CN108762088A - 一种迟滞非线性伺服电机***滑模控制方法 - Google Patents
一种迟滞非线性伺服电机***滑模控制方法 Download PDFInfo
- Publication number
- CN108762088A CN108762088A CN201810634210.4A CN201810634210A CN108762088A CN 108762088 A CN108762088 A CN 108762088A CN 201810634210 A CN201810634210 A CN 201810634210A CN 108762088 A CN108762088 A CN 108762088A
- Authority
- CN
- China
- Prior art keywords
- electrical machinery
- sluggish
- servo
- machinery system
- servo electrical
- 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.)
- Granted
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
本发明公开了一种迟滞非线性伺服电机***滑模控制方法,涉及机电控制技术领域,设计了滑模状态观测器观测***未知状态,解决了迟滞伺服电机***状态变量如伺服电机角速度、角加速度、负载角速度、负载角加速度、迟滞环节等难以直接测得,从而影响控制器设计的问题;将***其余未知部分看作扰动,利用仅有一层的切比雪夫神经网络估计***未知扰动,避免了同时设计扰动观测器和状态观测器,降低了控制难度,解决了迟滞伺服电机***未知扰动的估计问题;设计了滑模控制器,通过调节跟踪误差和滑模面,实现迟滞伺服电机***的精确跟踪控制,精度高,鲁棒性强,降低了算法难度,统一了模型,更具有一般性。
Description
技术领域
本发明涉及机电控制技术领域,具体的说是一种迟滞非线性伺服电机***滑模控制方法。
背景技术
随着科技的发展与创新,对伺服电机控制精度的要求越来越高,这首先要求伺服电机模型要精确,但是在迟滞伺服电机***中,迟滞非线性的存在对模型建立、控制策略研究都造成了很大的难度,严重影响了迟滞伺服电机的控制精度,严重时甚至引起震荡,造成控制***不稳定。因此,迟滞伺服电机***的精确控制是亟需解决的问题。
迟滞伺服电机***中迟滞模型目前有许多种,纯粹的物理模型有Jiles-Atherton模型等,物理模型与实际物理参数息息相关,不同材料或者***并不通用。更加一般的迟滞模型为数学模型,常用的有Preisach模型、P-I模型、Bouc-Wen模型和Backlash-like模型等。数学模型通用性强,应用范围广,但是往往模型复杂,参数众多。本发明采用Backlash-like模型,与其他数学模型相比,该模型参数相对少,可以求得解析解。
J. W. Macki在1993年提出了Backlash-like迟滞模型,是由分段函数描述的,G.Tao进一步发展了该模型并提出了基于模型的自适应控制算法。Chun-Yi Su在此基础上正式将Backlash-like模型改为目前通用的形式,并给出了解析解的完整过程。在此之后,Backlash-like模型成为了描述迟滞的重要模型之一。最近,HeWei对3自由度的机器人迟滞***提出了自适应神经网络控制算法,采用两个神经网络估计动态***和迟滞非线性,并设计高增益观测器观测***状态。而 Yu Zhaoxu则根据Nussbaum增益函数设计基于输入-驱动观测器的自适应神经网络控制器控制Backlash-like随机非线性迟滞***。发明者也研究了基于Backlash-like迟滞模型的预设精度自适应控制,采用拉普拉斯变化法将向量误差变换为标量误差,并提出新的预设精度函数,设计模型参考自适应控制器控制***。
发明内容
为解决上述存在的技术问题,本发明提供了一种迟滞非线性伺服电机***滑模控制方法,将Backlash-like模型融入迟滞伺服电机***模型,依靠期望输出数据,设计滑模状态观测器,利用切比雪夫神经网络估计***未知状态和扰动,然后通过误差调节输入,设计滑模控制器,获得高精度迟滞伺服电机控制,降低算法复杂度,提高算法鲁棒性。
本发明解决其技术问题采用的技术方案是:
一种迟滞非线性伺服电机***滑模控制方法,通过如下步骤实现:
1)迟滞非线性伺服电机***建模:
采用Backlish-like模型描述迟滞非线性电机***的模型为
其中,分别表示伺服电机和负载的角度,分别表示伺服电机和负载的转动惯量,是伺服电机角速度的系数,表示迟滞非线性环节,是传递力矩,是输入信号;
将式(1)的模型转化为状态空间模型为
其中,
模型中的表达式即为Backlash-like迟滞模型;
2)滑模状态观测器设计:
为观测迟滞伺服电机***未知状态,如电机角速度、负载角速度、迟滞特性等,设计滑模状态观测器如下:
其中,为设计的增益系数,表示期望输出信号,调整增益系数,即可让滑模状态观测器观测迟滞伺服电机***未知状态;
3)扰动估计:
将迟滞伺服电机***状态空间模型(2)改写为:
其中,
将看作***扰动,采用切比雪夫神经网络估计未知扰动,定义切比雪夫神经网络如下:
其中,为神经网络权值矩阵,表示估计误差,
并且由切比雪夫多项式确定:
;
4)滑模控制器设计:
经过上述迟滞伺服电机***建模、建立状态空间模型、滑模状态观测器的设计及扰动估计,设计滑模控制器控制该迟滞电机伺服***,定义误差如下:
定义滑模面如下:
其中,为设计的系数向量,
定义
其中,,
则滑模控制器设计为:
利用滑模控制器,通过调节跟踪误差和滑模面,实现迟滞伺服电机***的精确跟踪控制。
本发明阐述的迟滞非线性伺服电机***滑模控制方法,具有如下有益效果:
1)设计了滑模状态观测器观测***未知状态,算法复杂度低,鲁棒性强,解决了迟滞伺服电机***状态变量如伺服电机角速度、角加速度、负载角速度、负载角加速度、迟滞环节等难以直接测得,从而影响控制器设计的问题;
2)将***其余未知部分看作扰动,利用仅有一层的切比雪夫神经网络估计***未知扰动,避免了同时设计扰动观测器和状态观测器,降低了控制难度,解决了迟滞伺服电机***未知扰动的估计问题;
3)在***建模、转换状态空间模型、设计滑模状态观测器、扰动估计的步骤完成后,设计了滑模控制器,通过调节跟踪误差和滑模面,实现迟滞伺服电机***的精确跟踪控制,精度高,鲁棒性强,降低了算法难度,统一了模型,更具有一般性。
附图说明
图1为本发明的原理流程示意图;
图2为具体实施方式中的角度跟踪效果图;
图3为具体实施方式中的角速度跟踪效果图;
图4为具体实施方式中的控制器到达滑模面效果图;
图5为具体实施方式中的控制器输入效果图。
具体实施方式
下面通过具体实施例对本发明进行详细描述:
如图1所示,本发明的整体设计思路为:首先将迟滞伺服电机***模型转换为状态空间形式,其中迟滞非线性环节采用Backlash-like模型,与其他方法不同,本发明不直接求解Backlash-like模型的解析解,而是将Backlash-like模型融入***状态空间模型中作为新的状态变量一起处理。设计滑模状态观测器观测迟滞伺服电机***未知状态,同时根据切比雪夫神经网络估计***未知扰动,然后根据定义的误差函数和滑模面,设计滑模控制器精确控制迟滞伺服电机***。
具体的设计步骤如下:
1)迟滞非线性伺服电机***建模:
采用Backlish-like模型描述迟滞非线性电机***的模型为
其中,分别表示伺服电机和负载的角度,分别表示伺服电机和负载的转动惯量,是伺服电机角速度的系数,表示迟滞非线性环节,是传递力矩,是输入信号;
将式(1)的模型转化为状态空间模型为式(2)
假设,
且,模型中的表达式即为Backlash-like迟滞模型;
2)滑模状态观测器设计:
为观测迟滞伺服电机***未知状态,如电机角速度、负载角速度、迟滞特性等,设计滑模状态观测器如下:
其中,为设计的增益系数,表示期望输出信号,调整增益系数,即可让滑模状态观测器观测迟滞伺服电机***未知状态;
3)扰动估计:
将迟滞伺服电机***状态空间模型(2)改写为:
根据式(2)和式(5)可得:
将看作***未知扰动,采用切比雪夫神经网络估计未知扰动,定义切比雪夫神经网络如下:
其中,为神经网络权值矩阵,表示估计误差,
并且由切比雪夫多项式确定:
;
4)滑模控制器设计:
采用滑模状态观测器观测迟滞伺服电机***未知状态,根据定义的误差和滑模面设计滑模控制器,控制该迟滞电机伺服***,定义误差如下:
定义滑模面如下:
其中,为设计的系数向量,
定义
其中,,
则滑模控制器设计为:
利用滑模控制器,跟踪期望输入,实现迟滞伺服电机***的精确跟踪控制。
根据以上步骤进行仿真,通过仿真结果可知,本发明所提出的控制方法切实可行,精确度高,鲁棒性强。
在迟滞非线性伺服电机控制***仿真实验中,迟滞伺服电机参数为如表1所示,滑模面增益
表1 迟滞伺服电机***参数
0.8kgm2 | 7kgm2 | 40Nm | 6 | 2 | 0.7 |
在以上参数下对迟滞非线性伺服电机控制***进行仿真,正弦输入信号为,角度和角速度的跟踪效果如图2、图3所示。图4是滑模控制器到达滑模面的情况,图5是滑模控制器输入信号效果图。从仿真结果可以看出,本发明中提出的方法具有很好的控制性能,即具有较快的收敛速度和较小的误差。
综上所述。本发明考虑了迟滞非线性伺服电机的控制问题,建立了迟滞伺服电机状态空间模型,将Backlash-like迟滞模型与伺服电机模型融为一体,提出了切比雪夫神经网络估计***未知扰动;设计了滑模状态观测器观测***不好直接测量的伺服电机角速度、角加速度,负载角速度、角加速度,迟滞非线性等;提出了滑模控制器控制迟滞伺服电机***。该方法采用纯粹数学模型,不含物理变量,其应用范围广,通用性强,并且所提出控制方案既能够保证快速跟踪,又具有强鲁棒性、精度高的特点,仿真结果表明了本发明所提方法具有很好的性能。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (1)
1.一种迟滞非线性伺服电机***滑模控制方法,其特征在于,通过如下步骤实现:
1)迟滞非线性伺服电机***建模:
采用Backlish-like模型描述迟滞非线性电机***的模型为
其中,分别表示伺服电机和负载的角度,分别表示伺服电机和负载的转动惯量,是伺服电机角速度的系数,表示迟滞非线性环节,是传递力矩,是输入信号;
将式(1)的模型转化为状态空间模型为
其中,
模型中的表达式即为Backlash-like迟滞模型;
2)滑模状态观测器设计:
为观测迟滞伺服电机***未知状态,如电机角速度、负载角速度、迟滞特性等,设计滑模状态观测器如下:
其中,为设计的增益系数,表示期望输出信号,调整增益系数,即可让滑模状态观测器观测迟滞伺服电机***未知状态;
3)扰动估计:
将迟滞伺服电机***状态空间模型(2)改写为:
其中,
将看作***扰动,采用切比雪夫神经网络估计未知扰动,定义切比雪夫神经网络如下:
其中,为神经网络权值矩阵,表示估计误差,
并且由切比雪夫多项式确定:
;
4)滑模控制器设计:
经过上述迟滞伺服电机***建模、建立状态空间模型、滑模状态观测器的设计及扰动估计,设计滑模控制器控制该迟滞电机伺服***,定义误差如下:
定义滑模面如下:
其中,为设计的系数向量,
定义
其中,,
则滑模控制器设计为:
利用滑模控制器,跟踪期望输入,实现迟滞伺服电机***的精确跟踪控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810634210.4A CN108762088B (zh) | 2018-06-20 | 2018-06-20 | 一种迟滞非线性伺服电机***滑模控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810634210.4A CN108762088B (zh) | 2018-06-20 | 2018-06-20 | 一种迟滞非线性伺服电机***滑模控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108762088A true CN108762088A (zh) | 2018-11-06 |
CN108762088B CN108762088B (zh) | 2021-04-09 |
Family
ID=63979329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810634210.4A Active CN108762088B (zh) | 2018-06-20 | 2018-06-20 | 一种迟滞非线性伺服电机***滑模控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108762088B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557816A (zh) * | 2018-12-28 | 2019-04-02 | 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 |
CN111459051A (zh) * | 2020-04-23 | 2020-07-28 | 河北工业大学 | 一种带扰动观测器的离散终端滑模无模型控制方法 |
CN111880470A (zh) * | 2020-05-26 | 2020-11-03 | 吉林大学 | 压电驱动微定位平台的无抖振滑模控制方法 |
CN116149262A (zh) * | 2023-04-23 | 2023-05-23 | 山东科技大学 | 一种伺服***的跟踪控制方法及*** |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7019482B2 (en) * | 2003-05-29 | 2006-03-28 | Sodick Co., Ltd. | Motion controller having sliding mode controller |
JP4015589B2 (ja) * | 2003-06-02 | 2007-11-28 | 本田技研工業株式会社 | プラントの制御装置 |
JP2005135186A (ja) * | 2003-10-30 | 2005-05-26 | Toshiba Corp | 規範モデル追従型制御システム及び規範モデル追従型制御方法 |
JP4598474B2 (ja) * | 2004-10-07 | 2010-12-15 | 本田技研工業株式会社 | プラントの制御装置 |
CN101488010A (zh) * | 2009-03-06 | 2009-07-22 | 北京理工大学 | 一种伺服***本质非线性补偿控制器 |
CN101977034B (zh) * | 2010-11-08 | 2012-10-03 | 北京理工大学 | Backlash自适应滤波器及其对迟滞的建模与补偿方法 |
CN101986564B (zh) * | 2010-11-17 | 2013-10-16 | 北京理工大学 | 基于Backlash算子和神经网络的自适应滤波器 |
CN102185558B (zh) * | 2011-05-23 | 2013-03-20 | 桂林电子科技大学 | 直线电机滑模控制中***抖振消除控制方法与装置 |
CN102352812B (zh) * | 2011-07-18 | 2014-04-16 | 华北电力大学 | 一种基于滑模的水轮机调速***死区非线性补偿方法 |
CN102436176B (zh) * | 2011-10-20 | 2014-10-08 | 河海大学常州校区 | 基于神经网络的微陀螺仪控制*** |
CN102594251A (zh) * | 2012-02-17 | 2012-07-18 | 南京电力设备质量性能检验中心 | 一种具有测量延时输出的伺服电机的滑模控制方法 |
CN103116275B (zh) * | 2013-03-01 | 2016-04-06 | 河海大学常州校区 | 基于滑模补偿的微陀螺仪鲁棒神经网络控制***及方法 |
CN103715962B (zh) * | 2013-12-25 | 2016-10-05 | 西安理工大学 | 双级矩阵变换器驱动的永磁同步电机滑模速度观测器 |
CN203717266U (zh) * | 2014-03-05 | 2014-07-16 | 山东科技大学 | 一种基于plc控制的气压驱动式高压泥浆泵 |
CN203909498U (zh) * | 2014-03-26 | 2014-10-29 | 许一男 | 带有动态故障重构的自适应鲁棒容错控制架构模型 |
CN104052059A (zh) * | 2014-06-19 | 2014-09-17 | 国家电网公司 | 基于模糊神经网络pid的有源电力滤波器控制方法 |
CN104122794B (zh) * | 2014-07-02 | 2017-03-15 | 河海大学常州校区 | 微陀螺仪的自适应模糊神经补偿非奇异终端滑模控制方法 |
CN104238572B (zh) * | 2014-07-23 | 2017-06-27 | 南京理工大学 | 基于扰动补偿的电机伺服***无抖动滑模位置控制方法 |
CN105446262A (zh) * | 2014-09-17 | 2016-03-30 | 哈尔滨恒誉名翔科技有限公司 | 一种具有干扰抑制功能的自由摆控制*** |
CN104360596B (zh) * | 2014-10-13 | 2017-02-15 | 浙江工业大学 | 机电伺服***有限时间摩擦参数辨识和自适应滑模控制方法 |
CN104570728A (zh) * | 2014-11-20 | 2015-04-29 | 南京理工大学 | 一种电机位置伺服***自适应鲁棒输出反馈控制方法 |
CN104570733B (zh) * | 2014-12-15 | 2017-05-17 | 南京理工大学 | 一种含磁滞补偿的电机伺服***预设性能跟踪控制方法 |
JP2016118892A (ja) * | 2014-12-19 | 2016-06-30 | キヤノン株式会社 | 位置制御装置および位置制御方法、光学機器、撮像装置 |
CN104639001B (zh) * | 2015-01-22 | 2017-05-03 | 广州市香港科大***研究院 | 融合滑模控制和分数阶神经网络控制的伺服电机控制方法 |
CN104698844B (zh) * | 2015-02-09 | 2017-04-19 | 南京理工大学 | 液压位置伺服***的不确定性补偿的滑模控制方法 |
CN104753441B (zh) * | 2015-04-21 | 2017-03-29 | 国电科学技术研究院 | 一种伺服电机的基于k‑观测器的滑模预测控制方法 |
CN105068564B (zh) * | 2015-08-03 | 2016-12-21 | 北京理工大学 | 一种压电陶瓷作动器的位移控制方法 |
CN105093935A (zh) * | 2015-08-24 | 2015-11-25 | 南京理工大学 | 直驱电机***的模型不确定性补偿的滑模控制方法 |
CN105227010B (zh) * | 2015-10-23 | 2017-11-17 | 哈尔滨工业大学 | 一种永磁同步电机无位置传感器位置观测误差谐波脉冲消除方法 |
CN105425587A (zh) * | 2015-11-16 | 2016-03-23 | 北京理工大学 | 迟滞非线性电机辨识与控制方法 |
CN105867136A (zh) * | 2016-05-16 | 2016-08-17 | 北京理工大学 | 基于参数辨识的多电机伺服***同步与跟踪控制方法 |
CN106208865B (zh) * | 2016-08-10 | 2018-09-18 | 天津工业大学 | 基于负载观测器的多永磁同步电机虚拟总轴控制方法 |
CN106444372B (zh) * | 2016-08-25 | 2019-05-31 | 浙江工业大学 | 用于电机伺服***的滑模重复控制器 |
CN106647288B (zh) * | 2017-02-23 | 2019-05-31 | 重庆邮电大学 | 基于非奇异终端滑模观测器的发动机指示扭矩估计方法 |
CN106843254B (zh) * | 2017-03-08 | 2019-08-09 | 北京航天自动控制研究所 | 一种实时主动重构容错控制方法 |
CN106849795B (zh) * | 2017-03-14 | 2019-03-19 | 中国矿业大学 | 一种永磁直线同步电机滑模控制*** |
CN106873380A (zh) * | 2017-04-07 | 2017-06-20 | 哈尔滨理工大学 | 基于pi模型的压电陶瓷模糊pid控制方法 |
CN107994834B (zh) * | 2017-10-16 | 2020-01-10 | 浙江工业大学 | 多电机***自适应快速终端滑模同步控制方法 |
CN107733297A (zh) * | 2017-10-25 | 2018-02-23 | 开封大学 | 永磁同步电机扩展状态磁链滑模观测器设计方法 |
CN108092560B (zh) * | 2018-01-16 | 2020-04-17 | 北京理工大学 | 一种双电机伺服***的保性能鲁棒分散控制方法 |
-
2018
- 2018-06-20 CN CN201810634210.4A patent/CN108762088B/zh active Active
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557816A (zh) * | 2018-12-28 | 2019-04-02 | 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 |
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 |
CN111459051A (zh) * | 2020-04-23 | 2020-07-28 | 河北工业大学 | 一种带扰动观测器的离散终端滑模无模型控制方法 |
CN111459051B (zh) * | 2020-04-23 | 2023-05-12 | 河北工业大学 | 一种带扰动观测器的离散终端滑模无模型控制方法 |
CN111880470A (zh) * | 2020-05-26 | 2020-11-03 | 吉林大学 | 压电驱动微定位平台的无抖振滑模控制方法 |
CN111880470B (zh) * | 2020-05-26 | 2023-02-03 | 吉林大学 | 压电驱动微定位平台的无抖振滑模控制方法 |
CN116149262A (zh) * | 2023-04-23 | 2023-05-23 | 山东科技大学 | 一种伺服***的跟踪控制方法及*** |
CN116149262B (zh) * | 2023-04-23 | 2023-07-04 | 山东科技大学 | 一种伺服***的跟踪控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108762088B (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108762088A (zh) | 一种迟滞非线性伺服电机***滑模控制方法 | |
CN104950678B (zh) | 一种柔性机械臂***的神经网络反演控制方法 | |
CN104950677A (zh) | 基于反演滑模控制的机械臂***饱和补偿控制方法 | |
CN104698846B (zh) | 一种机械臂伺服***的指定性能反演控制方法 | |
CN105563489B (zh) | 基于非线性自抗扰控制技术的柔性机械臂控制方法 | |
CN110347044B (zh) | 一种考虑输出约束的pmsm混沌***神经网络动态面控制方法 | |
CN107662208A (zh) | 一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法 | |
CN109270946B (zh) | 挠性航天器的姿态控制方法、电子设备及可读存储介质 | |
CN109521786A (zh) | 基于比例积分观测器的四旋翼无人机滑模姿态控制方法 | |
CN107561935A (zh) | 基于多层神经网络的电机位置伺服***摩擦补偿控制方法 | |
CN107121932A (zh) | 电机伺服***误差符号积分鲁棒自适应控制方法 | |
CN105159084A (zh) | 一种带干扰观测器的机械手神经网络控制***及方法 | |
CN104408744A (zh) | 一种用于目标跟踪的强跟踪容积卡尔曼滤波方法 | |
CN106774379B (zh) | 一种智能超螺旋强鲁棒姿态控制方法 | |
CN111965976B (zh) | 基于神经网络观测器的机器人关节滑模控制方法及*** | |
CN112904728A (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
CN104898688A (zh) | Uuv四自由度动力定位自适应抗扰滑模控制***及控制方法 | |
CN105549395B (zh) | 保证瞬态性能的机械臂伺服***死区补偿控制方法 | |
Smith et al. | An algorithm for automated fuzzy logic controller tuning | |
Ghavidel et al. | Robust control for MIMO hybrid dynamical system of underwater vehicles by composite adaptive fuzzy estimation of uncertainties | |
CN112987567A (zh) | 非线性***的固定时间自适应神经网络滑模控制方法 | |
Lendek et al. | Application of Takagi-Sugeno observers for state estimation in a quadrotor | |
CN108469734A (zh) | 考虑状态约束的电机伺服***自抗扰控制方法 | |
CN109557933B (zh) | 一种基于龙伯格观测器的刚性飞行器状态约束控制方法 | |
Alkaya | Unscented Kalman filter performance for closed-loop nonlinear state estimation: a simulation case study |
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 |