CN111152225A - 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 - Google Patents

存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 Download PDF

Info

Publication number
CN111152225A
CN111152225A CN202010044241.1A CN202010044241A CN111152225A CN 111152225 A CN111152225 A CN 111152225A CN 202010044241 A CN202010044241 A CN 202010044241A CN 111152225 A CN111152225 A CN 111152225A
Authority
CN
China
Prior art keywords
mechanical arm
tracking
tracking error
joint
establishing
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
Application number
CN202010044241.1A
Other languages
English (en)
Other versions
CN111152225B (zh
Inventor
孙亮
王智冬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202010044241.1A priority Critical patent/CN111152225B/zh
Publication of CN111152225A publication Critical patent/CN111152225A/zh
Application granted granted Critical
Publication of CN111152225B publication Critical patent/CN111152225B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供一种存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，能够克服机械臂控制输入饱和效应和不确定性的影响，提高***的鲁棒性。所述方法包括：建立带有粘性摩擦项的n自由度旋转关节刚性机械臂***的动力学方程；根据建立的动力学方程及机械臂轨迹跟踪误差信号，建立考虑参数不确定性的跟踪误差动力学方程；建立机械臂轨迹跟踪误差的状态空间模型；根据建立的状态空间模型，建立固定时间干扰观测器；根据机械臂轨迹跟踪误差信号，建立固定时间非奇异终端滑模面；初步确定机械臂各关节驱动电机控制力矩指令，并结合执行器的控制力矩输出范围，得到机械臂各关节控制力矩。本发明涉及机械臂控制领域。

Description

存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法
技术领域
本发明涉及机械臂控制领域，特别是指一种存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法。
背景技术
机械臂对于提高生产自动化程度、提升国家制造业水平具有重要的意义，目前，机械臂被广泛的应用于生产、科研、服务等各个领域，发挥了重要的作用。其具有良好的特性可用来替代一些对于人类来说繁重的工作，例如，工业装配、汽车制造、太空探索、现代农林业等。控制***在各种基于机械臂的任务中起着关键作用，不断提高控制***精度、鲁棒性和降低功耗是自动化控制领域的目标。
跟踪误差的收敛性能是描述控制***性能的重要指标之一，因此机械臂末端位置需要实现跟踪误差的快速收敛以节省控制能量并减少瞬态响应时间，提升执行任务的效率。为了提高***的收敛性能，有限时间控制技术逐渐被广大研究人员所推崇。有限时间控制技术在***稳定域内，对***的收敛速度提出了进一步要求，使收敛时间被限制在一个人为可控的范围内，这大大提高了***的响应性能。同时，为了提高***的鲁棒性，有限时间控制技术常常与干扰观测器技术相结合，利用干扰观测器估计机械臂***中的不确定性可克服由***建模误差与未知外部干扰对控制***带来的不利影响。为了给出关于收敛时间的明确信息，在有限时间收敛的框架内进一步提出了固定时间控制技术，大大方便了控制***的设计。然而，由于机械臂***的不确定性以及输入饱和效应，导致***鲁棒性较低。
发明内容
本发明提供一种存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，在满足固定时间的收敛性要求的同时，能够克服机械臂控制输入饱和效应和不确定性的影响，提高***的鲁棒性。
为解决上述技术问题，本发明实施例提供一种存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，包括：
建立带有粘性摩擦项的n自由度旋转关节刚性机械臂***的动力学方程；
根据建立的动力学方程及机械臂轨迹跟踪误差信号，建立考虑参数不确定性的跟踪误差动力学方程，其中，参数不确定性包括：动力学建模误差以及未知外界扰动；
根据考虑参数不确定性的跟踪误差动力学方程，建立机械臂轨迹跟踪误差的状态空间模型；
根据建立的状态空间模型，建立固定时间干扰观测器；
根据机械臂轨迹跟踪误差信号，建立固定时间非奇异终端滑模面；
根据执行器饱和效应参数，建立非线性抗饱和补偿器；
根据建立的固定时间干扰观测器、固定时间非奇异终端滑模面及非线性抗饱和补偿器，初步确定机械臂各关节驱动电机控制力矩指令，并结合执行器的控制力矩输出范围，得到机械臂各关节控制力矩。
进一步地，建立的动力学方程表示为：
Figure BDA0002368804830000021
其中，x、
Figure BDA0002368804830000022
分别表示机械臂关节的角度、角速度和角加速度；M(x)、
Figure BDA0002368804830000023
D、g(x)分别表示机械臂实际正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量；M0(x)、C0(x)、D0、g0(x)分别表示机械臂正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量的估计值；MΔ(x)、CΔ(x)、DΔ(x)、gΔ(x)分别表示机械臂正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量的估计误差；u为机械臂各关节控制力矩；d为施加在机械臂上的外界干扰力矩。
进一步地，控制力矩u满足的输入受限约束为：
Figure BDA0002368804830000031
Figure BDA0002368804830000032
其中，ui表示第i个机械臂关节的实际控制力矩，ui0表示通过所述轨迹跟踪控制方法得到的第i个机械臂关节的理论控制力矩，n表示机械臂关节数目，
Figure BDA0002368804830000033
和
Figure BDA0002368804830000034
分别为执行器能够输出的最小和最大控制力矩。
进一步地，所述根据建立的动力学方程及机械臂轨迹跟踪误差信号，建立考虑参数不确定性的跟踪误差动力学方程包括：
根据机械臂各关节的期望跟踪角度xd、期望跟踪角速度
Figure BDA0002368804830000035
及测量到的机械臂各关节的角度x和角速度
Figure BDA0002368804830000036
计算机械臂轨迹位置跟踪误差e＝x-xd和速度跟踪误差
Figure BDA0002368804830000037
根据建立的动力学方程及机械臂轨迹跟踪误差信号e和
Figure BDA0002368804830000038
建立考虑参数不确定性的跟踪误差动力学方程。
进一步地，建立的跟踪误差动力学方程表示为：
Figure BDA0002368804830000039
其中，
Figure BDA00023688048300000310
分别表示角速度跟踪误差、角加速度跟踪误差；xd、
Figure BDA00023688048300000311
分别表示期望跟踪角度、期望跟踪角速度、期望跟踪角加速度；
Figure BDA00023688048300000312
表示与期望跟踪角度、期望跟踪角速度和期望跟踪角加速度相关的动力学已知项；
Figure BDA00023688048300000313
表示跟踪误差动力学方程中的全部未知项集合。
进一步地，建立的状态空间模型表示为：
Figure BDA00023688048300000314
其中，x1表示位置跟踪误差，x1＝e；
Figure BDA00023688048300000315
和x2都表示速度跟踪误差，
Figure BDA00023688048300000316
η＝-M0 -1(C0+D0)x2-M0 -1h0表示动力学方程中的已知项；δ＝M0 -1ω表示聚合扰动，δ包含参数不确定和外部力矩干扰两部分。
进一步地，建立的固定时间干扰观测器表示为：
Figure BDA0002368804830000041
其中，
Figure BDA0002368804830000042
和
Figure BDA0002368804830000043
分别表示x2和δ的估计值；
Figure BDA0002368804830000044
和
Figure BDA0002368804830000045
分别为
Figure BDA0002368804830000046
和
Figure BDA0002368804830000047
的变化率；
Figure BDA0002368804830000048
表示角速度估计误差；m1、n1、m2、n2、γ均表示固定时间干扰观测器增益；p1、p2、q1和q2均表示固定时间干扰观测器分数幂参数；函数sig(·)的形式为：sigz(y)＝|y|z·sign(y)，sign(y)表示为y的符号函数。
进一步地，建立的固定时间非奇异终端滑模面s表示为：
Figure BDA0002368804830000049
其中，α1,α2为固定时间非奇异终端滑模面增益系数，β＝[β1,β2,…βn]T表示被用于应对奇异性问题的变结构滑模项，其构成参数βi表示为：
Figure BDA00023688048300000410
其中，i＝1,…,n，x1i表示第i个机械臂关节的速度跟踪误差；判断条件
Figure BDA00023688048300000411
γ1、γ2、κ都表示常数系数；常数系数
Figure BDA00023688048300000412
Figure BDA00023688048300000413
进一步地，建立的非线性抗饱和补偿器表示为：
Figure BDA00023688048300000414
其中，ξ为非线性抗饱和补偿器的状态；k是正的常数系数；uΔ表示执行器饱和效应参数，uΔ＝u-u0；u0表示机械臂各关节驱动电机控制力矩指令。
进一步地，初步确定的机械臂各关节驱动电机控制力矩指令表示为：
Figure BDA00023688048300000415
其中，
Figure BDA00023688048300000416
为中间变量，
Figure BDA00023688048300000417
表示定义；
Figure BDA00023688048300000418
表示变结构滑模项β的变化率；
Figure BDA00023688048300000419
为
Figure BDA00023688048300000420
的简写形式，
Figure BDA00023688048300000421
本发明的上述技术方案的有益效果如下：
上述方案中，固定时间轨迹跟踪控制器由固定时间干扰观测器、固定时间非奇异终端滑模面和非线性抗饱和补偿器三部分组成，针对因物理参数估计跟踪误差所导致的机械臂***的不确定性，在控制器中采用固定时间干扰观测器来补偿未知的总干扰项，并且能够保证总干扰项的观测误差在固定时间内收敛到零，使机械臂***具有良好的鲁棒性；针对输入饱和问题在控制器中采用非线性抗饱和补偿器，以处理机械臂控制输入的饱和效应。这样，能够保证在存在参数不确定性和未知外部干扰的情况下，使得存在饱和控制输入约束的机械臂轨迹跟踪误差满足一致最终有界固定时间收敛性要求。
附图说明
图1为本发明实施例提供的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法的流程示意图；
图2为本发明实施例提供的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法的原理示意图；
图3为本发明实施例提供的二自由度刚性机械臂的结构示意图；
图4为本发明实施例提供的机械臂各关节位置跟踪响应曲线示意图；
图5为本发明实施例提供的机械臂各关节速度跟踪响应曲线示意图；
图6为本发明实施例提供的机械臂各关节控制输入力矩变化曲线示意图；
图7为本发明实施例提供的扰动总集观测误差变化曲线示意图；
图8为本发明实施例提供的加速度观测误差变化曲线示意图；
图9为本发明实施例提供的位置跟踪误差变化曲线示意图；
图10为本发明实施例提供的基于有限时间观测器下的机械臂各关节位置跟踪响应曲线示意图；
图11为本发明实施例提供的基于有限时间观测器下的机械臂各关节速度跟踪响应曲线示意图；
图12为本发明实施例提供的基于有限时间观测器下的扰动总集观测误差变化曲线示意图；
图13为本发明实施例提供的基于线性扩张观测器下的机械臂各关节位置跟踪响应曲线示意图；
图14为本发明实施例提供的基于线性扩张观测器下的机械臂各关节速度跟踪响应曲线示意图；
图15为本发明实施例提供的基于有限时间观测器下的扰动总集观测误差变化曲线示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
如图1所示，本发明实施例提供的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，包括：
S1，建立带有粘性摩擦项的n自由度旋转关节刚性机械臂***的动力学方程；
S2，根据建立的动力学方程及机械臂轨迹跟踪误差信号，建立考虑参数不确定性的跟踪误差动力学方程，其中，参数不确定性包括：动力学建模误差以及未知外界扰动；
S3，根据考虑参数不确定性的跟踪误差动力学方程，建立机械臂轨迹跟踪误差的状态空间模型；
S4，根据建立的状态空间模型，建立固定时间干扰观测器；
S5，根据机械臂轨迹跟踪误差信号，建立固定时间非奇异终端滑模面；
S6，根据执行器饱和效应参数，建立非线性抗饱和补偿器；
S7，根据建立的固定时间干扰观测器、固定时间非奇异终端滑模面及非线性抗饱和补偿器，初步确定机械臂各关节驱动电机控制力矩指令，并结合执行器的控制力矩输出范围，得到机械臂各关节控制力矩。
本发明实施例所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，固定时间轨迹跟踪控制器由固定时间干扰观测器、固定时间非奇异终端滑模面和非线性抗饱和补偿器三部分组成，针对因物理参数估计跟踪误差所导致的机械臂***的不确定性，在控制器中采用固定时间干扰观测器来补偿未知的总干扰项，并且能够保证总干扰项的观测误差在固定时间内收敛到零，使机械臂***具有良好的鲁棒性；针对输入饱和问题在控制器中采用非线性抗饱和补偿器，以处理机械臂控制输入的饱和效应。这样，能够保证在存在参数不确定性和未知外部干扰的情况下，使得存在饱和控制输入约束的机械臂轨迹跟踪误差满足一致最终有界固定时间收敛性要求。
本实施例中，一致最终有界固定时间收敛性意味着跟踪误差和观测误差值都能在固定时间内收敛到原点的小邻域中。。
本发明实施例提供的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，具有更快的收敛性能，更高的稳态精度和更好的抗饱和控制性能，可以很容易地扩展到其他二阶非线性机械***，从而大大提高方法的泛用性。
为了更好地理解本发明实施例提供的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，对其进行详细说明，如图1和图2所示，具体可以包括以下步骤：
S1，建立带有粘性摩擦项的n自由度旋转关节刚性机械臂***的动力学方程(也可以称为：动力学模型)；其中，建立的动力学方程表示为：
Figure BDA0002368804830000071
其中，x、
Figure BDA0002368804830000072
分别表示机械臂关节的角度、角速度和角加速度；M(x)∈Rn×n、
Figure BDA0002368804830000073
D∈Rn×n、g(x)∈Rn×1表示n自由度机械臂的实际正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵和重力向量；Rn×n、Rn×1分别表示n×n、n×1维实数集；M0(x)、C0(x)、D0、g0(x)分别表示机械臂正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量的估计值；MΔ(x)、CΔ(x)、DΔ(x)、gΔ(x)分别表示机械臂正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量的估计误差；u∈Rn为机械臂各关节控制力矩，Rn表示n维实数集；d∈Rn为施加在机械臂上的外界干扰力矩。
本实施例中，考虑到机械臂关节驱动电机的物理特性，各个关节控制力矩u应满足如下输入受限约束:
Figure BDA0002368804830000074
Figure BDA0002368804830000081
其中，ui表示第i个机械臂关节的实际控制力矩，ui0表示通过所述轨迹跟踪控制方法得到的第i个机械臂关节的理论控制力矩，n表示机械臂关节数目，
Figure BDA0002368804830000082
和
Figure BDA0002368804830000083
分别为执行器能够输出的最小和最大控制力矩。
S2，根据建立的动力学方程及机械臂轨迹跟踪误差信号，建立考虑参数不确定性的跟踪误差动力学方程，具体可以包括以下步骤：
S21，根据机械臂各关节的期望跟踪角度xd、期望跟踪角速度
Figure BDA0002368804830000084
及测量到的机械臂各关节的角度x和角速度
Figure BDA0002368804830000085
计算机械臂轨迹位置跟踪误差e＝x-xd和速度跟踪误差
Figure BDA0002368804830000086
S22，根据建立的动力学方程及机械臂轨迹跟踪误差信号e和
Figure BDA0002368804830000087
建立考虑参数不确定性的跟踪误差动力学方程，其中，建立的跟踪误差动力学方程表示为：
Figure BDA0002368804830000088
其中，
Figure BDA0002368804830000089
分别表示角速度跟踪误差、角加速度跟踪误差；xd、
Figure BDA00023688048300000810
分别表示期望跟踪角度、期望跟踪角速度、期望跟踪角加速度；
Figure BDA00023688048300000811
表示与期望跟踪角度、期望跟踪角速度和期望跟踪角加速度相关的动力学已知项；
Figure BDA00023688048300000812
表示跟踪误差动力学方程中的全部未知项集合。
S3，根据考虑参数不确定性的跟踪误差动力学方程，建立机械臂轨迹跟踪误差的状态空间模型；其中，建立的状态空间模型表示为：
Figure BDA00023688048300000813
其中，x1表示位置跟踪误差，x1＝e；
Figure BDA00023688048300000814
和x2都表示速度跟踪误差，
Figure BDA00023688048300000815
η＝-M0 -1(C0+D0)x2-M0 -1h0表示动力学方程中的已知项；δ表示聚合扰动，δ＝M0 -1ω，δ包含参数不确定和外部力矩干扰两部分，并满足假设条件||δ||≤δ1，
Figure BDA00023688048300000816
δ1>0，δ2>0。
S4，根据建立的状态空间模型，建立固定时间干扰观测器；其中，建立的固定时间干扰观测器表示为：
Figure BDA0002368804830000091
其中，
Figure BDA0002368804830000092
和
Figure BDA0002368804830000093
分别表示x2和δ的估计值；
Figure BDA0002368804830000094
和
Figure BDA0002368804830000095
分别为
Figure BDA0002368804830000096
和
Figure BDA0002368804830000097
的变化率；
Figure BDA0002368804830000098
表示角速度估计误差；m1、n1、m2、n2、γ均表示固定时间干扰观测器增益；p1、p2、q1和q2均表示固定时间干扰观测器分数幂参数；函数sig(·)的形式为：sigz(y)＝|y|z·sign(y)，sign(y)表示为y的符号函数为：
Figure BDA0002368804830000099
本实施例中，选择观测器参数0<p1<1，q1>1，0<p2<1，q2>1，
Figure BDA00023688048300000910
且参数m1，m2，n1，n2值的选择应满足使固定时间干扰观测器是赫尔维茨的。
本实施例中，当选择使用上述固定时间干扰观测器并满足假设条件||δ||≤δ1、
Figure BDA00023688048300000911
时，速度跟踪误差x2和聚合扰动项δ将被
Figure BDA00023688048300000912
和
Figure BDA00023688048300000913
估计并满足角速度估计误差
Figure BDA00023688048300000914
和聚合扰动估计误差
Figure BDA00023688048300000915
将在固定时间内收敛到零。
本实施例中，固定时间干扰观测器以机械臂轨迹跟踪误差的状态空间模型为基础，设计加速度误差和扰动总集估计值的变化率
Figure BDA00023688048300000916
和
Figure BDA00023688048300000917
使控制方法具有对未知扰动的全局鲁棒性。
S5，根据机械臂轨迹跟踪误差信号e和
Figure BDA00023688048300000918
建立固定时间非奇异终端滑模面；其中，建立的固定时间非奇异终端滑模面s表示为：
Figure BDA00023688048300000919
其中，α1,α2为固定时间非奇异终端滑模面增益系数，滑模面增益系数α1、α2满足条件α1>0，α2>0；β＝[β1,β2,…βn]T表示被用于应对奇异性问题的变结构滑模项，其构成参数βi被定义为：
Figure BDA00023688048300000920
其中，i＝1,…,n，x1i表示第i个机械臂关节的速度跟踪误差；判断条件
Figure BDA00023688048300000921
被定义为
Figure BDA0002368804830000101
γ1、γ2、κ都表示常数系数；且常数系数
Figure BDA0002368804830000102
Figure BDA0002368804830000103
γ1>1，0<γ2<1并且κ是一个足够小的正常数。
本实施例中，在固定时间非奇异终端滑模面上，所提出的变结构滑模项能够避免滑模控制中存在的奇异性问题，使***状态的收敛时间与它的初始状态无关。
S6，根据执行器饱和效应参数，建立非线性抗饱和补偿器；其中，建立的非线性抗饱和补偿器表示为：
Figure BDA0002368804830000104
其中，ξ为非线性抗饱和补偿器的状态；k是正的常数系数；uΔ表示执行器饱和效应参数，uΔ＝u-u0，uΔ用来描述执行器输出力矩在存在受限约束的情况下的饱和程度；u0表示机械臂各关节驱动电机控制力矩指令。
本实施例中，在闭环固定时间稳定性理论框架下提出的非线性抗饱和补偿器很好地解决了机械臂控制器的饱和效应问题，避免控制输入过大，进而降低实际执行机构磨损，延长其使用寿命。
S7，根据建立的固定时间干扰观测器、固定时间非奇异终端滑模面及非线性抗饱和补偿器，初步确定机械臂各关节驱动电机控制力矩指令u0，并结合执行器的控制力矩输出范围，得到机械臂各关节控制力矩u。
本实施例中，初步确定的机械臂各关节驱动电机控制力矩指令表示为：
Figure BDA0002368804830000105
其中，
Figure BDA0002368804830000106
Figure BDA0002368804830000107
Figure BDA0002368804830000108
表示定义；
Figure BDA0002368804830000109
表示变结构滑模项β的变化率。
Figure BDA00023688048300001010
为
Figure BDA00023688048300001011
的简写形式，
Figure BDA00023688048300001012
本实施例中，在存在输入饱和的情况下，机械臂的实际关节驱动电机控制力矩u应满足S1中的输入受限约束，最终得到的机械臂各关节控制力矩u＝[u1,u2,…,un]T为：
Figure BDA0002368804830000111
接着，采用仿真实验对本实施例提供的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法的有效性与优越性进行验证，仿真中采用有限时间扰动观测器和线性扩张观测器进行对比仿真实验。仿真平台基于win10x64位操作***下的Matlab 2017b进行。仿真对象为如图3所示的二自由度机械臂。所采用的有限时间扰动观测其和线性扩张观测器被设计为如下形式：
Figure BDA0002368804830000112
Figure BDA0002368804830000113
在仿真案例中，二自由度刚性机械臂的动力学方程可以被建立为：
Figure BDA0002368804830000114
其中，
Figure BDA0002368804830000115
Figure BDA0002368804830000116
Figure BDA0002368804830000117
在忽略关节摩擦力的情况下，可以认为
Figure BDA0002368804830000118
其中x1＝[x11 x12]T，x2＝[x21 x22]T，
Figure BDA0002368804830000119
p3＝m2l1lc2，p4＝m1lc2+m2l1，p5＝m2lc2，
Figure BDA00023688048300001110
涉及的二自由度刚性机械臂的物理参数如表1所示：
表1二自由度刚性机械臂的物理参数
符号 定义 参数值 符号 定义 参数值
m<sub>1</sub> 连杆1质量 2.00(kg) l<sub>1</sub> 连杆1长度 0.35(m)
m<sub>2</sub> 连杆2质量 0.85(kg) l<sub>2</sub> 连杆2长度 0.31(m)
l<sub>c1</sub> 关节1到连杆1质心处距离 0.175(m) g 重力常数 9.8(m/s<sup>2</sup>)
l<sub>c2</sub> 关节2到连杆2质心处距离 0.155(m)
动力学方程中外界干扰力矩被设置为：
d(t)＝[sin(t)+0.25sin(t) 0.5cos(t)+0.25sin(t)]T
基于以上***参数，机械臂的初始条件为x11(0)＝x12(0)＝1(rad)，x21(0)＝x22(0)＝0(rad/s)。设计的期望跟踪轨迹为
Figure BDA0002368804830000121
观测器初始状态被定义为
Figure BDA0002368804830000122
仿真实验涉及到的控制器参数如表2所示
表2控制器参数
Figure BDA0002368804830000123
接着，采用仿真实验对本实施例提供的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法的有效性与优越性进行验证，仿真中采用有限时间扰动观测器和线性扩张观测器进行对比仿真实验。仿真平台基于win10x64位操作***下的Matlab 2017b进行。仿真对象为如图3所示的二自由度机械臂
仿真结果如图4至图15所示，其中，基于所提出的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法下的二自由度刚性机械臂关节位置和速度跟踪响应曲线如图4和图9所示，在使用本发明实施例提出的控制方法下，机械臂关节的位置和速度能够在固定时间内跟踪上期望的轨迹；在非线性抗饱和补偿器的作用下能够将控制器输出维持在执行器约束范围内，克服了机械臂控制器输出超过执行器有效输入范围的问题，且根据固定时间干扰观测器的观测性能，所有的观测误差均能够在固定时间内收敛至零。进一步的，在与图10至图15的对比中可以看到，对照组中的观测误差需要更长的时间收敛至零，根据本发明中所提出的控制器形式，这将在观测误差收敛至零的过程中产生更大的控制输入，从而影响***的跟踪性能。仿真实例表明所提出的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法具有很好的控制性能，并达到预期控制目标。
另需要说明的是：
图4、图5、图11、图14中的
Figure BDA0002368804830000134
分别表示二自由度机械臂关节1、关节2的实际速度，
Figure BDA0002368804830000133
分别表示二自由度机械臂关节1、关节2的期望速度；图6中的τ1、τ2分别表示二自由度机械臂关节1、关节2的实际控制力矩；图7、图12、图15中的
Figure BDA0002368804830000132
分别表示二自由度机械臂关节1和关节2的扰动总集观测误差；图8中的
Figure BDA0002368804830000131
分别表示二自由度机械臂关节1和机械臂关节2的加速度观测误差；图9中的e1、e2分别表示二自由度机械臂关节1和关节2的位置跟踪误差；图10、图13中的q1、q2分别表示二自由度机械臂关节1、关节2的实际位置/角度，qd1、qd2分别表示二自由度机械臂关节1、关节2的期望位置/角度。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，包括：
建立带有粘性摩擦项的n自由度旋转关节刚性机械臂***的动力学方程；
根据建立的动力学方程及机械臂轨迹跟踪误差信号，建立考虑参数不确定性的跟踪误差动力学方程，其中，参数不确定性包括：动力学建模误差以及未知外界扰动；
根据考虑参数不确定性的跟踪误差动力学方程，建立机械臂轨迹跟踪误差的状态空间模型；
根据建立的状态空间模型，建立固定时间干扰观测器；
根据机械臂轨迹跟踪误差信号，建立固定时间非奇异终端滑模面；
根据执行器饱和效应参数，建立非线性抗饱和补偿器；
根据建立的固定时间干扰观测器、固定时间非奇异终端滑模面及非线性抗饱和补偿器，初步确定机械臂各关节驱动电机控制力矩指令，并结合执行器的控制力矩输出范围，得到机械臂各关节控制力矩。
2.根据权利要求1所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，建立的动力学方程表示为：
Figure FDA0002368804820000011
其中，x、
Figure FDA0002368804820000012
分别表示机械臂关节的角度、角速度和角加速度；M(x)、
Figure FDA0002368804820000013
D、g(x)分别表示机械臂实际正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量；M0(x)、C0(x)、D0、g0(x)分别表示机械臂正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量的估计值；MΔ(x)、CΔ(x)、DΔ(x)、gΔ(x)分别表示机械臂正定惯性矩阵、离心力和科氏力矩阵、关节粘性摩擦系数矩阵、重力向量的估计误差；u为机械臂各关节控制力矩；d为施加在机械臂上的外界干扰力矩。
3.根据权利要求2所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，控制力矩u满足的输入受限约束为：
Figure FDA00023688048200000211
Figure FDA0002368804820000021
其中，ui表示第i个机械臂关节的实际控制力矩，ui0表示通过所述轨迹跟踪控制方法得到的第i个机械臂关节的理论控制力矩，n表示机械臂关节数目，
Figure FDA00023688048200000212
和
Figure FDA00023688048200000213
分别为执行器能够输出的最小和最大控制力矩。
4.根据权利要求3所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，所述根据建立的动力学方程及机械臂轨迹跟踪误差信号，建立考虑参数不确定性的跟踪误差动力学方程包括：
根据机械臂各关节的期望跟踪角度xd、期望跟踪角速度
Figure FDA0002368804820000022
及测量到的机械臂各关节的角度x和角速度
Figure FDA0002368804820000023
计算机械臂轨迹位置跟踪误差e＝x-xd和速度跟踪误差
Figure FDA0002368804820000024
根据建立的动力学方程及机械臂轨迹跟踪误差信号e和
Figure FDA0002368804820000025
建立考虑参数不确定性的跟踪误差动力学方程。
5.根据权利要求4所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，建立的跟踪误差动力学方程表示为：
Figure FDA0002368804820000026
其中，
Figure FDA0002368804820000027
分别表示角速度跟踪误差、角加速度跟踪误差；xd、
Figure FDA0002368804820000028
分别表示期望跟踪角度、期望跟踪角速度、期望跟踪角加速度；
Figure FDA0002368804820000029
表示与期望跟踪角度、期望跟踪角速度和期望跟踪角加速度相关的动力学已知项；
Figure FDA00023688048200000210
表示跟踪误差动力学方程中的全部未知项集合。
6.根据权利要求5所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，建立的状态空间模型表示为：
Figure FDA0002368804820000031
其中，x1表示位置跟踪误差，x1＝e；
Figure FDA0002368804820000032
和x2都表示速度跟踪误差，
Figure FDA0002368804820000033
η＝-M0 -1(C0+D0)x2-M0 -1h0表示动力学方程中的已知项；δ＝M0 -1ω表示聚合扰动，δ包含参数不确定和外部力矩干扰两部分。
7.根据权利要求6所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，建立的固定时间干扰观测器表示为：
Figure FDA0002368804820000034
其中，
Figure FDA0002368804820000035
和
Figure FDA0002368804820000036
分别表示x2和δ的估计值；
Figure FDA0002368804820000037
和
Figure FDA0002368804820000038
分别为
Figure FDA0002368804820000039
和
Figure FDA00023688048200000310
的变化率；
Figure FDA00023688048200000311
表示角速度估计误差；m1、n1、m2、n2、γ均表示固定时间干扰观测器增益；p1、p2、q1和q2均表示固定时间干扰观测器分数幂参数；函数sig(·)的形式为：sigz(y)＝|y|z·sign(y)，sign(y)表示为y的符号函数。
8.根据权利要求7所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，建立的固定时间非奇异终端滑模面s表示为：
Figure FDA00023688048200000312
其中，α1,α2为固定时间非奇异终端滑模面增益系数，β＝[β1,β2,…βn]T表示被用于应对奇异性问题的变结构滑模项，其构成参数βi表示为：
Figure FDA00023688048200000313
其中，i＝1,…,n，x1i表示第i个机械臂关节的速度跟踪误差；判断条件
Figure FDA00023688048200000314
γ1、γ2、κ都表示常数系数；常数系数
Figure FDA00023688048200000316
Figure FDA00023688048200000317
9.根据权利要求8所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，建立的非线性抗饱和补偿器表示为：
Figure FDA00023688048200000315
其中，ξ为非线性抗饱和补偿器的状态；k是正的常数系数；uΔ表示执行器饱和效应参数，uΔ＝u-u0；u0表示机械臂各关节驱动电机控制力矩指令。
10.根据权利要求9所述的存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法，其特征在于，初步确定的机械臂各关节驱动电机控制力矩指令表示为：
Figure FDA0002368804820000041
其中，
Figure FDA0002368804820000042
为中间变量，
Figure FDA0002368804820000043
表示定义；
Figure FDA0002368804820000044
表示变结构滑模项β的变化率；
Figure FDA0002368804820000045
为
Figure FDA0002368804820000046
的简写形式，
Figure FDA0002368804820000047
CN202010044241.1A 2020-01-15 2020-01-15 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 Active CN111152225B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010044241.1A CN111152225B (zh) 2020-01-15 2020-01-15 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010044241.1A CN111152225B (zh) 2020-01-15 2020-01-15 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法

Publications (2)

Publication Number Publication Date
CN111152225A true CN111152225A (zh) 2020-05-15
CN111152225B CN111152225B (zh) 2021-04-06

Family

ID=70563172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010044241.1A Active CN111152225B (zh) 2020-01-15 2020-01-15 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法

Country Status (1)

Country Link
CN (1) CN111152225B (zh)

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111506095A (zh) * 2020-04-24 2020-08-07 北京科技大学 一种双刚体特征点间饱和固定时间相对位姿跟踪控制方法
CN111781841A (zh) * 2020-08-28 2020-10-16 浙江协力机器人技术有限公司 基于外骨骼机器人的有限时间模型预测控制方法
CN111772794A (zh) * 2020-06-29 2020-10-16 郑州大学 用于微创手术的主端、从端机器人控制方法与装置
CN111796525A (zh) * 2020-08-28 2020-10-20 南京工业大学 基于外骨骼机器人机械臂的模型预测控制方法
CN111941432A (zh) * 2020-09-28 2020-11-17 南京工业大学 一种高性能机械臂人工智能输出反馈控制方法
CN112068435A (zh) * 2020-09-09 2020-12-11 北京航空航天大学 基于干扰观测器的康复机械装置迭代学习控制方法及***
CN112247984A (zh) * 2020-09-17 2021-01-22 江苏大学 一种变刚度关节轨迹跟踪控制方法
CN112286229A (zh) * 2020-10-22 2021-01-29 上海海事大学 一种基于递归滑模的移动机器人有限时间轨迹跟踪控制方法
CN112859600A (zh) * 2021-01-08 2021-05-28 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
CN112936277A (zh) * 2021-02-04 2021-06-11 大连海事大学 一种水下机器人-机械手***固定时间轨迹跟踪方法
CN112965371A (zh) * 2021-01-29 2021-06-15 哈尔滨工程大学 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法
CN113031442A (zh) * 2021-03-04 2021-06-25 长春工业大学 一种模块化机械臂分散鲁棒容错控制方法及***
CN113064349A (zh) * 2021-03-22 2021-07-02 中国人民解放军国防科技大学 固定时间收敛的非线性平台滑模控制方法、装置及***
CN113110059A (zh) * 2021-04-26 2021-07-13 杭州电子科技大学 基于事件触发的单连杆机械臂***实际跟踪的控制方法
CN113126623A (zh) * 2021-04-13 2021-07-16 吉林大学 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
CN113246107A (zh) * 2021-07-06 2021-08-13 深圳市越疆科技有限公司 机械臂关节的拖动示教限速方法、装置、电子设备及介质
CN113419550A (zh) * 2021-06-23 2021-09-21 北京遥感设备研究所 飞行器执行机构输出力矩饱和抗干扰姿态控制方法及***
CN113459083A (zh) * 2021-04-16 2021-10-01 山东师范大学 一种事件触发下的机械臂自适应固定时间控制方法及***
CN113568312A (zh) * 2021-08-13 2021-10-29 沈阳化工大学 受干扰情况下的单链机械臂轨迹跟踪方法
CN113805610A (zh) * 2020-06-12 2021-12-17 中移(苏州)软件技术有限公司 一种轨迹跟踪控制方法、装置及存储介质
CN114393581A (zh) * 2022-01-17 2022-04-26 成都工业学院 一种基于ros的一体化智能机械臂控制方法
CN114516047A (zh) * 2022-02-14 2022-05-20 安徽大学 基于径向基神经网络终端滑模控制机械臂轨迹方法及***
CN114619446A (zh) * 2022-03-11 2022-06-14 广东工业大学 基于双观测器的轨迹跟踪控制方法及***
CN114738338A (zh) * 2022-04-27 2022-07-12 浙江大学 一种面向水下多自由度液压机械臂的滑模控制方法
CN115185187A (zh) * 2022-08-16 2022-10-14 哈尔滨工业大学 一种基于二型椭球型模糊神经网络的机械臂有限时间跟踪控制方法
CN115366115A (zh) * 2022-10-24 2022-11-22 广州市微眸医疗器械有限公司 一种机械臂控制方法及其控制***和计算机可读存储介质
CN115609592A (zh) * 2022-11-22 2023-01-17 季华实验室 一种机械臂自适应跟踪控制方法
CN116339141A (zh) * 2023-03-10 2023-06-27 山东科技大学 一种机械臂全局固定时间轨迹跟踪滑模控制方法
CN117260736A (zh) * 2023-11-02 2023-12-22 北京长木谷医疗科技股份有限公司 一种机械臂动力学自适应控制方法、装置及电子设备
CN117325176A (zh) * 2023-11-02 2024-01-02 北京长木谷医疗科技股份有限公司 一种机械臂量化滑模控制方法、装置及电子设备
CN117359645A (zh) * 2023-12-04 2024-01-09 青岛理工大学 一种单连杆机械臂的自适应预定义时间控制方法
CN117506921A (zh) * 2023-12-05 2024-02-06 四川大学 基于固定时间滑模的二连杆机械臂跟踪控制方法
CN117681212A (zh) * 2024-02-01 2024-03-12 安徽大学 基于动力学参数辨识和快速终端滑模协作机器人控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140303777A1 (en) * 2013-04-08 2014-10-09 Canon Kabushiki Kaisha Robot device, robot control method, program, recording medium, and control device
CN104793625A (zh) * 2015-04-17 2015-07-22 西北工业大学 一种自主水下航行器动态抗饱和俯仰角控制方法
CN106054594A (zh) * 2016-06-12 2016-10-26 金陵科技学院 基于控制输入饱和的无模型自适应控制方法
CN108710303A (zh) * 2018-07-25 2018-10-26 西北工业大学 含有多源扰动及执行器饱和的航天器相对姿态控制方法
CN109927032A (zh) * 2019-03-28 2019-06-25 东南大学 一种基于高阶滑模观测器的机械臂轨迹跟踪控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140303777A1 (en) * 2013-04-08 2014-10-09 Canon Kabushiki Kaisha Robot device, robot control method, program, recording medium, and control device
CN104793625A (zh) * 2015-04-17 2015-07-22 西北工业大学 一种自主水下航行器动态抗饱和俯仰角控制方法
CN106054594A (zh) * 2016-06-12 2016-10-26 金陵科技学院 基于控制输入饱和的无模型自适应控制方法
CN108710303A (zh) * 2018-07-25 2018-10-26 西北工业大学 含有多源扰动及执行器饱和的航天器相对姿态控制方法
CN109927032A (zh) * 2019-03-28 2019-06-25 东南大学 一种基于高阶滑模观测器的机械臂轨迹跟踪控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙亮: "输入受限卫星姿态的鲁棒非线性镇定与跟踪控制", 《空间控制技术与应用》 *

Cited By (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111506095B (zh) * 2020-04-24 2021-04-06 北京科技大学 一种双刚体特征点间饱和固定时间相对位姿跟踪控制方法
CN111506095A (zh) * 2020-04-24 2020-08-07 北京科技大学 一种双刚体特征点间饱和固定时间相对位姿跟踪控制方法
CN113805610A (zh) * 2020-06-12 2021-12-17 中移(苏州)软件技术有限公司 一种轨迹跟踪控制方法、装置及存储介质
CN113805610B (zh) * 2020-06-12 2024-01-30 中移(苏州)软件技术有限公司 一种轨迹跟踪控制方法、装置及存储介质
CN111772794A (zh) * 2020-06-29 2020-10-16 郑州大学 用于微创手术的主端、从端机器人控制方法与装置
CN111781841A (zh) * 2020-08-28 2020-10-16 浙江协力机器人技术有限公司 基于外骨骼机器人的有限时间模型预测控制方法
CN111781841B (zh) * 2020-08-28 2022-05-17 浙江协力机器人技术有限公司 基于外骨骼机器人的有限时间模型预测控制方法
CN111796525A (zh) * 2020-08-28 2020-10-20 南京工业大学 基于外骨骼机器人机械臂的模型预测控制方法
CN111796525B (zh) * 2020-08-28 2022-12-02 南京工业大学 基于外骨骼机器人机械臂的模型预测控制方法
CN112068435A (zh) * 2020-09-09 2020-12-11 北京航空航天大学 基于干扰观测器的康复机械装置迭代学习控制方法及***
CN112247984A (zh) * 2020-09-17 2021-01-22 江苏大学 一种变刚度关节轨迹跟踪控制方法
CN112247984B (zh) * 2020-09-17 2021-11-23 江苏大学 一种变刚度关节轨迹跟踪控制方法
CN111941432B (zh) * 2020-09-28 2022-04-12 南京工业大学 一种高性能机械臂人工智能输出反馈控制方法
CN111941432A (zh) * 2020-09-28 2020-11-17 南京工业大学 一种高性能机械臂人工智能输出反馈控制方法
CN112286229A (zh) * 2020-10-22 2021-01-29 上海海事大学 一种基于递归滑模的移动机器人有限时间轨迹跟踪控制方法
CN112859600A (zh) * 2021-01-08 2021-05-28 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
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
CN112965371B (zh) * 2021-01-29 2021-09-28 哈尔滨工程大学 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法
CN112965371A (zh) * 2021-01-29 2021-06-15 哈尔滨工程大学 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法
CN112936277B (zh) * 2021-02-04 2024-02-20 大连海事大学 一种水下机器人-机械手***固定时间轨迹跟踪方法
CN112936277A (zh) * 2021-02-04 2021-06-11 大连海事大学 一种水下机器人-机械手***固定时间轨迹跟踪方法
CN113031442A (zh) * 2021-03-04 2021-06-25 长春工业大学 一种模块化机械臂分散鲁棒容错控制方法及***
CN113031442B (zh) * 2021-03-04 2022-08-02 长春工业大学 一种模块化机械臂分散鲁棒容错控制方法及***
CN113064349A (zh) * 2021-03-22 2021-07-02 中国人民解放军国防科技大学 固定时间收敛的非线性平台滑模控制方法、装置及***
CN113126623A (zh) * 2021-04-13 2021-07-16 吉林大学 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
CN113459083A (zh) * 2021-04-16 2021-10-01 山东师范大学 一种事件触发下的机械臂自适应固定时间控制方法及***
CN113459083B (zh) * 2021-04-16 2022-06-21 山东师范大学 一种事件触发下的机械臂自适应固定时间控制方法及***
CN113110059B (zh) * 2021-04-26 2022-04-19 杭州电子科技大学 基于事件触发的单连杆机械臂***实际跟踪的控制方法
CN113110059A (zh) * 2021-04-26 2021-07-13 杭州电子科技大学 基于事件触发的单连杆机械臂***实际跟踪的控制方法
CN113419550A (zh) * 2021-06-23 2021-09-21 北京遥感设备研究所 飞行器执行机构输出力矩饱和抗干扰姿态控制方法及***
CN114260878A (zh) * 2021-07-06 2022-04-01 深圳市越疆科技有限公司 机械臂关节的拖动示教限速方法、装置、电子设备及介质
CN114260877A (zh) * 2021-07-06 2022-04-01 深圳市越疆科技有限公司 机械臂关节的拖动示教限速方法、装置、电子设备及介质
CN113246107A (zh) * 2021-07-06 2021-08-13 深圳市越疆科技有限公司 机械臂关节的拖动示教限速方法、装置、电子设备及介质
CN113568312B (zh) * 2021-08-13 2023-08-01 沈阳化工大学 受干扰情况下的单链机械臂轨迹跟踪方法
CN113568312A (zh) * 2021-08-13 2021-10-29 沈阳化工大学 受干扰情况下的单链机械臂轨迹跟踪方法
CN114393581A (zh) * 2022-01-17 2022-04-26 成都工业学院 一种基于ros的一体化智能机械臂控制方法
CN114516047A (zh) * 2022-02-14 2022-05-20 安徽大学 基于径向基神经网络终端滑模控制机械臂轨迹方法及***
CN114516047B (zh) * 2022-02-14 2024-07-09 安徽大学 基于径向基神经网络终端滑模控制机械臂轨迹方法及***
CN114619446A (zh) * 2022-03-11 2022-06-14 广东工业大学 基于双观测器的轨迹跟踪控制方法及***
CN114738338A (zh) * 2022-04-27 2022-07-12 浙江大学 一种面向水下多自由度液压机械臂的滑模控制方法
CN115185187A (zh) * 2022-08-16 2022-10-14 哈尔滨工业大学 一种基于二型椭球型模糊神经网络的机械臂有限时间跟踪控制方法
CN115185187B (zh) * 2022-08-16 2023-06-20 哈尔滨工业大学 一种基于二型椭球型模糊神经网络的机械臂有限时间跟踪控制方法
CN115366115A (zh) * 2022-10-24 2022-11-22 广州市微眸医疗器械有限公司 一种机械臂控制方法及其控制***和计算机可读存储介质
CN115366115B (zh) * 2022-10-24 2023-01-13 广州市微眸医疗器械有限公司 一种机械臂控制方法及其控制***和计算机可读存储介质
CN115609592A (zh) * 2022-11-22 2023-01-17 季华实验室 一种机械臂自适应跟踪控制方法
CN116339141A (zh) * 2023-03-10 2023-06-27 山东科技大学 一种机械臂全局固定时间轨迹跟踪滑模控制方法
CN116339141B (zh) * 2023-03-10 2023-10-03 山东科技大学 一种机械臂全局固定时间轨迹跟踪滑模控制方法
CN117260736A (zh) * 2023-11-02 2023-12-22 北京长木谷医疗科技股份有限公司 一种机械臂动力学自适应控制方法、装置及电子设备
CN117325176A (zh) * 2023-11-02 2024-01-02 北京长木谷医疗科技股份有限公司 一种机械臂量化滑模控制方法、装置及电子设备
CN117260736B (zh) * 2023-11-02 2024-04-02 北京长木谷医疗科技股份有限公司 一种机械臂动力学自适应控制方法、装置及电子设备
CN117359645B (zh) * 2023-12-04 2024-02-23 青岛理工大学 一种单连杆机械臂的自适应预定义时间控制方法
CN117359645A (zh) * 2023-12-04 2024-01-09 青岛理工大学 一种单连杆机械臂的自适应预定义时间控制方法
CN117506921A (zh) * 2023-12-05 2024-02-06 四川大学 基于固定时间滑模的二连杆机械臂跟踪控制方法
CN117681212A (zh) * 2024-02-01 2024-03-12 安徽大学 基于动力学参数辨识和快速终端滑模协作机器人控制方法
CN117681212B (zh) * 2024-02-01 2024-05-14 安徽大学 基于动力学参数辨识和快速终端滑模协作机器人控制方法

Also Published As

Publication number Publication date
CN111152225B (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN111152225B (zh) 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法
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
CN112241124B (zh) 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
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
CN107065564B (zh) 一种基于自抗扰的中性浮力机器人姿态与轨迹控制方法
CN108181813B (zh) 一种柔性关节机械臂的分数阶滑模控制方法
CN107121932B (zh) 电机伺服***误差符号积分鲁棒自适应控制方法
CN108628172B (zh) 一种基于扩张状态观测器的机械臂高精度运动控制方法
CN110181510B (zh) 一种基于时延估计与模糊逻辑的机械臂轨迹跟踪控制方法
CN108803324A (zh) 多关节工业机械臂反步有限时间滑模控制方法
CN110842913B (zh) 一种单关节机械臂的自适应滑模迭代学习控制方法
CN108155833B (zh) 考虑电气特性的电机伺服***渐近稳定控制方法
CN109828468B (zh) 一种针对磁滞非线性机器人***的控制方法
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
CN112936277B (zh) 一种水下机器人-机械手***固定时间轨迹跟踪方法
CN111428317A (zh) 一种基于5g和循环神经网络的关节摩擦力矩补偿方法
CN112643670A (zh) 一种基于滑模观测器的柔性关节控制方法
CN114536334A (zh) 一种柔性机械臂***高阶滑模抗干扰控制方法
CN115576341A (zh) 基于函数微分和自适应变增益的无人机轨迹跟踪控制方法
CN111673742A (zh) 一种工业机器人轨迹跟踪控制算法
CN112223276A (zh) 基于自适应神经网络滑模控制的多关节机器人控制方法
CN116638544A (zh) 一种基于超局部模型的关节模组协同控制方法
CN113219841B (zh) 基于自适应鲁棒的水下多关节液压机械臂非线性控制方法
CN116088299A (zh) 卫星天线混联运动机构神经网络反步控制方法
CN112147894B (zh) 基于运动学和动力学模型的轮式移动机器人主动控制方法

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