CN108303885B - 一种基于干扰观测器的电机位置伺服***自适应控制方法 - Google Patents
一种基于干扰观测器的电机位置伺服***自适应控制方法 Download PDFInfo
- Publication number
- CN108303885B CN108303885B CN201810094286.2A CN201810094286A CN108303885B CN 108303885 B CN108303885 B CN 108303885B CN 201810094286 A CN201810094286 A CN 201810094286A CN 108303885 B CN108303885 B CN 108303885B
- Authority
- CN
- China
- Prior art keywords
- motor position
- equation
- position servo
- formula
- servo system
- 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
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干扰观测器的电机位置伺服***自适应控制方法。该方法为:首先建立电机位置伺服***的数学模型;然后构建干扰观测器和基于干扰观测器的自适应控制器;最后运用李雅普诺夫稳定性理论,对电机位置伺服***进行稳定性证明,并运用Barbalat引理得到***的全局渐近稳定结果。本发明基于电机位置伺服***的积分串联模型和干扰观测器,设计了基于干扰观测器的非线性控制方法,并将其与自适应控制相融合,对未建模干扰和参数不确定性分别进行估计,使伺服***在未建模干扰为时变干扰时,***也能达到全局渐进稳定;解决了***的强参数不确定性和强不确定性非线性问题,使***获得了更好的跟踪性能。
Description
技术领域
本发明涉及机电伺服控制技术领域,特别是一种基于干扰观测器的电机位置伺服***自适应控制方法。
背景技术
电机伺服***凭借其动态响应快、维护方便、传动效率高、没有公害污染以及能源获取方便的优点,广泛应用于各个领域,如机器人、机床、航空航天等。特别是随着电子技术和计算机软件技术的发展,电机伺服***的发展前景愈加广阔。电机伺服***是一个典型的非线性***,包含许多建模不确定性,包括参数不确定性(如力矩放大系数和粘性摩擦系数等)和不确定非线性(如外干扰和未建模摩擦等),这些因素尤其是不确定非线性的存在,会严重恶化控制器期望的控制性能,导致***跟踪误差不理想、极限环振荡、甚至使***失稳,从而使控制器的设计变得困难。因此探索能同时处理***参数不确定性和不确定性非线性,从而使***获得高精度跟踪性能的先进控制策略显得尤为重要。
在现代非线性控制方法中,为了可以同时解决参数不确定性和不确定非线性的问题,并能使***获得很好的跟踪性能,提出了自抗扰自适应控制(ADRAC)方法。该控制方法主要利用线性扩张状态观测器(LESO),对***的不确定性非线性进行估计,并在控制器设计中对其进行补偿,同时采用自适应控制来处理***的参数不确定性,以提高控制器模型补偿的精度,获得了很好的跟踪性能。但是该控制方法存在一个缺陷,即当不确定非线性是时变干扰时,***只能达到有界稳定。
发明内容
本发明的目的在于提供一种在参数不确定性和未建模干扰同时存在的条件下,电机位置伺服***能得到全局渐进稳定的基于干扰观测器的自适应控制方法。
实现本发明目的的技术解决方案为:一种基于干扰观测器的电机位置伺服***自适应控制方法,包括以下步骤:
步骤1,建立电机位置伺服***的数学模型;
步骤2,构建干扰观测器,并对电机位置伺服***的总不确定项进行估计;
步骤3,构建基于干扰观测器的自适应控制器DAC;
步骤4,运用李雅普诺夫稳定性理论,对电机位置伺服***进行稳定性证明,并运用Barbalat引理得到***的全局渐近稳定结果。
进一步地,步骤1所述的建立电机位置伺服***的数学模型,具体如下:
(1.1)根据牛顿第二定律简化电机的电气动态为比例环节,电机位置伺服***的运动方程为:
(1.3)做如下假设:
假设1:***参考指令信号x1d(t)是二阶连续的,且***期望位置指令、速度指令、加速度指令都是有界的;***总的干扰d及其一阶导数都是有界的;
假设2:***参数θ=[θ1,θ2]T是有界的,即θ=[θ1,θ2]T满足如下条件:
θ∈Ωθ={θ:θmin≤θ≤θmax} (3)
式(3)中θmin=[θ1min,θ2min]Tθmax=[θ1max,θ2max]T是可知的;
定义如下的符号说明:·i表示向量 ·的第i个元素,两向量间的符号<表示各向量元素之间的小于关系;
(1.4)构建电机位置伺服***的参数自适应率;
给定如下受控的参数自适应率:
式中,Γ>0为正定对角矩阵,表示自适应增益;τ为参数自适应函数;对于任意的自适应函数τ,式(5)中的不连续映射具有如下性质:
进一步地,步骤2所述的构建干扰观测器,并对电机位置伺服***的总不确定项进行估计,具体如下:
(2.3)由公式(8)、(9)可得估计误差的动态方程为:
进一步地,步骤3所述构建基于干扰观测器的自适应控制器,具体如下:
(3.1)定义z1=x1-x1d为***的跟踪误差,式中x1d为***期望跟踪的位置指令且该指令二阶连续可微,根据式(2)中的第一个方程选取x2为虚拟控制,使方程趋于稳定状态;令x2eq为虚拟控制的期望值,x2eq与真实状态x2的误差为z2=x2-x2eq,对z1求导得:
设计虚拟控制律:
式(12)中k1>0为可调增益,将式(12)代入式(11),则得:
由于z1(s)=G(s)z2(s),式中G(s)=1/(s+k1)是一个稳定的传递函数,当z2趋于0时,z1也必然趋于0,所以设计目标为使z2趋于0;
电机位置伺服***自适应控制器的控制输入u为:
u=ua+us,us=-k2z2 (15)
式(15)中k2为正的可调增益,ua为基于模型的补偿项,us为线性鲁棒反馈项;
将式(15)代入式(14)中得:
根据式(11)及(13)得:
进一步地,步骤4所述的运用李雅普诺夫稳定性理论,对电机位置伺服***进行稳定性证明,并运用Barbalat引理得到***的全局渐近稳定的结果,具体如下:
给定参数自适应函数:
定义辅助函数:
根据控制理论中***的稳定性分析,选取李雅普诺夫方程为:
式(22)中,β1、β2是正的可调增益;运用Barbalat引理得到***的全局渐近稳定的结果,因此通过调节增益k1,k2,l1,l2,l3,β1,β2,α及Γ,针对电机位置伺服***构建的基于干扰观测器的自适应控制器,使***的跟踪误差在时间趋于无穷的条件下趋于零。
本发明与现有技术相比,其显著优点是:(1)基于电机位置伺服***的积分串联模型和干扰观测器(DO),设计了基于干扰观测器的非线性控制方法,并将其与自适应控制相融合,对参数不确定性和未建模干扰分别进行估计,使伺服***在未建模干扰为时变干扰时,***也能达到全局渐进稳定;(2)解决了***的强参数不确定性和强不确定性非线性问题,使***获得了更好的跟踪性能。
附图说明
图1是本发明电机位置伺服***的原理图。
图2是电机位置伺服***基于干扰观测器的自适应控制(DAC)方法的原理示意图。
图3是本发明中DAC控制器作用下***输出对期望指令的跟踪过程曲线图。
图4是本发明中DAC控制器作用下***的跟踪误差随时间变化的曲线图。
图5是本发明中PID、ADRAC和DAC控制器作用下***的跟踪误差对比曲线图。
图6是本发明中干扰观测器对***建模不确定性的估计图。
图7是本发明中DAC控制器作用下***参数估计值随时间变化的曲线图。
图8是本发明中DAC控制器作用下***的控制输入随时间变化的曲线图。
图9是本发明中***中只存在时变干扰时DAC和ADRAC控制器作用下***建模不确定性的估计误差对比曲线图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
结合图1~2,本发明基于干扰观测器的电机位置伺服***自适应控制方法,包括以下步骤:
步骤1,建立电机位置伺服***的数学模型;
(1.1)根据牛顿第二定律简化电机的电气动态为比例环节,电机位置伺服***的运动方程为:
(1.3)为便于控制器设计,做如下假设:
假设1:***参考指令信号x1d(t)是二阶连续的,且***期望位置指令、速度指令、加速度指令都是有界的;***总的干扰d及其一阶导数都是有界的;
假设2:***参数θ=[θ1,θ2]T是有界的,即θ=[θ1,θ2]T满足如下条件:
θ∈Qθ={θ:θmin≤θ≤θmax} (3)
式(3)中θmin=[θ1min,θ2min]Tθmax=[θ1max,θ2max]T是可知的;
定义如下的符号说明:·i表示向量·的第i个元素,而两向量间的符号<表示各向量元素之间的小于关系;
(1.4)设计电机位置伺服***的参数自适应率;
给定如下受控的参数自适应率:
式中,Γ>0为正定对角矩阵,表示为自适应增益,τ为参数自适应函数;对于任意的自适应函数τ,式(5)中的不连续映射具有如下性质:
步骤2,设计干扰观测器,并对电机位置伺服***的总干扰d(x,t)进行估计,步骤如下:
(2.3)由公式(8)、(9)可得估计误差的动态方程为:
步骤3,设计基于干扰观测器的自适应控制器,具体如下:
(3.1)定义z1=x1-x1d为***的跟踪误差,式中x1d是***期望跟踪的位置指令且该指令二阶连续可微,根据式(2)中的第一个方程选取x2为虚拟控制,使方程趋于稳定状态;令x2eq为虚拟控制的期望值,x2eq与真实状态x2的误差为z2=x2-x2eq,对z1求导可得:
设计虚拟控制律:
式(12)中k1>0为可调增益,将式(12)代入式(11),则可得:
由于z1(s)=G(s)z2(s),式中G(s)=1/(s+k1)是一个稳定的传递函数,当z2趋于0时,z1也必然趋于0,所以设计目标为使z2趋于0;
电机位置伺服***自适应控制器的控制输入u为:
u=ua+us,us=-k2z2 (15)
式(15)中k2为正的可调增益,ua为基于模型的补偿项,us为线性鲁棒反馈项;将式(15)代入式(14)中得:
根据式(11)及(13)可得:
步骤4,运用李雅普诺夫稳定性理论,对电机位置伺服***进行稳定性证明,并运用Barbalat引理得到***的全局渐近稳定的结果,具体如下:
(4.1)给定参数自适应函数:
定义辅助函数:
根据控制理论中***的稳定性分析,选取李雅普诺夫方程为:
式(22)中,β1、β2是正的可调增益;
(4.2)运用李亚普诺夫稳定性理论进行稳定性证明,对式(22)求导,将式(10)、(13)、(19)、(20)、(21)代入求导后的李亚普诺夫方程,并令β1=β2l2,可得:
定义:
通过选择适当的参数使β2α[4k1(θ1k2+θ2)-(θ2k1+θ1)2]>k1,可使对称矩阵Λ为正定矩阵,则有:
式(26)中λmin(Λ)为对称正定矩阵Λ的最小特征值;
对式(26)积分可得:
由式(27)可知z1,z2,范数,且根据式(10)、(13)、(19)可得: 范数,因此W是一致连续的,由Barbalat引理可知:t→∞时,W→0。故t→∞时,z1→0,由此证明了***的渐进稳定性。
综上可知,针对电机位置伺服***设计的基于干扰观测器的自适应控制器,可以使***得到全局渐近稳定的结果;调节增益k1,k2,l1,l2,l3,β1,β2,α及Γ,可以使***的跟踪误差在时间趋于无穷的条件下趋于零,提高了***的跟踪性能。
实施例1
为验证所设计的控制器性能,在仿真中取如下参数对电机位置伺服***进行建模:
惯性负载参数m=10kg·m2;粘性摩擦系数B=1N·m·s/rad;力矩放大系数ki=10N·m/V;
给定***的期望指令为x1d=0.2sin(t)[1-exp(-0.01t3)](rad)。
取如下的控制器以作对比:
基于干扰观测器的自适应(DAC)控制器:取控制器参数k1=10,k2=10;调节增益l1=40,l2=1000,l3=3,α=0.2,β1=100,β2=0.1,自调节律增益Γ=diag{700,7000};θmin=[0.4,0.02]T,θmax=[3,1]T,
主动干扰抑制自适应(ADRAC)控制器:考虑ADRAC控制器是为了对比验证在时变干扰存在时,ADRAC控制器只能使***达到有界稳定,而DAC控制器能使***达到渐进稳定。取观测器频宽ω0=50,其余控制器参数与DNAC控制器中对应的参数相同。
PID控制器:PID控制器参数的选取步骤是:首先在忽略电机***非线性动态的情况下,通过Matlab中的PID参数自整定功能获得一组控制器参数,然后再将***的非线性动态加上后,对已获得的自整定参数进行微调,使***获得最佳的跟踪性能。选取的控制器参数为kP=2000,kI=10,kD=0。
DAC控制器作用下***输出对期望指令的跟踪、控制器跟踪误差以及PID、ADRAC和DAC控制器作用下***的跟踪误差对比分别如图3、图4和图5所示。由图3和图4可知,在DAC控制器作用下,电机位置伺服***的位置输出对指令的跟踪精度很高;由图5可知,在本发明设计的DAC控制器作用下,***的跟踪性能相较于PID控制器要好很多,同时也不逊于ADRAC控制器的跟踪效果。
图6是本发明中干扰观测器对***建模不确定性的估计,通过调节可调增益α和l3,可以使建模不确定性的估计误差减小。
图7是DAC控制器作用下***参数估计随时间变化的曲线。从图中可以看出,DAC控制器作用下***的参数估计能较好地收敛真值。
图8是***在DAC控制器作用下***控制输入随时间变化的曲线图。
图9是***中只存在时变干扰时,DAC和ADRAC控制器作用下***建模不确定性的估计误差对比曲线。从图中可以看出,在相同条件下,DAC控制器能更准确地估计***的建模不确定性。
综上可知,本发明基于干扰观测器的电机位置伺服***自适应控制方法,设计了一种基于干扰观测器的非线性控制方法,并将其与自适应控制相融合,对***中的参数不确定性和未建模干扰分别进行估计,有效地解决了传统干扰观测器存在的局限性以及ADRAC控制方法不能在时变干扰存在时使***趋于全局渐进稳定的问题,同时解决了***的强参数不确定性和强不确定性非线性,使***获得了更好的跟踪性能。仿真结果验证了其有效性。
Claims (2)
1.一种基于干扰观测器的电机位置伺服***自适应控制方法,其特征在于,包括以下步骤:
步骤1,建立电机位置伺服***的数学模型;
步骤2,构建干扰观测器,并对电机位置伺服***的总不确定项进行估计;
步骤3,构建基于干扰观测器的自适应控制器;
步骤4,运用李雅普诺夫稳定性理论,对电机位置伺服***进行稳定性证明,并运用Barbalat引理得到***的全局渐近稳定结果;
步骤1所述的建立电机位置伺服***的数学模型,具体如下:
(1.1)根据牛顿第二定律简化电机的电气动态为比例环节,电机位置伺服***的运动方程为:
(1.3)做如下假设:
假设1:***参考指令信号x1d(t)是二阶连续的,且***期望位置指令、速度指令、加速度指令都是有界的;***总的干扰d及其一阶导数都是有界的;
假设2:***参数θ=[θ1,θ2]T是有界的,即θ=[θ1,θ2]T满足如下条件:
θ∈Ωθ={θ:θmin≤θ≤θmax} (3)
式(3)中θmin=[θ1min,θ2min]T,θmax=[θ1max,θ2max]T是可知的;
定义如下的符号说明:·i表示向量·的第i个元素,两向量间的符号<表示各向量元素之间的小于关系;
(1.4)构建电机位置伺服***的参数自适应率;
给定如下受控的参数自适应率:
式中,Γ>0为正定对角矩阵,表示自适应增益;τ为参数自适应函数;对于任意的自适应函数τ,式(5)中的不连续映射具有如下性质:
步骤2所述的构建干扰观测器,并对电机位置伺服***的总不确定项进行估计,具体如下:
(2.3)由公式(8)、(9)可得估计误差的动态方程为:
步骤3所述构建基于干扰观测器的自适应控制器,具体如下:
(3.1)定义z1=x1-x1d为***的跟踪误差,式中x1d为***期望跟踪的位置指令且该指令二阶连续可微,根据式(2)中的第一个方程选取x2为虚拟控制,使方程趋于稳定状态;令x2eq为虚拟控制的期望值,x2eq与真实状态x2的误差为z2=x2-x2eq,对z1求导得:
设计虚拟控制律:
式(12)中k1>0为可调增益,将式(12)代入式(11),则得:
由于z1(s)=G(s)z2(s),式中G(s)=1/(s+k1)是一个稳定的传递函数,当z2趋于0时,z1也必然趋于0,所以设计目标为使z2趋于0;
电机位置伺服***自适应控制器的控制输入u为:
u=ua+us,us=-k2z2 (15)
式(15)中k2为正的可调增益,ua为基于模型的补偿项,us为线性鲁棒反馈项;将式(15)代入式(14)中得:
根据式(11)及(13)得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094286.2A CN108303885B (zh) | 2018-01-31 | 2018-01-31 | 一种基于干扰观测器的电机位置伺服***自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094286.2A CN108303885B (zh) | 2018-01-31 | 2018-01-31 | 一种基于干扰观测器的电机位置伺服***自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108303885A CN108303885A (zh) | 2018-07-20 |
CN108303885B true CN108303885B (zh) | 2021-01-08 |
Family
ID=62867416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810094286.2A Active CN108303885B (zh) | 2018-01-31 | 2018-01-31 | 一种基于干扰观测器的电机位置伺服***自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108303885B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200089229A1 (en) * | 2018-09-18 | 2020-03-19 | GM Global Technology Operations LLC | Systems and methods for using nonlinear model predictive control (mpc) for autonomous systems |
CN109709807B (zh) * | 2018-12-27 | 2020-09-18 | 中科院计算技术研究所南京移动通信与计算创新研究院 | 一种基于摩擦补偿的自适应神经网络控制方法及其装置 |
CN109995278B (zh) * | 2018-12-29 | 2020-08-11 | 中科院计算技术研究所南京移动通信与计算创新研究院 | 一种考虑输入受限的电机伺服***自调节控制方法 |
CN109814386B (zh) * | 2019-01-24 | 2021-08-31 | 天津大学 | 基于无模型外环补偿的机器人轨迹跟踪自抗扰控制方法 |
CN110572093B (zh) * | 2019-08-29 | 2021-04-09 | 南京理工大学 | 基于电机位置伺服***期望轨迹和干扰补偿的arc控制方法 |
CN110928182B (zh) * | 2019-11-05 | 2022-12-13 | 南京理工大学 | 基于状态估计的液压伺服***鲁棒自适应重复控制方法 |
CN110703609B (zh) * | 2019-11-18 | 2021-08-06 | 南京工业大学 | 一种电机伺服***智能运动控制方法 |
CN111459093B (zh) * | 2019-12-03 | 2021-12-10 | 南京工大数控科技有限公司 | 一种机床主轴精密运动输出反馈控制方法 |
CN111007728B (zh) * | 2019-12-30 | 2022-12-09 | 安徽工业大学 | 一种考虑全状态约束的电机自抗扰自适应控制方法 |
CN111338209B (zh) * | 2020-03-03 | 2022-11-22 | 南京理工大学 | 一种基于扩张干扰观测器的电液伺服***自适应控制方法 |
CN111708276B (zh) * | 2020-04-30 | 2022-12-02 | 南京理工大学 | 基于线性状态观测器观测误差补偿的自适应鲁棒控制方法 |
CN111665824A (zh) * | 2020-06-23 | 2020-09-15 | 中国北方车辆研究所 | 一种pi控制器和线性自抗扰控制器对比测试方法 |
CN111913391B (zh) * | 2020-08-12 | 2022-05-24 | 深圳职业技术学院 | 一种自适应控制的离散时间非最小相位***的稳定方法 |
CN113110048B (zh) * | 2021-04-13 | 2022-06-17 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 采用hosm观测器的非线性***输出反馈自适应控制***和方法 |
CN114035429B (zh) * | 2021-09-14 | 2024-05-24 | 南京航空航天大学 | 一种基于干扰观测器的涡扇发动机切换***的输出跟踪控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002318602A (ja) * | 2001-02-19 | 2002-10-31 | Komatsu Ltd | むだ時間を有するプロセス系に対する離散時間スライディングモード制御装置及び方法 |
CN104360635A (zh) * | 2014-10-21 | 2015-02-18 | 南京理工大学 | 一种电机位置伺服***的抗干扰控制方法 |
CN104614984A (zh) * | 2014-11-20 | 2015-05-13 | 南京理工大学 | 一种电机位置伺服***的高精度控制方法 |
CN106100469A (zh) * | 2015-04-21 | 2016-11-09 | 南京理工大学 | 基于自适应的电机伺服***鲁棒位置控制器的实现方法 |
CN106125553A (zh) * | 2016-08-24 | 2016-11-16 | 南京理工大学 | 一种考虑状态约束的液压***自适应控制方法 |
-
2018
- 2018-01-31 CN CN201810094286.2A patent/CN108303885B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002318602A (ja) * | 2001-02-19 | 2002-10-31 | Komatsu Ltd | むだ時間を有するプロセス系に対する離散時間スライディングモード制御装置及び方法 |
CN104360635A (zh) * | 2014-10-21 | 2015-02-18 | 南京理工大学 | 一种电机位置伺服***的抗干扰控制方法 |
CN104614984A (zh) * | 2014-11-20 | 2015-05-13 | 南京理工大学 | 一种电机位置伺服***的高精度控制方法 |
CN106100469A (zh) * | 2015-04-21 | 2016-11-09 | 南京理工大学 | 基于自适应的电机伺服***鲁棒位置控制器的实现方法 |
CN106125553A (zh) * | 2016-08-24 | 2016-11-16 | 南京理工大学 | 一种考虑状态约束的液压***自适应控制方法 |
Non-Patent Citations (3)
Title |
---|
Adaptive neural tracking control for uncertain nonlinear systems with input and output constraints using disturbance observer;Rong Li,etc;《Neurocomputing》;20170426;全文 * |
基于干扰观测器的位置伺服***复合控制;张松涛,等;《液压与气动》;20131115;全文 * |
基于干扰观测器的电液位置伺服***跟踪控制;刘龙,等;《兵工学报》;20151115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108303885A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
CN107121932B (zh) | 电机伺服***误差符号积分鲁棒自适应控制方法 | |
Rsetam et al. | Design of robust terminal sliding mode control for underactuated flexible joint robot | |
CN104252134B (zh) | 基于扩张状态观测器的电机伺服***自适应鲁棒位置控制方法 | |
Zeinali et al. | Adaptive sliding mode control with uncertainty estimator for robot manipulators | |
CN104111607B (zh) | 一种考虑输入时滞的电机位置伺服***的控制方法 | |
CN105563489B (zh) | 基于非线性自抗扰控制技术的柔性机械臂控制方法 | |
CN110673472B (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 | |
CN108155833B (zh) | 考虑电气特性的电机伺服***渐近稳定控制方法 | |
CN104238572A (zh) | 基于扰动补偿的电机伺服***无抖动滑模位置控制方法 | |
CN104965412B (zh) | 受控化发射平台的自适应鲁棒输出反馈控制方法 | |
CN111708276B (zh) | 基于线性状态观测器观测误差补偿的自适应鲁棒控制方法 | |
CN104614984A (zh) | 一种电机位置伺服***的高精度控制方法 | |
CN111930008A (zh) | 基于数据驱动控制的压电微定位平台轨迹跟踪控制方法 | |
Freidovich et al. | Robust feedback linearization using extended high-gain observers | |
CN108762088B (zh) | 一种迟滞非线性伺服电机***滑模控制方法 | |
CN104965413B (zh) | 受控化发射平台的摩擦补偿自适应控制方法 | |
Lin et al. | Multi-lagged-input iterative dynamic linearization based data-driven adaptive iterative learning control | |
CN114114928A (zh) | 一种压电微定位平台的固定时间自适应事件触发控制方法 | |
CN113110048A (zh) | 采用hosm观测器的非线性***输出反馈自适应控制***和方法 | |
CN110888320B (zh) | 基于双电动缸同步运动误差建模的自适应鲁棒控制方法 | |
CN109995278B (zh) | 一种考虑输入受限的电机伺服***自调节控制方法 | |
CN109324503B (zh) | 基于鲁棒积分的多层神经网络电机***控制方法 | |
Huang et al. | Model-free adaptive trajectory tracking control of robotic manipulators with practical prescribed-time performance |
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 |