CN107942684B - 基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法 - Google Patents
基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法 Download PDFInfo
- Publication number
- CN107942684B CN107942684B CN201711432583.5A CN201711432583A CN107942684B CN 107942684 B CN107942684 B CN 107942684B CN 201711432583 A CN201711432583 A CN 201711432583A CN 107942684 B CN107942684 B CN 107942684B
- Authority
- CN
- China
- Prior art keywords
- sliding mode
- mechanical arm
- mode surface
- fractional order
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000036962 time dependent Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
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
本发明公开了一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法,通过设计对不确定上界的自适应率和分数阶自适应非奇异终端滑模的切换控制,使***状态更快的收敛到滑模面上,再通过非奇异终端滑模面的滑模特性,使***状态在有限时间内更快的收敛到平衡点,即跟踪误差收敛到0,从而实现对期望关节角轨迹的跟踪。
Description
技术领域
本发明属于六自由度机器臂轨迹跟踪技术领域,更为具体地讲,涉及一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法。
背景技术
随着机器人工业水平的不断提高,机械臂已被广泛应用于自动化领域,如航空航天等大型设备制造检测,医疗手术,工业生产等。但是机械臂的绝对定位精度不能满足一些高精度的自动化生产需求,且机械臂是一个具有非线性、不确定性、未完全建模、交叉耦合等特征的复杂***,对其进行精确的轨迹跟踪是非常困难的。为了满足更高准确度的轨迹跟踪要求,就必须设计更加精确的控制器以及更具有其适用性的控制方法。
目前被广泛用于非线性复杂***的滑模控制方法,由于其具有对外界干扰以及参数变化的完全鲁棒性,在机械臂***中的应用也取得很好的效果。但由于在控制过程中频繁切换控制结构,使控制器的输出出现较大的抖振现象,导致***不能达到理想滑动模态。基于抖振问题,已有很多先进的方法被提出,例如,边界层法、滑模区域法、趋近率法等,其均能从一定程度上克服或减少抖振,但均以花费更长的响应时间或是跟踪误差较大为代价的。对于高精度要求的多连杆机械臂***中,响应时间的长短,跟踪误差的大小均是其不可忽略的性能指标。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法,在切换控制中设计分数阶指数趋近的自适应滑模控制,使复杂任务以及高精度要求的机械操作中,能够精确地进行轨迹跟踪闭环控制,满足实际情况和工业需求。
为实现上述发明目的,本发明一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法,其特征在于,包括以下步骤:
(1)、设期望的六自由度机械臂末端位姿信息为P,P∈R4×4为齐次变换矩阵,由机械臂逆运动学将末端位姿信息P解算为各个关节的期望关节角qd,qd∈R6且qd=[qd1,qd2,...,qd6]T,R6表示6维的实数;
其中,分别代表六个关节角的角度,角速度和角加速度,M(q)=M0(q)+ΔM(q)∈R6×6为正定惯性矩阵,为科里奥利矩阵,G(q)=G0(q)+ΔG(q)∈R6为重力矩阵,为标称值,ΔM(q),ΔG(q)为***误差项,τ,τd∈R6分别为驱动力矩和干扰力矩;
设六自由度机械臂的动力学模型的实际关节角输出为q,则关节角的角度跟踪误差为:e=q-qd;
比较角度跟踪误差e与预设阈值ζ的大小,如果e<ζ,则运行结束,否则进入步骤(3);
(3)、根据角度跟踪误差e设计线性滑模面s和非奇异终端滑模面σ
(3.1)、线性滑模面s为:
(3.2)、非奇异终端滑模面σ为:
(4)、根据线性滑模面s和非奇异终端滑模面σ设计等效控制器u0
对非奇异终端滑模面σ求一阶导,得:
(5)、设计基于分数阶符号函数的指数趋近的切换控制器u1
(6)、将等效控制器和切换控制器相加并积分,得到最终的控制器τ;
(7)、在控制器τ的控制下,六自由度机械臂的动力学模型输出实际的关节角q*,再利用q*替代假设的q,并返回步骤(2),完成机械臂轨迹跟踪。
本发明的发明目的是这样实现的:
本发明一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法,通过设计对不确定上界的自适应率和分数阶自适应非奇异终端滑模的切换控制,使***状态更快的收敛到滑模面上,再通过非奇异终端滑模面的滑模特性,使***状态在有限时间内更快的收敛到平衡点,即跟踪误差收敛到0,从而实现对期望关节角轨迹的跟踪。
同时,本发明一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法还具有以下有益效果:
(1)、针对抖振现象,本发明采用积分器对控制器的输出进行积分,将不连续的控制信号转化为连续信号,实现实际控制信号的平滑和无振动;
(2)、本发明对滑模控制算法进行了改进,设计一个分数阶滑模控制算法,在切换控制中引入了分数阶指数趋近律,加快了向滑模面的趋近速度,提高了效率;其次,引入分数阶次扩大了***的性能调节范围,具有更好的适应性;
(3)、本发明针对被控机械臂***的建模失配和外界干扰,引入了自适应法则,对***的不确定性上界进行估计,从而有效解决了在没有先验知识的前提下,对不确定性的抑制问题,提高了***的鲁棒性;
(4)、本发明采用了非奇异终端滑模面,能够有效避免滑模的奇异问题,而且能够保证***状态可以在有限时间内快速的收敛到平衡点,即跟踪误差为0,实现机械臂关节角的精确跟踪。
附图说明
图1是本发明基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法流程图;
图2是机械臂六个关节角的跟踪曲线(分数阶次a=0.3);
图3是机械臂六个关节角的跟踪误差曲线(分数阶次a=0.3);
图4是自适应参数随时间的变化曲线(分数阶次a=0.3);
图5是机械臂六个关节处的实际控制值(分数阶次a=0.3);
图6是控制方法在不同分数阶阶次下滑模变量随时间的变化曲线(分数阶次a=0.3和0.5);
图7是控制方法在不同分数阶阶次下控制器的输出曲线(分数阶次a=0.3和0.5)。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法流程图。
在本实施例中,将本发明应用于六自由度机械臂的控制,即对机械臂的六个关节角进行轨迹跟踪。下面结合图1,对本发明一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法进行详细说明,具体包括以下步骤:
S1、针对具体的任务需求,设期望的六自由度机械臂末端位姿序列信息为P,P∈R4 ×4为齐次变换矩阵,由机械臂逆运动学将末端位姿信息P解算为各个关节的期望关节角qd,qd∈R6且qd=[qd1,qd2,...,qd6]T,R6表示6维的实数;
其中,分别代表六个关节角的角度,角速度和角加速度,M(q)=M0(q)+ΔM(q)∈R6×6为正定惯性矩阵,为科里奥利矩阵,G(q)=G0(q)+ΔG(q)∈R6为重力矩阵,M0(q),G0(q)为标称值,ΔM(q),ΔG(q)为***误差项,τ,τd∈R6分别为驱动力矩和干扰力矩;
设六自由度机械臂的动力学模型的实际关节角输出为q,则关节角的角度跟踪误差为:e=q-qd;
比较角度跟踪误差e与预设阈值ζ的大小,如果e<ζ,则运行结束,否则进入步骤S3;
S3、根据角度跟踪误差e设计线性滑模面s和非奇异终端滑模面σ
S3.1、线性滑模面s为:
S3.2、非奇异终端滑模面σ为:
在本实施例中,采用了非奇异终端滑模面,能够有效避免滑模的奇异问题,而且能够保证***状态可以在有限时间内快速的收敛到平衡点,即跟踪误差为0,实现机械臂关节角的精确跟踪。
S4、根据线性滑模面s和非奇异终端滑模面σ设计等效控制器u0
对非奇异终端滑模面σ求一阶导,得:
S5、设计基于分数阶符号函数的指数趋近律的切换控制器u1
切换控制器分为3个部分,第一项用于克服建模失配和外界干扰对控制的影响,从而有效解决了在没有先验知识的前提下,对不确定性的抑制问题,提高了***的鲁棒性;第二项和第三项为滑模面的指数趋近律,其中第二项可使***状态从初始态向滑模面运动,第三项可以实现***状态从初始态到滑模面的指数趋近。
这里我们针对传统的指数趋近律进行了扩展,即将第二项由整数阶扩展到分数阶,且该分数阶符号函数具有以下性质:
通过调整不同的分数阶阶次a,实现对切换控制趋近率的不同的控制,提升切换控制的控制效果。
其中,ρ0,ρ1,ρ2为正的可调参数,ε为一个很小的正常数。
这样通过在切换控制中引入了分数阶指数趋近律,加快了误差的收敛速度,提高了效率;其次,引入分数阶次扩大了***的性能调节范围,具有更好的适应性。
S6、将等效控制器和切换控制器相加并积分,得到最终的控制器τ;
在本实施例中,采用积分器对控制器的输出进行积分,将不连续的控制信号转化为连续信号,实现实际控制信号的平滑和无振动。
S7、在控制器τ的控制下,六自由度机械臂的动力学模型输出实际的关节角q*,再利用q*替代假设的q,并返回步骤S2,经过闭环反馈,最终跟踪到期望的关节角轨迹。
实例
在本实例中,我们首先对本发明所提出的分数阶自适应终端滑模控制器的可行性进行验证,然后对不同的分数阶次进行对比分析,下面对仿真中用到的参数进行说明。
期望的各关节角的轨迹为:
qd1=3.25-(7/5)e-t+(7/20)e-4t,qd2=1.25+e-t-(1/4)e-4t,qd3=1.25-(6/5)e-t+(6/20)e-4t,qd4=3.25-e-t+(5/20)e-4t,qd5=0.25-(4/5)e-t+(4/20)e-4t,qd6=4.25-(3/5)e-t+(3/20)e-4t。
机械臂***的初始状态选择为:
外部干扰项为:τdi=0.02sin(t),i=1,3,4,5,6,τd2=0.1cos(2t)。
针对本发明所提出的控制器,参数选取为:
β=diag(30,30,30,30,30,30),γ=diag(0.002,0.002,0.002,0.002,0.002,0.002),p=15,q=13。自适应参数:ρ0=3,ρ1=4,ρ2=6,ε=0.002。初始值
将上述参数加到所提出的控制器及仿真模型中,得到下面的仿真结果。这里切换控制中分数阶的阶次选取a=0.3,并且进行控制方法可行性的验证。
图2所示为机械臂六个关节角的跟踪曲线,其中qdi,(i=1,...,6)为期望的关节角轨迹,qi,(i=1,...,6)为实际跟踪曲线。在外界干扰存在的情况下,由图中可以看出提出的控制方法可以使实际关节角有效的跟踪到期望值。
图3所示为机械臂六个关节角的跟踪误差,且该误差都能在有限时间内收敛到0,从而体现了该控制方法的有效性,即使***状态在有限时间内收敛到***的平衡点。
图4所示为自适应参数随时间的变化曲线,由图可以看出,该自适应参数在一段时间后不再增长,体现了滑模变量到达滑模面附近时死区技术的作用,同时该自适应法则可以对***的不确定性上界进行估计,从而有效抑制了外界干扰和建模失配对控制性能的影响。
图5所示为六自由度机械臂各个关节处的控制值τ,每个分量记为τi,i=1,...,6。由图中可以看出,6个控制分量在经过积分作用后,有效减小了由切换控制带来的抖震问题,提高了控制的性能。
接下来针对本发明所提出的控制方法,进行不同分数阶次a=0.3和0.5的对比分析。保持上述控制方法和机械臂模型参数不变,只修改切换控制中分数阶的阶次,得到如下的仿真结果。
图6所示为不同分数阶阶次下滑模变量随时间的变化曲线(以第一个分量σ1为例),由图中可以看出在控制器选择不同的分数阶阶次时,该滑模面的的抖动程度有明显不同,且随着分数阶阶次的减小,滑模面的抖动会变小。
图7所示为不同分数阶阶次下控制器的输出曲线(以第一关节的控制量τ1为例),由图中可以看出随着分数阶阶次的减小,由切换控制带来的控制器抖震会变小。实际工程中可灵活选取分数阶阶次已达到最好的控制效果,从而体现了本发明控制方法不同分数阶阶次的适应性。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法,其特征在于,包括以下步骤:
(1)、设期望的六自由度机械臂末端位姿信息为P,P∈R4×4为齐次变换矩阵,由机械臂逆运动学将末端位姿信息P解算为各个关节的期望关节角qd,qd∈R6且qd=[qd1,qd2,…,qd6]T,R6表示6维的实数;
其中,分别代表六个关节角的角度,角速度和角加速度,M(q)=M0(q)+ΔM(q)∈R6×6为正定惯性矩阵,为科里奥利矩阵,G(q)=G0(q)+ΔG(q)∈R6为重力矩阵,M0(q),G0(q)为标称值,ΔM(q),ΔG(q)为***误差项,τ,τd∈R6分别为驱动力矩和干扰力矩;
设六自由度机械臂的动力学模型的实际关节角输出为q,则关节角的角度跟踪误差为:e=q-qd;
比较角度跟踪误差e与预设阈值ζ的大小,如果e<ζ,则运行结束,否则进入步骤(3);
(3)、根据角度跟踪误差e设计线性滑模面s和非奇异终端滑模面σ
(3.1)、线性滑模面s为:
(3.2)、非奇异终端滑模面σ为:
(4)、根据线性滑模面s和非奇异终端滑模面σ设计等效控制器u0
对非奇异终端滑模面σ求一阶导,得:
(5)、设计基于分数阶符号函数的指数趋近的切换控制器u1
其中,切换控制器分为3个部分,第一项用于克服建模失配和外界干扰对控制的影响,从而有效解决了在没有先验知识的前提下,对不确定性的抑制问题,提高了***的鲁棒性;第二项和第三项为滑模面的指数趋近律,其中第二项使***状态从初始态向滑模面运动,第三项实现***状态从初始态到滑模面的指数趋近;
(6)、将等效控制器和切换控制器相加并积分,得到最终的控制器τ;
(7)、在控制器τ的控制下,六自由度机械臂的动力学模型输出实际的关节角q*,再利用q*替代假设的q,并返回步骤(2),完成机械臂轨迹跟踪;
利用死区技术对非奇异终端滑模面的范数||σ||=0的[0,+ε)邻域进行处理,处理后的自适应参数为:
其中,ρ0,ρ1,ρ2为正的可调参数,ε为一个很小的正常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711432583.5A CN107942684B (zh) | 2017-12-26 | 2017-12-26 | 基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711432583.5A CN107942684B (zh) | 2017-12-26 | 2017-12-26 | 基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107942684A CN107942684A (zh) | 2018-04-20 |
CN107942684B true CN107942684B (zh) | 2020-03-24 |
Family
ID=61939195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711432583.5A Active CN107942684B (zh) | 2017-12-26 | 2017-12-26 | 基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107942684B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108646563B (zh) * | 2018-05-15 | 2020-12-01 | 浙江工业大学 | 一种基于均值耦合的多机械臂***固定时间参数辨识与位置同步控制方法 |
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 |
CN108646562B (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***有限时间参数辨识与位置同步控制方法 |
CN108803326B (zh) * | 2018-06-06 | 2021-04-23 | 黄山学院 | 具有干扰和时延的工业机械臂线性自抗扰跟踪控制方法 |
CN108683370B (zh) * | 2018-06-26 | 2020-04-17 | 电子科技大学 | 一种基于自适应滑模观测器的无刷直流电机转矩控制方法 |
CN108983606B (zh) * | 2018-07-09 | 2021-04-27 | 南京理工大学 | 一种机械臂***的鲁棒滑模自适应控制方法 |
CN109557816B (zh) * | 2018-12-28 | 2021-06-29 | 武汉工程大学 | 一种压电陶瓷执行器迟滞特性的抑制方法、***及介质 |
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 |
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 |
CN110262255B (zh) * | 2019-07-16 | 2022-06-14 | 东南大学 | 一种基于自适应终端滑模控制器的机械臂轨迹跟踪控制方法 |
CN110653825A (zh) * | 2019-10-17 | 2020-01-07 | 徐龙 | 一种基于全阶滑模的六自由度机械臂控制方法 |
CN111673742A (zh) * | 2020-05-22 | 2020-09-18 | 江苏信息职业技术学院 | 一种工业机器人轨迹跟踪控制算法 |
CN112241124B (zh) * | 2020-10-27 | 2022-02-11 | 南昌大学 | 一种自适应反演积分非奇异快速终端滑模控制器设计方法 |
CN112859600B (zh) * | 2021-01-08 | 2024-02-09 | 航天时代飞鸿技术有限公司 | 一种基于扩张状态观测器的机械***有限时间控制方法 |
CN113625573B (zh) * | 2021-09-18 | 2023-06-30 | 金陵科技学院 | 受非对称死区输入影响的分数阶***反步滑模控制方法 |
CN114571451B (zh) * | 2022-02-25 | 2023-08-22 | 山东新一代信息产业技术研究院有限公司 | 一种可调漏斗边界的自适应滑模控制方法及设备 |
CN116000912A (zh) * | 2022-04-27 | 2023-04-25 | 北京理工大学 | 一种用于仿生假人踝关节精确跟踪控制方法 |
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 |
CN115685732B (zh) * | 2022-10-27 | 2023-10-13 | 南京师范大学泰州学院 | 一种齿轮巡检机器人***分数阶非线性pd滑模控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106374488A (zh) * | 2016-09-13 | 2017-02-01 | 河海大学常州校区 | 基于分数阶终端滑模的有源电力滤波器afnn控制方法 |
CN106393116A (zh) * | 2016-11-18 | 2017-02-15 | 山东大学 | 具有初态学习的机械臂分数阶迭代学习控制方法及*** |
CN106527152A (zh) * | 2017-01-09 | 2017-03-22 | 山东大学 | 闭环分数阶PDɑ型迭代学习机器人控制器的设计方法及*** |
CN107457783A (zh) * | 2017-07-25 | 2017-12-12 | 电子科技大学 | 基于pd控制器的六自由度机械臂自适应智能检测方法 |
-
2017
- 2017-12-26 CN CN201711432583.5A patent/CN107942684B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106374488A (zh) * | 2016-09-13 | 2017-02-01 | 河海大学常州校区 | 基于分数阶终端滑模的有源电力滤波器afnn控制方法 |
CN106393116A (zh) * | 2016-11-18 | 2017-02-15 | 山东大学 | 具有初态学习的机械臂分数阶迭代学习控制方法及*** |
CN106527152A (zh) * | 2017-01-09 | 2017-03-22 | 山东大学 | 闭环分数阶PDɑ型迭代学习机器人控制器的设计方法及*** |
CN107457783A (zh) * | 2017-07-25 | 2017-12-12 | 电子科技大学 | 基于pd控制器的六自由度机械臂自适应智能检测方法 |
Non-Patent Citations (5)
Title |
---|
Adaptive fractional-order switching-type control method design for 3D fractional-order nonlinear systems;Yin Chun, et al.;《Nonlinear Dynamics》;20151031;第82卷(第1-2期);全文 * |
Fractional-order power rate type reaching law for sliding mode control of uncertain nonlinear system;Yin Chun,et al.;《IFAC Proceedings Volumes》;20141231;全文 * |
Fractional-order switching type control law design for adaptive sliding mode technique of 3D fractional-order nonlinear systems;YIN chun,et al.;《Complexity》;20161231;第21卷(第6期);全文 * |
基于多模态滑模的快速非奇异终端滑模控制;赵霞 等;《基于多模态滑模的快速非奇异终端滑模控制》;20110131;第37卷(第1期);全文 * |
基于改进趋近律的机械臂非奇异终端滑模控制;徐杰 等;《黑龙江科技大学学报》;20160331;第26卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107942684A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107942684B (zh) | 基于分数阶自适应非奇异终端滑模的机械臂轨迹跟踪方法 | |
CN107870570B (zh) | 基于分数阶幂次趋近律的终端滑模机械臂轨迹跟踪方法 | |
CN109927032B (zh) | 一种基于高阶滑模观测器的机械臂轨迹跟踪控制方法 | |
CN110262255B (zh) | 一种基于自适应终端滑模控制器的机械臂轨迹跟踪控制方法 | |
CN108983606B (zh) | 一种机械臂***的鲁棒滑模自适应控制方法 | |
CN108942924B (zh) | 基于多层神经网络的模型不确定性机械臂运动控制方法 | |
CN108614425B (zh) | 移动机器人自适应积分滑模控制方法 | |
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 | |
CN107738273B (zh) | 一种基于输入整形器的机器人关节末端残余振动抑制方法 | |
CN107121932B (zh) | 电机伺服***误差符号积分鲁棒自适应控制方法 | |
CN104932271B (zh) | 一种机械臂伺服***的神经网络全阶滑模控制方法 | |
CN112180729A (zh) | 一种机械臂自适应轨迹跟踪控制方法 | |
CN106113040B (zh) | 基于串并联估计模型的柔性机械臂***模糊控制方法 | |
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 | |
CN110673472A (zh) | 基于神经网络补偿死区反演误差的自适应鲁棒控制方法 | |
CN112223275A (zh) | 基于有限时间跟踪控制的协作机器人控制方法 | |
CN109240092B (zh) | 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 | |
CN111673742A (zh) | 一种工业机器人轨迹跟踪控制算法 | |
Nguyen | Non-Negative Adaptive Mechanism-Based Sliding Mode Control for Parallel Manipulators with Uncertainties. | |
CN111752158B (zh) | 一种有限时间收敛的二阶滑模控制方法 | |
CN117549294A (zh) | 一种优化模糊滑模控制的机械臂轨迹跟踪控制方法 | |
CN109995278B (zh) | 一种考虑输入受限的电机伺服***自调节控制方法 | |
Li et al. | Repetitive learning control of nonlinear continuous-time systems using quasi-sliding mode | |
CN113110070B (zh) | 一种执行器饱和下遥操作***自适应控制方法 | |
CN110625616B (zh) | 一种考虑机械臂参数不确定和干扰的固定时间控制方法 |
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 |