CN107263483B (zh) | 二自由度关节机器人轨迹的协调控制方法 | |
CN111506095B (zh) | 一种双刚体特征点间饱和固定时间相对位姿跟踪控制方法 | |
CN110488603B (zh) | 一种考虑执行器受限问题的刚性飞行器自适应神经网络跟踪控制方法 | |
CN111258216A (zh) | 一种适用于四旋翼飞行器的滑模重复控制器 | |
CN108181806B (zh) | 基于采样输出的空间机器人位置与姿态自抗扰控制方法 | |
Barbalata et al. | Position/force operational space control for underwater manipulation | |
CN109188910B (zh) | 一种刚性飞行器的自适应神经网络容错跟踪控制方法 | |
CN112327892A (zh) | 一种auv误差受限的抗扰控制方法 |
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 |