CN110095989B - 一种基于反步法的分布式多拉格朗日***跟踪控制策略 - Google Patents
一种基于反步法的分布式多拉格朗日***跟踪控制策略 Download PDFInfo
- Publication number
- CN110095989B CN110095989B CN201910458732.8A CN201910458732A CN110095989B CN 110095989 B CN110095989 B CN 110095989B CN 201910458732 A CN201910458732 A CN 201910458732A CN 110095989 B CN110095989 B CN 110095989B
- Authority
- CN
- China
- Prior art keywords
- error
- leader
- lagrange
- lagrangian
- ith
- 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 31
- 238000011217 control strategy Methods 0.000 title claims abstract description 9
- 238000013461 design Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 6
- 238000012938 design process Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 5
- 239000003795 chemical substances by application Substances 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于反步法的分布式多拉格朗日***跟踪控制策略,包括以下步骤:首先,基于拉格朗日***模型定义***误差,并将其作为新的***变量设计一个新的模型。其次,证明在***误差达到零点时,***能实现一致性跟踪控制。再次采用反步法设计控制律,使得***误差能够满足上述条件。最后通过仿真,验证了文中理论方法的有效性。通过本发明,根据本发明的思路,传统的研究会用到相邻跟随者的输入,容易出现死锁,而且一般采用滑模控制方法,会产生奇异性以及难以消除的抖振现象。而本发明领导者与部分跟随者进行信息交流,并且设计控制律所采用的反步法更加简洁,其主要优点有通过反向设计使Lyapunov函数和控制器的设计过程***化、结构化。
Description
技术领域
本发明涉及一种基于反步法的分布式多拉格朗日***跟踪控制策略,属于多智能体协调跟踪控制领域。
背景技术
多智能体网络跟踪控制的特性是多智能体通过互相之间的信息传递交流进而产生相互影响的作用,最终使得整个***网络达到一致性要求。这其中,整个网络没有任何的参考信息和领导者。因为领导者可以给整个网络提供全局信息,给跟随者提供目标,所以,将领导者引入多智能体网络可以使得***设计更加便利,这就是多智能体的协调跟踪控制问题。在多智能体网络的协调跟踪控制研究上,已经有了很大进展,所涉及的包括一阶***和二阶***的协调跟踪问题,还有学者考虑了时滞对整个***的影响。然而上述研究中都要求每个跟随者都能获取领导者的加速度信息。曹勇灿在研究***的协调跟踪问题的基础上又考虑了***的蜂拥控制问题,利用符号函数的特点补偿了领导者的状态向量,实现了在仅有部分跟随者能获取领导者信息的情况下对领导者的跟踪。任伟研究了多小车***的一致性问题,其中每辆车的信息状态接近领导者的时变参考状态,提出了具有时变参考状态的一致性算法。但是对于这种情况,控制律的设计用到了邻居节点的信息。程龙指出该种算法仅对于网络中包含有向生成树且不含环的情况下适用,否则会出现死锁,并因此导致该算法不能实现。在现实生活中,拉格朗日***大量存在,如机械臂质量,杆长,连接点到质心的距离以及转动惯量都为未知常量的多连杆机械臂;转动惯量为未知常数矩阵的刚体姿态动力学模型;质量和阻尼常数未知的车辆机器人等。由于拉格朗日***的适用性,引发了多智能体领域的广泛关注。近年来,越来越多的学者开始研究多拉格朗日***的跟踪控制问题。但是大部分研究会具有以下不足:(1)要求每个跟随者都能获取领导者的状态信息。(2)需要每个跟随者均能获取领导者的速度和加速度信息。(3)领导者的角色相当于某个受到外部干扰的跟随者,并不是真正意义上的领导者。(4)设计控制算法时都用到了相邻智能体的信息,容易出现死锁,导致算法不能实现。
基于上述研究存在的问题和不足,文中考虑在跟随者能获取领导者信息的情形下,研究多拉格朗日***跟踪控制问题,提出将误差作为***变量,然后采用反步法设计控制律,最后通过仿真验证所提算法的有效性。
发明内容
本发明的目的在于提出一种基于反步法的分布式多拉格朗日***跟踪控制策略,该方法能够克服现有技术的缺点与不足,可以更为方便地设计***控制率,计算简单、高效。
本发明的技术方案:一种基于反步法的分布式多拉格朗日***跟踪控制策略,包括以下步骤:
步骤1:构造多拉格朗日***并进行编号。
考虑一个含有n个拉格朗日***的网络,其中领导者用0标记,跟随者用1,2,...,n进行标记。用G表示n个跟随者之间的通讯拓扑结构,n个跟随者和领导者之间用表示。令A=[aij]表示跟随者之间的图G的邻接矩阵,B=diag{b1,b2,...,bn}表示的邻接矩阵。如果第i个跟随者能得到领导者的信息则bi=1(i=1,2,...,n),反之为0。
在现实生活中,我们考虑到存在输入扰动,该情况下,式(1)中的拉格朗日***的数学模型就变为
步骤2:定义多拉格朗日***的***误差函数并以此作为***变量设计新的***模型。
为实现多拉格朗日***的跟踪控制,本文将引入两个误差变量,绝对误差和相对误差。第i个拉格朗日***的绝对误差定义为
ei0=qi-q0 (3)
相对误差指的是第i个拉格朗日***与其他跟随者之间的状态误差,第i个与第j个拉格朗日***之间的相对误差定义为
eij=qi-qj (5)
将上述两者结合,定义新的***误差变量:
其中符号定义为:
步骤3:验证新***中当***误差函数到达零点时的***状态。
这里引入一个后文用到的引理,如下:
(1)LA的单特征根为0,与之对应的特征向量为1n,其他特征向量都有正实部;
(4)矩阵LA的秩为n-1。
考虑一个具有一个领导者的多拉格朗日***,如式(2)所示,若满足ε1=0,ε2=0,则有
Qi=[q1,q2,...,qn]T=1nq0 (10)
因为图的拉普拉斯矩阵满足L1n=0,则在等式(13)右边加入L1n得到
可以得出Rank(L+B)=Rank(Kn×(n+1))=n,则矩阵(L+B)是可逆的。因此,由式(13)可以得到[q1,...,qn]T=1nq0,同理等式(11)成立。
证明了当定义的***误差ε1=0,ε2=0时,跟随者的位置和速度可以跟踪领导者的位置和速度信息,也就是实现***的跟踪控制。
步骤4:采用反步法设计控制律使多拉格朗日***实现网络同步跟踪并验证。
针对***(10),采用控制律为
写成矩阵形式为:
其中k1,k2>0,***可以实现跟踪控制。
将式(9)及控制律(17)带入上式可以得到:
其中k1,k2>0,因此满足李雅普诺夫稳定的条件,能实现***的跟踪控制。
步骤5:用matlab对所设计的控制律进行仿真验证。
考虑包含5个拉格朗日***的网络。用0表示领导者,2-4表示跟随者。针对自由度为2的机械臂***,对机械臂的位置和速度信息进行验证。
通过本发明,本发明公开了一种基于反步法的分布式多拉格朗日***跟踪控制策略。包括以下步骤:(1)首先,基于拉格朗日***模型定义***误差,并将其作为新的***变量设计一个新的模型。(2)其次,证明在***误差达到零点时,***能实现一致性跟踪控制。(3)再次采用反步法设计控制律,使得***误差能够满足上述条件。(4)最后通过仿真,验证了文中理论方法的有效性。本发明研究了多拉格朗日***的跟踪控制问题,根据本发明的思路,传统的研究会用到相邻跟随者的输入,容易出现死锁,而且一般采用滑模控制方法,会产生奇异性以及难以消除的抖振现象。而本发明领导者与部分跟随者进行信息交流,并且设计控制律所采用的反步法更加简洁,其主要优点有通过反向设计使Lyapunov函数和控制器的设计过程***化,结构化。
附图说明
图1表示的是具有领导者的多拉格朗日***网络拓扑。
图2表示的是***角位置两个分量的曲线。
图3表示的是***角速度两个分量的曲线。
图4是本发明实施方法的总体流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,对本发明作进一步详细说明。
一种基于反步法的分布式多拉格朗日***跟踪控制策略,包括以下步骤:
1)构造多拉格朗日***并进行编号,以机械臂为例,其网络拓扑图如图1所示,用0表示领导者,2-4表示跟随者;
2)按照跟随者和领导者之间的关系计算出它们之间的绝对误差和相对误差,并结合起来形成作为***误差。
3)当***误差为0的时候,跟随者成功跟踪领导者的信息。
4)采用反步法设计控制律(16),使得***误差达到0点,
5)对如图1的网络拓扑进行验证,领导者为0,其余为跟随者。选取给定的领导者坐标向量及其微分为q0=[cos t,-0.5 sin 2t]T,控制律中k1=k2=1,为方便起见,输入扰动选择相同参数,ρi=[0.01 sin t,0.02 cos t]T,其中i=1,2,3,4。每个跟随者的初始位置任意选择为q1(0)=[0.1,1]T,q2(0)=[0.5,1]T,q3(0)=[-1,0.5]T,q4(0)=[-0.5,-0.8]T,每个跟随者的初始速度设为
各拉格朗日***的动力学项分别为:
其中,g=9.8m/s2为重力加速度,未知参数其中m1=1kg,m2=0.8kg为二连杆机械臂的质量,l1=0.8m,l2=0.6m为机械臂连杆的长度,lc1=0.4m,lc2=0.3m为各杆连接点到质心的距离,J1=0.0533kg·m2,J2=0.024kg·m2为连杆的转动惯量。
图2-3是对用反步法所设计出的控制律下的仿真结果图,虚线是表示对领导者信息的仿真,四条实线是代表四个跟随者的信息曲线。图2表示的是对***角位置两个分量的仿真,图3表示的是***角速度两个分量的曲线,可以看出在t达到5s时,四个跟随者实现可以对领导者的跟踪。因此,在本发明中提出的控制律下可以实现多拉格朗日***的跟踪控制。
Claims (1)
1.一种基于反步法的分布式多拉格朗日***跟踪控制策略,其特征在于,包括以下步骤:
步骤1:构造多拉格朗日***并进行编号;
步骤2:定义多拉格朗日***的***误差函数并以此作为***变量设计新的***模型;
步骤3:验证新***中当***误差函数到达零点时的***状态;
步骤4:采用反步法设计控制律使多拉格朗日***实现网络同步跟踪并验证;
步骤5:用matlab对所设计的控制律进行仿真验证;
所述步骤1网络中的拉格朗日***按任意次序编号;并给出其拓扑结构,包含领导者与跟随者之间的信息交流;
具体过程如下:
考虑一个含有n个拉格朗日***的网络,其中领导者用0标记,跟随者用1,2,...,n进行标记;用G表示n个跟随者之间的通讯拓扑结构,n个跟随者和领导者之间用表示;令A=[aij]表示跟随者之间的图G的邻接矩阵,B=diag{b1,b2,...,bn}表示的邻接矩阵;如果第i个跟随者能得到领导者的信息则bi=1,i=1,2,...,n,反之为0;
在现实生活中,考虑到存在输入扰动,该情况下,式(1)中的拉格朗日***的数学模型就变为
所述步骤2中,定义两个误差,相对误差和绝对误差;第i个拉格朗体***的绝对误差定义为ei0=qi-q0,绝对误差是第i个拉格朗日***的状态与领导者状态之间的差值;ei0是第i个拉格朗日***与领导者的广义坐标向量之差,即位置误差;是第i个拉格朗日***与领导者的广义坐标向量微分之差,即速度误差;相对误差指的是第i个拉格朗日***与其他跟随者之间的状态误差,第i个与第j个拉格朗日***之间的相对误差定义为eij=qi-qj,其中eij是第i个跟随者与第j个跟随者之间的广义坐标向量差值,第i个跟随者与第j个跟随者之间的广义坐标向量微分的差值,并以此为基础设计新的***模型;将上述两者结合,定义新的***误差变量:
其中符号定义为:
所述步骤3中,当上述定义的***相对误差和绝对误差达到0点的时候,整个***是否能实现跟踪控制是我们所需要验证的;
这里引入一个后文用到的引理,如下:
(1)LA的单特征根为0,与之对应的特征向量为1n,其他特征向量都有正实部;
(4)矩阵LA的秩为n-1;
考虑一个具有一个领导者的多拉格朗日***,如式(2)所示,若满足ε1=0,ε2=0,则有
Qi=[q1,q2,...,qn]T=1nq0 (10)
因为图的拉普拉斯矩阵满足L1n=0,则在等式(13)右边加入L1n得到
可以得出Rank(L+B)=Rank(Kn×(n+1))=n,则矩阵(L+B)是可逆的;因此,由式(13)可以得到[q1,...,qn]T=1nq0,同理等式(11)成立;
证明了当定义的***误差ε1=0,ε2=0时,跟随者的位置和速度可以跟踪领导者的位置和速度信息,也就是实现***的跟踪控制;
所述步骤4中,采用反步法设计***控制率,使得***误差能够满足上述条件,其主要优点是能够通过反向设计使Lyapunov函数和控制律的设计过程***化、结构化,避免了滑模控制中产生的抖振现象;
针对***(10),采用控制律为
写成矩阵形式为:
其中k1,k2>0,***可以实现跟踪控制;
将式(9)及控制律(17)带入上式可以得到:
其中k1,k2>0,因此满足李雅普诺夫稳定的条件,能实现***的跟踪控制;
所述步骤5中,对动力学模型为拉格朗日***的二连杆机械臂***进行仿真,验证所涉及的控制律在多拉格朗日系跟踪控制过程中的有效性和准确性;
考虑包含5个拉格朗日***的网络;用0表示领导者,2-4表示跟随者;针对自由度为2的机械臂***,对机械臂的位置和速度信息进行验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910458732.8A CN110095989B (zh) | 2019-05-29 | 2019-05-29 | 一种基于反步法的分布式多拉格朗日***跟踪控制策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910458732.8A CN110095989B (zh) | 2019-05-29 | 2019-05-29 | 一种基于反步法的分布式多拉格朗日***跟踪控制策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110095989A CN110095989A (zh) | 2019-08-06 |
CN110095989B true CN110095989B (zh) | 2023-02-14 |
Family
ID=67449555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910458732.8A Active CN110095989B (zh) | 2019-05-29 | 2019-05-29 | 一种基于反步法的分布式多拉格朗日***跟踪控制策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110095989B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112643673B (zh) * | 2020-12-14 | 2022-05-03 | 山东大学 | 基于非线性干扰观测器的移动机械臂鲁棒控制方法及*** |
CN116442212B (zh) * | 2023-03-07 | 2023-10-10 | 北京科技大学 | 预置时间和精度下人在环多机械臂***分群安全控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人***分布式自适应神经网络连续跟踪控制方法 |
CN107877511A (zh) * | 2017-09-28 | 2018-04-06 | 南京邮电大学 | 基于输出位置的多双连杆机械臂包含控制器及设计方法 |
CN108181926A (zh) * | 2017-12-28 | 2018-06-19 | 南京邮电大学 | 基于快速有限时间一致性协议的多智能体***的编队方法 |
CN108845493A (zh) * | 2018-08-21 | 2018-11-20 | 曲阜师范大学 | 带有输出约束的机械臂***的固定时间跟踪控制方法 |
CN109032137A (zh) * | 2018-07-24 | 2018-12-18 | 西北工业大学 | 多Euler-Lagrange***分布式跟踪控制方法 |
CN109407520A (zh) * | 2018-12-26 | 2019-03-01 | 南京航空航天大学 | 基于滑模控制理论的二阶多智能体***的容错一致性控制算法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10098582B1 (en) * | 2013-05-16 | 2018-10-16 | Cerner Innovations, Inc. | Characterizing sleep architecture |
US20170139423A1 (en) * | 2015-11-12 | 2017-05-18 | King Fahd University Of Petroleum And Minerals | Control system and method for multi-vehicle systems |
CN105391179B (zh) * | 2015-12-23 | 2017-10-31 | 南京邮电大学 | 一种基于多智能体的环形直流微电网协调控制方法 |
CN107277932B (zh) * | 2017-06-20 | 2020-08-11 | 南京邮电大学 | 一种多用户mimo***用户调度方法 |
CN108107725B (zh) * | 2017-12-05 | 2021-01-15 | 南京航空航天大学 | 基于事件触发的二阶时变时延多智能体***包容控制方法 |
CN108333949B (zh) * | 2018-03-09 | 2020-10-02 | 南京航空航天大学 | 针对多智能体***执行器失效故障的滑模容错控制方法 |
CN109333529B (zh) * | 2018-09-20 | 2022-08-23 | 南京邮电大学 | 含预定义性能的多单臂机械手输出一致控制器及设计方法 |
CN109683477B (zh) * | 2018-12-12 | 2020-11-27 | 中国地质大学(武汉) | 一种随机多智能体***有限时间控制器的设计方法及*** |
-
2019
- 2019-05-29 CN CN201910458732.8A patent/CN110095989B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人***分布式自适应神经网络连续跟踪控制方法 |
CN107877511A (zh) * | 2017-09-28 | 2018-04-06 | 南京邮电大学 | 基于输出位置的多双连杆机械臂包含控制器及设计方法 |
CN108181926A (zh) * | 2017-12-28 | 2018-06-19 | 南京邮电大学 | 基于快速有限时间一致性协议的多智能体***的编队方法 |
CN109032137A (zh) * | 2018-07-24 | 2018-12-18 | 西北工业大学 | 多Euler-Lagrange***分布式跟踪控制方法 |
CN108845493A (zh) * | 2018-08-21 | 2018-11-20 | 曲阜师范大学 | 带有输出约束的机械臂***的固定时间跟踪控制方法 |
CN109407520A (zh) * | 2018-12-26 | 2019-03-01 | 南京航空航天大学 | 基于滑模控制理论的二阶多智能体***的容错一致性控制算法 |
Non-Patent Citations (1)
Title |
---|
基于领导者-跟随者模型的异质多智能体***一致性;耿华,等;《河南理工大学学报(自然科学版)》;20151031;第34卷(第5期);第735-741页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110095989A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Adaptive decentralized neural network tracking control for uncertain interconnected nonlinear systems with input quantization and time delay | |
CN107662208B (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 | |
CN108646758B (zh) | 一种多移动机器人预设性能编队控制器结构及设计方法 | |
CN109407520B (zh) | 基于滑模控制的二阶多智能体***的容错一致性控制算法 | |
CN105138006B (zh) | 一种时滞非线性多智能体***的协同追踪控制方法 | |
CN112987567B (zh) | 非线性***的固定时间自适应神经网络滑模控制方法 | |
Yoo et al. | Connectivity-preserving approach for distributed adaptive synchronized tracking of networked uncertain nonholonomic mobile robots | |
CN103439975B (zh) | 一种分布式指数时变滑模姿态协同跟踪控制方法 | |
CN104698854B (zh) | 网络Euler‑Lagrange***分布式模糊协同跟踪控制方法 | |
CN110543184B (zh) | 一种刚性飞行器的固定时间神经网络控制方法 | |
CN105068420A (zh) | 一种区间约束的非仿射不确定***自适应控制方法 | |
CN105223808A (zh) | 基于神经网络动态面滑模控制的机械臂***饱和补偿控制方法 | |
CN110877333A (zh) | 一种柔性关节机械臂控制方法 | |
Ma et al. | Improved adaptive fuzzy output-feedback dynamic surface control of nonlinear systems with unknown dead-zone output | |
CN112904723B (zh) | 非匹配干扰下的空地固定时间协同容错编队控制方法 | |
CN105137999A (zh) | 一种具有输入饱和的飞行器跟踪控制直接法 | |
CN106406097B (zh) | 多机械臂***的分布式自适应协调控制方法 | |
CN109062240B (zh) | 一种基于神经网络估计的刚性飞行器固定时间自适应姿态跟踪控制方法 | |
CN106681343B (zh) | 一种航天器姿态跟踪低复杂度预设性能控制方法 | |
CN107877511B (zh) | 基于输出位置的多双连杆机械臂包含控制器及设计方法 | |
CN107193210B (zh) | 一种非线性***的自适应学习预设性能控制方法 | |
CN110095989B (zh) | 一种基于反步法的分布式多拉格朗日***跟踪控制策略 | |
CN105182745A (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 | |
CN112148036A (zh) | 网络化机器人***的固定时间估计器的双边跟踪控制方法 | |
CN105182990A (zh) | 具有输出受限的三自由度模型直升机的鲁棒控制方法 |
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 |