CN110209055B - 基于参考模型和扰动观测的二阶***控制器及控制方法 - Google Patents
基于参考模型和扰动观测的二阶***控制器及控制方法 Download PDFInfo
- Publication number
- CN110209055B CN110209055B CN201910506612.0A CN201910506612A CN110209055B CN 110209055 B CN110209055 B CN 110209055B CN 201910506612 A CN201910506612 A CN 201910506612A CN 110209055 B CN110209055 B CN 110209055B
- Authority
- CN
- China
- Prior art keywords
- ideal
- disturbance
- reference model
- control
- actual
- 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
基于参考模型和扰动观测的二阶***控制器,包括:理想参考模型控制单元,用于接收设定输入量和参考输出量,并且输出理想控制输入量;二阶理想参考模型单元,用于接收理想控制输入量并输出参考输出量,且将参考输出量传输给理想参考模型控制单元;误差单元,用于接收参考输出量和来自于二阶实际被控对象的实际输出量,并且输出误差量;扰动观测单元,用于接收误差量并且输出扰动观测量;实际***控制单元,用于接收理想控制输入量和扰动观测量,并且输出实际控制输入量给二阶实际被控对象。本发明提供一种基于参考模型和扰动观测的二阶***控制器及控制方法,调整参数少,抗扰性能好,鲁棒性强,扰动估计的精度和控制效率更高。
Description
技术领域
本发明涉及自动控制技术领域,具体的说是基于参考模型和扰动观测的二阶***控制器及控制方法。
背景技术
许多机电***、例如机器人、光电稳定平台、雷达伺服***等都可以简化为一个二阶***,但是由于机电***的实际建模通常存在一些误差,主要包括模型参数时变和误差,***的未建模动态以及外部扰动,这些扰动会影响***的实际输出,从而造成控制***性能下降,甚至造成***发散。目前,在各种工业应用场合,绝大多数是采用传统的PID控制,它对存在较大扰动的对象控制效果较差。在一些高精度和快速响应的应用领域,PID无法满足高性能控制***指标的要求。例如:机器人、数控机床、光刻机等。
因此,如何消除被控对象各种扰动的影响,成为控制***设计者需要解决的首要问题。其中,应用扰动观测器补偿是一种重要的方法,通过扰动观测器实时估计***的扰动量,然后在控制律中进行补偿。在这种方法中,提高扰动观测器的估计精度至关重要。在20世纪90年代初,韩京清教授提出了自抗扰控制技术,近30年来,其工程应用和理论研究不断发展。自抗扰控制具有抗扰性能好、鲁棒性强、精度高等优点,目前,已应用于电机控制、火力发电、化工石化、航空航天等控制领域,取得了较好的控制效果,有较高工程应用价值。高志强教授将线性自抗扰控制(LADRC)的主要参数分别对应为控制器带宽、观测器带宽,减少了整定参数的数量。由于线性自抗扰控制参数调整比较方便,在越来越多的工程控制场合得到应用。在一些控制场合,自抗扰控制代替了传统的PID控制,但是LADRC的精度还是较低,并且控制输入量较大。
发明内容
为了解决现有技术中的不足,本发明提供一种基于参考模型和扰动观测的二阶***控制器及控制方法,调整参数少,抗扰性能好,鲁棒性强,扰动估计的精度和控制效率更高。
为了实现上述目的,本发明采用的具体方案为:基于参考模型和扰动观测的二阶***控制器,包括:理想参考模型控制单元,用于接收设定输入量和参考输出量,并且输出理想控制输入量;二阶理想参考模型单元,用于接收理想控制输入量并输出参考输出量,且将参考输出量传输给理想参考模型控制单元;误差单元,用于接收参考输出量和来自于二阶实际被控对象的实际输出量,并且输出误差量;扰动观测单元,用于接收误差量并且输出扰动观测量;实际***控制单元,用于接收理想控制输入量和扰动观测量,并且输出实际控制输入量给二阶实际被控对象。
基于参考模型和扰动观测的二阶***控制器的控制方法,包括如下步骤:
S1、向理想参考模型控制单元输入设定输入量和参考输出量,理想参考模型控制单元输出理想控制输入量;
S2、二阶理想参考模型单元接收理想控制输入量,并且输出参考输出量,然后将参考输出量传输给理想参考模型控制单元;
S3、误差单元接收参考输出量和来自于二阶实际被控对象的实际输出量,并且输出误差量;
S4、扰动观测单元接收误差量,并且输出扰动观测量;
S5、实际***控制单元接收理想控制输入量和扰动观测量,并且输出实际控制输入量;
S6、二阶实际被控对象接收实际控制输入量,做出响应并且输出实际输出量。
作为一种优选方案,设定输入量记为v,二阶理想参考模型的状态方程为其中z1,z2为状态变量,z1为二阶理想参考模型的输出,z2为z1的一阶导数,v1等于设定输入量,v2为v1的一阶导数,并且有v1=v,理想参考模型控制单元输出理想控制输入量的方法为u1=kp1(v1-z1)+kd1(v2-z2),其中u1为理想控制输入量,kp1和kd1为控制参数。
作为一种优选方案,误差单元输出误差量的方法为:
其中e1为误差量,并且有e1=x1-z1,e2=x2-z2,x1为二阶实际被控对象的输出,x2为输出x1的一阶导数。
作为一种优选方案,扰动观测单元输出扰动观测量的方法为:
作为一种优选方案,实际***控制单元输出实际控制输入量的方法为:
有益效果:本发明的控制器调整参数少,结构简单,抗扰性能好,鲁棒性强,扰动估计的精度和控制效率更高,具有重要的工程应用价值。本发明的控制方法简化了控制器参数的整定,更加简单、方便,并且控制效果好。
附图说明
图1是本发明控制器的结构框图;
图2是仿真实验中参数相同时基于本发明的控制***的阶跃响应输出结果;
图3是仿真实验中参数相同时基于LADRC的控制***的阶跃响应输出结果;
图4是仿真实验中参数相同时基于本发明的控制***与基于LADRC的控制***的阶跃响应输出结果对比;
图5是仿真实验中参数相同时基于本发明的控制***的扰动估计结果;
图6是仿真实验中参数相同时基于LADRC的控制***的扰动估计结果;
图7是仿真实验中参数相同时基于本发明的控制***与基于LADRC的控制***的控制输入量对比;
图8是仿真实验中参数不同时基于本发明的控制***的阶跃响应输出结果;
图9是仿真实验中参数不同时基于LADRC的控制***的阶跃响应输出结果;
图10是仿真实验中参数不同时基于本发明的控制***与基于LADRC的控制***的阶跃响应输出结果对比;
图11是仿真实验中参数不同时基于本发明的控制***的扰动估计结果;
图12是仿真实验中参数不同时基于LADRC的控制***的扰动估计结果;
图13是仿真实验中参数不同时基于本发明的控制***与基于LADRC的控制***的控制输入量对比。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,基于参考模型和扰动观测的二阶***控制器,包括理想参考模型控制单元、二阶理想参考模型单元、误差单元、扰动观测单元和实际***控制单元。
理想参考模型控制单元,用于接收设定输入量和参考输出量,并且输出理想控制输入量。理想参考模型控制单元可以设置为PD控制器。
二阶理想参考模型单元,用于接收理想控制输入量并输出参考输出量,且将参考输出量传输给理想参考模型控制单元。
误差单元,用于接收参考输出量和来自于二阶实际被控对象的实际输出量,并且输出误差量。
扰动观测单元,用于接收误差量并且输出扰动观测量。扰动控制器可以设置为PID控制器,采用PID控制器,计算简单,实时性高,有利于扰动观测器的工程推广应用。
基于参考模型和扰动观测的二阶***控制器的控制方法,包括S1至S6。
S1、向理想参考模型控制单元输入设定输入量和参考输出量,理想参考模型控制单元输出理想控制输入量。
S2、二阶理想参考模型单元接收理想控制输入量,并且输出参考输出量,然后将参考输出量传输给理想参考模型控制单元。
设定输入量记为v,二阶理想参考模型的状态方程为其中z1,z2为状态变量,z1为二阶理想参考模型的输出,z2为z1的一阶导数,v1等于设定输入量,v2为v1的一阶导数,并且有v1=v,理想参考模型控制单元输出理想控制输入量的方法为u1=kp1(v1-z1)+kd1(v2-z2),其中u1为理想控制输入量,kp1和kd1为控制参数。
S3、误差单元接收参考输出量和来自于二阶实际被控对象的实际输出量,并且输出误差量。误差单元输出误差量的方法为:
其中e1为误差量,并且有e1=x1-z1,e2=x2-z2,x1为二阶实际被控对象的输出,x2为输出x1的一阶导数。
S4、扰动观测单元接收误差量,并且输出扰动观测量。扰动观测单元输出扰动观测量的方法为:
进一步地,扰动观测器的增益满足s3+kd2s2+kp2s+ki2=(s+ω0)3,其中,ω0为观测器的带宽,可得kd2=3ω0,进而优化为实际***控制单元,用于接收理想控制输入量和扰动观测量,并且输出实际控制输入量给二阶实际被控对象。
S5、实际***控制单元接收理想控制输入量和扰动观测量,并且输出实际控制输入量。实际***控制单元输出实际控制输入量的方法为:
S6、二阶实际被控对象接收实际控制输入量,做出响应并且输出实际输出量。
对于二阶实际被控对象,通常可以描述为:
其中,x1,x2为状态变量,系数b>0,u为实际***控制输入量,***输出y=x1,f为***未知的总和扰动量,是状态变量和时间的函数,即为f(x1,x2,t),其有界。总和扰动量f通常包括三部分:***已建模动态,即已知的加速度部分,它一般是状态变量函数;***的未建模动态,即未知的加速度部分;外部扰动作用。
利用本发明构成一个闭环控制***,则通过合理选择参数ω0和ωc,可使闭环控制***收敛,即 由e1=0,可得e1=x1-z1=0,即z1→x1。由e2=0,可得e2=z2-x2=0,即z2→x2,将代入到二阶***中,可得进一步简化,则有
所以,适当调节参数ω0和ωc,可使二阶实际被控对象近似于二阶理想参考模型,且以指数收敛,即x1→v1,x2→v2,阶跃响应无超调。增大参数ωc的值,可以提高闭环控制***的收敛速度;增大参数ω0的值,可以提高扰动观测器的估计精度,减小闭环控制***的稳态误差。
以下通过仿真试验对本发明进行验证,并且将LADRC作为对比。
首先,将单关节机械手简化为二阶实际***,并且表述为:
其中,θ为机器手的转动角度,I为转动惯量,c为粘性系数,τ为控制输入,d为***的外部扰动。
令x1=θ,u=τ,则单关节机器手的二阶实际被控对象变为:
其中,b=133,总和扰动量f=-25x2+10sint。
接着,当参数b已知时,基于本发明的控制***和LADRC***的两个可调参数为观测器带宽ω0和控制器带宽ωc。本发明和LADRC设置相同的参数,具体为:ω0=35,ωc=5,b=133。基于本发明的控制***的阶跃响应输出如图2所示,基于LADRC的控制***的阶跃响应输出如图3所示,两个***阶跃响应输出的对比如图4所示,基于本发明的控制***的扰动估计信号如图5所示,基于LADRC的控制***的扰动估计信号如图6所示,两个***控制输入量的对比如图7所示。图2表明基于本发明的控制***的阶跃响应跟踪精度高,响应速度快,抗扰性能好。对比图3和图4,在控制参数值相同的情况下,基于LADRC的控制***的阶跃响应跟踪精度较差,扰动造成的输出误差也较大,并出现了震荡。对比图5和图6,在控制参数值相同的情况下,基于本发明的控制***的扰动估计精度较高。图7表明,除初始阶段外,基于本发明的控制***的输入量小于基于LADRC的控制***的控制量。上述实验表明,在相同的较小控制参数下,基于本发明的控制***的跟踪精度和抗扰性能明显优于基于LADRC的控制***。
最后,为了进一步提高基于LADRC的控制***的性能,增加基于LADRC的控制***的两个参数值ω0和ωc,进行对比仿真实验。此时,基于本发明的控制***的参数为:ω0=35,ωc=8,b=133;基于LADRC的控制***的参数为:ω0=150,ωc=8,b=133。基于本发明的控制***的阶跃响应输出如图8所示,基于LADRC的控制***阶跃响应输出如图9所示,两个***阶跃响应输出的对比如图10所示,基于本发明的控制***的扰动估计信号如图11所示,基于LADRC的控制***扰动估计信号如图12所示。两个***控制输入量的对比如图13所示。此时,图8、图9和图10表明,基于本发明的控制***的阶跃响应的跟踪精度仍高于基于LADRC的控制***,抗扰性能也较好。图11和图12,基于本发明的控制***的估计精度较高。而且,图13表明,除初始阶段外,其控制输入量较小。
上述仿真实验表明,在基于本发明的控制***和基于LADRC的控制***的控制参数值相同的情况下,基于本发明的控制***的阶跃响应的跟踪精度明显优于基于LADRC的控制***,扰动的估计精度高于基于LADRC的控制***,输入控制量小于基于LADRC的控制***。在基于LADRC的控制***的参数值ω0远大于基于本发明的控制***的情况下,基于本发明的控制***的阶跃响应的跟踪精度仍高于基于LADRC的控制***,扰动的估计精度也高于基于LADRC的控制***。两个控制***的参数数量相同,新型控制器***的跟踪精度和抗扰性能明显优于基于LADRC的控制***,扰动估计的精度和控制效率更高。
综上可知,本发明的控制器调整参数少,结构简单,抗扰性能好,鲁棒性强,扰动估计的精度和控制效率更高,具有重要的工程应用价值。可应用于机器人、电动汽车、运动控制、数控机床、火力发电、化工石化、航空航天等控制领域。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.基于参考模型和扰动观测的二阶***控制器,其特征在于,包括:
理想参考模型控制单元,用于接收设定输入量和参考输出量,并且输出理想控制输入量;
二阶理想参考模型单元,用于接收理想控制输入量并输出参考输出量,且将参考输出量传输给理想参考模型控制单元;
误差单元,用于接收参考输出量和来自于二阶实际被控对象的实际输出量,并且输出误差量;
扰动观测单元,用于接收误差量并且输出扰动观测量;
实际***控制单元,用于接收理想控制输入量和扰动观测量,并且输出实际控制输入量给二阶实际被控对象;
该二阶***控制器的控制方法,包括如下步骤:
S1、向理想参考模型控制单元输入设定输入量和参考输出量,理想参考模型控制单元输出理想控制输入量;
步骤S1具体包括以下过程:设定输入量记为v,二阶理想参考模型的状态方程为其中z1,z2为状态变量,z1为二阶理想参考模型的输出,z2为z1的一阶导数,v1等于设定输入量,v2为v1的一阶导数,并且有v1=v,理想参考模型控制单元输出理想控制输入量的方法为u1=kp1(v1-z1)+kd1(v2-z2),其中u1为理想控制输入量,kp1和kd1为控制参数;
S2、二阶理想参考模型单元接收理想控制输入量,并且输出参考输出量,然后将参考输出量传输给理想参考模型控制单元;
S3、误差单元接收参考输出量和来自于二阶实际被控对象的实际输出量,并且输出误差量;
S4、扰动观测单元接收误差量,并且输出扰动观测量;
S5、实际***控制单元接收理想控制输入量和扰动观测量,并且输出实际控制输入量;
S6、二阶实际被控对象接收实际控制输入量,做出响应并且输出实际输出量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910506612.0A CN110209055B (zh) | 2019-06-12 | 2019-06-12 | 基于参考模型和扰动观测的二阶***控制器及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910506612.0A CN110209055B (zh) | 2019-06-12 | 2019-06-12 | 基于参考模型和扰动观测的二阶***控制器及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110209055A CN110209055A (zh) | 2019-09-06 |
CN110209055B true CN110209055B (zh) | 2022-02-08 |
Family
ID=67792256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910506612.0A Active CN110209055B (zh) | 2019-06-12 | 2019-06-12 | 基于参考模型和扰动观测的二阶***控制器及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110209055B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114707803B (zh) * | 2022-03-08 | 2024-05-31 | 洛阳师范学院 | 一种物联网数据融合方法及其在智能电力上的应用 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002287804A (ja) * | 2001-03-28 | 2002-10-04 | Seiko Instruments Inc | 規範モデル適応型制御システムおよび規範モデル適応型制御方法 |
CN1612077A (zh) * | 2003-10-30 | 2005-05-04 | 株式会社东芝 | 参考模型跟踪控制***和方法 |
CN106200383A (zh) * | 2016-08-08 | 2016-12-07 | 北京宇鹰科技有限公司 | 一种基于模型参考自适应神经网络的三轴惯性稳定平台控制方法 |
CN108536020A (zh) * | 2018-07-17 | 2018-09-14 | 哈尔滨工业大学 | 一种针对垂直起降重复使用运载器的模型参考自适应滑模控制方法 |
CN108983610A (zh) * | 2018-08-03 | 2018-12-11 | 华侨大学 | 一种鲁棒自适应抗扰控制方法 |
CN109388065A (zh) * | 2018-12-11 | 2019-02-26 | 华侨大学 | 一种包含闭环参考模型的干扰观测器设计方法 |
CN109407515A (zh) * | 2018-12-17 | 2019-03-01 | 厦门理工学院 | 一种适用于非最小相位***的干扰观测器设计方法 |
CN109507872A (zh) * | 2018-12-19 | 2019-03-22 | 东南大学 | 一种模型嵌入式的新型自抗扰控制器 |
-
2019
- 2019-06-12 CN CN201910506612.0A patent/CN110209055B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002287804A (ja) * | 2001-03-28 | 2002-10-04 | Seiko Instruments Inc | 規範モデル適応型制御システムおよび規範モデル適応型制御方法 |
CN1612077A (zh) * | 2003-10-30 | 2005-05-04 | 株式会社东芝 | 参考模型跟踪控制***和方法 |
CN106200383A (zh) * | 2016-08-08 | 2016-12-07 | 北京宇鹰科技有限公司 | 一种基于模型参考自适应神经网络的三轴惯性稳定平台控制方法 |
CN108536020A (zh) * | 2018-07-17 | 2018-09-14 | 哈尔滨工业大学 | 一种针对垂直起降重复使用运载器的模型参考自适应滑模控制方法 |
CN108983610A (zh) * | 2018-08-03 | 2018-12-11 | 华侨大学 | 一种鲁棒自适应抗扰控制方法 |
CN109388065A (zh) * | 2018-12-11 | 2019-02-26 | 华侨大学 | 一种包含闭环参考模型的干扰观测器设计方法 |
CN109407515A (zh) * | 2018-12-17 | 2019-03-01 | 厦门理工学院 | 一种适用于非最小相位***的干扰观测器设计方法 |
CN109507872A (zh) * | 2018-12-19 | 2019-03-22 | 东南大学 | 一种模型嵌入式的新型自抗扰控制器 |
Non-Patent Citations (1)
Title |
---|
李美超等.柔性机械臂***模型参考自适应控制.《 中国力学大会-2017暨庆祝中国力学学会成立60周年大会》.2017,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110209055A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Huang et al. | Adaptive sliding-mode control for nonlinearsystems with uncertain parameters | |
CN108303885A (zh) | 一种基于干扰观测器的电机位置伺服***自适应控制方法 | |
Na et al. | Adaptive control for nonlinear pure-feedback systems with high-order sliding mode observer | |
Jin et al. | Stability guaranteed time-delay control of manipulators using nonlinear damping and terminal sliding mode | |
CN107450326B (zh) | 反步有限时间双边遥操作控制方法及计算机可读存储介质 | |
CN111596545B (zh) | 一种多输入多输出机械***自适应容错预设性能控制方法 | |
Liu et al. | A new control scheme for nonlinear systems with disturbances | |
Sun et al. | Neural active disturbance rejection output control of multimotor servomechanism | |
CN111965976B (zh) | 基于神经网络观测器的机器人关节滑模控制方法及*** | |
CN113589689B (zh) | 一种基于多参数自适应神经网络的滑模控制器设计方法 | |
CN108762088B (zh) | 一种迟滞非线性伺服电机***滑模控制方法 | |
CN110365257B (zh) | 一种多电机协同控制方法、***及装置 | |
CN115816453A (zh) | 基于tde的自适应超螺旋多变量快速终端滑模控制方法 | |
CN110209055B (zh) | 基于参考模型和扰动观测的二阶***控制器及控制方法 | |
Rahali et al. | Fault tolerant control of robot manipulators based on adaptive fuzzy type-2 backstepping in attendance of payload variation | |
CN105549385B (zh) | 多变量时滞非最小相位非方***的解耦内模控制器、控制***和控制方法 | |
CN108563123B (zh) | 直线电机x-y的自适应迭代学习鲁棒控制***及设计方法 | |
Karimi et al. | Decentralized adaptive control of large-scale affine and nonaffine nonlinear systems | |
Sharkawy et al. | A robust fuzzy tracking control scheme for robotic manipulators with experimental verification | |
CN116442223A (zh) | 一种机械手***轨迹跟踪的非线性动态控制器设计方法 | |
CN114147713B (zh) | 基于自适应神经网络高阶动态滑模的轨迹跟踪控制方法 | |
CN115720061A (zh) | 基于有限时间的机电伺服***模糊自适应反步控制方法 | |
CN105739311B (zh) | 基于预设回声状态网络的机电伺服***受限控制方法 | |
CN110361960B (zh) | 针对基于时滞概率分布的双边遥操作***的同步控制方法 |
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 |