CN113219841A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113219841A CN113219841A CN202110648342.4A CN202110648342A CN113219841A CN 113219841 A CN113219841 A CN 113219841A CN 202110648342 A CN202110648342 A CN 202110648342A CN 113219841 A CN113219841 A CN 113219841A
- Authority
- CN
- China
- Prior art keywords
- joint
- mechanical arm
- adaptive
- parameter
- hydraulic
- 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
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自适应鲁棒的水下多关节液压机械臂非线性控制方法。方法包括:建立水下多关节液压机械臂的***非线性动力学模型;建立水下多关节液压机械臂的自适应鲁棒控制律,构成水下多关节液压机械臂的自适应鲁棒控制器;将传感器测量获得的跟踪误差值实时反馈至自适应鲁棒控制器中,自适应鲁棒控制器实现自身参数地自适应迭代更新,自适应鲁棒控制器对水下多关节液压机械臂进行实时控制,形成完整的水下多关节液压机械臂闭环控制***,实现自适应鲁棒控制器对水下多关节液压机械臂的有效控制。本发明减小机械臂末端跟踪误差,提升控制性能;能够克服控制过程中模型不确定性所带来的影响,提升水下多关节液压机械臂末端控制精度。
Description
技术领域
本发明属于水下多关节液压机械臂运动控制领域的一种机械臂非线性控制方法,具体涉及了一种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。
背景技术
随着对海洋开发、利用和研究的不断深入,水下作业环境的条件越来越恶劣,不适合人类直接介入。另一方面,水下作业任务的复杂性不断加大,其对作业精确性的要求也不断提高,在这种情况下,借助水下机器人辅助完成水下作业任务是一种可行方案。水下多关节液压机械臂是水下机器人的重要组成部分,也是完成复杂水下作业任务的必要组成部分。目前已有例如管线跟踪、海缆埋设、海洋资源考察、海底石油平台检测、水下打捞和救援潜救生等多方面的应用。然而,现有的水下液压机械臂控制器大都没有充分地考虑***非线性、模型不确定和多输入多输出的高阶模型特性,此外,水下液压机械臂作业过程中常常受到海浪、海流等外干扰的综合影响。因此现有的控制器难以保证良好的水下多关节液压机械臂末端控制精度,从而影响水下作业性能。
发明内容
本发明针对现有水下多关节液压机械臂控制技术的不足,提出了一种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,降低水下液压机械臂运动过程中的模型不确定性(建模误差和参数不确定性)和不确定非线性(机械摩擦、液压油阻和浪流影响)对机械臂末端控制精度的影响,在保证控制***稳定性的同时,减小机械臂末端跟踪误差,提升控制性能。
为了实现上述目的,本发明具体技术方案如下:
本发明包括以下步骤:
1)建立水下多关节液压机械臂的***非线性动力学模型;
2)基于水下多关节液压机械臂的***非线性动力学模型,建立水下多关节液压机械臂的自适应鲁棒控制律;主要由***非线性动力学模型和自适应鲁棒控制律相连构成水下多关节液压机械臂的自适应鲁棒控制器;
3)将传感器测量获得的跟踪误差值实时反馈至自适应鲁棒控制器中,自适应鲁棒控制器实现自身参数地自适应迭代更新,自适应鲁棒控制器对水下多关节液压机械臂进行实时控制,形成完整的水下多关节液压机械臂闭环控制***,实现自适应鲁棒控制器对水下多关节液压机械臂的有效控制。
所述步骤1)具体为:
建立水下多关节液压机械臂的***非线性动力学模型,水下多关节液压机械臂的***非线性动力学模型主要由关节角与液压缸推杆动力学关系、连杆机械臂非线性动力学模型、液压***非线性动力学模型以及腔室流量与液压阀阀芯位移的动力学关系构成;
1.1)建立关节角与液压缸推杆动力学关系,具体为:
水下多关节液压机械臂的各关节角q满足q=[q1,q2,…,qi,…,qn]T,各关节液压缸推杆伸长量x满足x=[x1,x2,…,xi,…,xn]T,其中,q1表示水下多关节液压机械臂的第一个关节的关节角,qi表示水下多关节液压机械臂的第i个关节的关节角,x1表示水下多关节液压机械臂第一个关节的关节液压执行器推杆伸长量,xi表示水下多关节液压机械臂第i个关节的关节液压执行器推杆伸长量,i表示关节的序号,n表示关节的总数,i=1,2,3,…,n,T表示转置操作,每个关节角与对应关节的液压执行器推杆伸长量满足以下关系:
1.2)建立连杆机械臂非线性动力学模型,满足以下公式:
其中,和G(q)分别为水下多关节液压机械臂的惯性矩阵、科里奥利力与离心力矩阵以及重力矩阵;表示水下多关节液压机械臂的各关节角速度,满足表示水下多关节液压机械臂第i个关节的关节角速度,表示水下多关节液压机械臂的各关节角加速度,满足 表示水下多关节液压机械臂第i个关节的关节角加速度;表示各关节液压缸推杆伸长量x对各关节角q的全微分矩阵,满足 Pin表示各关节液压缸的进油腔油压,满足表示水下多关节液压机械臂第i个关节的液压缸的进油腔油压;Pout表示各关节液压缸的回油腔油压,满足表示水下多关节液压机械臂第i个关节的液压缸的回油腔油压;Ain表示各关节液压缸的进油腔面积,满足表示水下多关节液压机械臂第i个关节的液压缸的进油腔面积;Aout表示各关节液压缸的回油腔面积,满足表示水下多关节液压机械臂第i个关节的液压缸的回油腔面积;D表示水下多关节液压机械臂运动中的干扰项,干扰项包括机械摩擦、液压油阻和浪流影响的机械臂干扰因素;
1.3)建立液压***非线性动力学模型,满足以下公式:
其中,Vin表示水下多关节液压机械臂的各关节液压缸的进油腔体积,满足Vout表示水下多关节液压机械臂的各关节液压缸的回油腔体积,满足和分别表示初始情况下各关节液压缸的进油腔体积和回油腔体积;diag[]表示矩阵对角化操作;βe为液压油体积模量;Qin表示各关节液压缸的进油腔流量,满足表示水下多关节液压机械臂第i个关节的液压缸的进油腔流量;Qout表示水下多关节液压机械臂第i个关节的液压缸的回油腔流量,满足表示水下多关节液压机械臂第i个关节的液压缸的回油腔流量;表示各关节液压缸进油腔油压的微分;表示各关节液压缸回油腔油压的微分;
1.4)建立腔室流量与液压阀阀芯位移的动力学关系,满足以下公式:
Qin=kqingin(Pin,xv)xv (5)
Qout=kqoutgout(Pout,xv)xx (6)
其中,xv是各关节液压控制阀的阀芯位移,满足 表示第i个关节的液压控制阀的阀芯位移;kqin表示各关节进油室的流量增益常数,满足表示第i个关节的进油室的流量增益常数;kqout表示进油室和回油室的流量增益常数,满足表示第i个关节的回油室的流量增益常数;gin(Pin,xv)表示各关节液压控制阀的阀芯位移xv与进油室压力Pin的阀芯位移转换函数,gout(Pout,xv)表示各关节液压控制阀的阀芯位移xv与回油室压力Pout的阀芯位移转换函数,满足以下公式:
其中,表示第i个关节的液压控制阀的阀芯位移与进油室压力的阀芯位移转换函数,表示第i个关节的液压控制阀的阀芯位移与回油室压力的阀芯位移转换函数,Ps是液压泵的供给压力系数,Pr是液压回油箱的参考压力系数。
所述步骤2)具体为:
2.1)基于步骤1)中建立的***非线性动力学模型,建立第一自适应鲁棒控制律PLd,满足以下公式:
PLd=PLda+PLds1+PLds2 (16)
其中,PLda表示第一自适应模型补偿参数,PLds1表示第一线性鲁棒参数,PLds2表示第一不确定性补偿参数;为连杆机械臂非线性动力学模型中的参数估计矩阵,为在第一自适应模型补偿参数PLda中,参数估计矩阵中的各个参数对应的系数回归矩阵;和分别是连杆机械臂非线性动力学模型中惯性矩阵M(q)、科里奥利力与离心力矩阵重力矩阵G(q)以及干扰矩阵D的估计值;z2表示水下液压机械臂的角度转换误差;k2是预设的角度转换误差z2的系数反馈增益正定矩阵;T表示转置操作;ε2表示第一自适应鲁棒控制律的补偿参数;第一自适应鲁棒控制律的补偿参数ε2的数值设置为比第一自适应模型补偿参数PLda和第一线性鲁棒参数PLds1的数值小三个或者以上量级;表示不确定性模型参数的误差矩阵,满足θ是连杆机械臂非线性动力学模型中的参数矩阵;表示水下环境的不确定非线性误差参数,满足
2.2)基于第一自适应鲁棒控制律PLd,建立第二自适应鲁棒控制律QLd,满足以下公式:
QLd=QLda+QLds1+QLds2 (30)
z3 TβeQLds2≤0 (35)
其中,QLda表示第二自适应模型补偿参数,QLds1表示第二线性鲁棒参数,QLds2表示第二不确定性补偿参数;表示在第二自适应模型补偿参数QLda中,参数估计矩阵中的各个参数对应的系数回归矩阵;z3表示水下液压机械臂的压力参数误差,k3是预设的压力参数误差z3的系数反馈增益正定矩阵;各关节液压缸的进油腔流量Qin包括各关节液压缸的进油腔的标称流量Qinm和各关节液压缸的进油腔的误差流量各关节液压缸的回油腔流量Qout包括各关节液压缸的回油腔的标称流量Qoutm和回油腔的误差流量ε3表示第二自适应鲁棒控制律的补偿参数,第二自适应鲁棒控制律的补偿参数εx的数值设置为比第二自适应模型补偿参数QLda和第二线性鲁棒参数QLds1的数值小三个或者以上量级;表示第一自适应鲁棒控制律PLd的微分的不计算部分;
2.3)基于传感器测量获得的跟踪误差值,利用参数自适应调整方法对***非线性动力学模型中参数矩阵θ进行自适应迭代,获得更新的参数估计矩阵由此更新第一自适应模型补偿参数PLda与第二自适应模型补偿参数QLda;由第一线性鲁棒参数PLds1、第一不确定性补偿参数PLds2和更新后的第一自适应模型补偿参数PLda组成更新后的第一自适应鲁棒控制律PLd,由第二线性鲁棒参数QLds1、第二不确定性补偿参数QLds2和更新后的第二自适应模型补偿参数QLda组成更新后的第二自适应鲁棒控制律,将更新后的第二自适应鲁棒控制律QLda作为水下多关节液压机械臂的自适应鲁棒控制律;
2.4)基于***非线性动力学模型和自适应鲁棒控制律,构建液压机械臂的自适应鲁棒控制器,具体是将自适应鲁棒控制律的第二自适应模型补偿参数输入到***非线性动力学模型中,***非线性动力学模型的输出与第二线性鲁棒参数和不确定性补偿参数进行相加后输出作为自适应鲁棒控制器的输出,联立公式(6)-(9)以及式(30),获得自适应鲁棒控制器的输出,满足以下关系:
xv=(AinVin -1kqingin(Pin,xv)+AoutVout -1kqoutgout(Pout,xv))-1QLd (36)
将自适应鲁棒控制器的输出传输至水下多关节液压机械臂的液压***中从而实现控制。
所述步骤2.3)具体为:
S2:基于传感器测量获得的水下液压机械臂的角度转换误差z2和水下液压机械臂的压力参数误差z3,利用参数自适应调整方法对参数自适应初始矩阵进行非线性模型参数自适应迭代,获得更新的参数自适应初始矩阵和参数估计矩阵具体通过以下公式进行迭代:
其中,表示参数估计矩阵的微分,即为参数估计矩阵的变化率;是不连续投影函数,是预设的参数自适应增益矩阵,τθ表示自适应调整量,ts表示控制器的采样时间,θmax表示预设的参数矩阵θ的最大值,θmin表示预设的参数矩阵θ的最小值;公式(37)中,表示更新后的参数估计矩阵并作为下一次迭代的参数自适应初始矩阵
S3:在水下多关节液压机械臂运动控制过程中,不断重复步骤S2,对参数估计矩阵进行非线性模型参数自适应迭代,由此更新参数估计矩阵和第二自适应模型补偿参数QLda,使模型不确定的参数矩阵θ趋近于实际值的同时第二自适应模型补偿参数QLda趋近于理想控制值,从而克服模型不确定性对控制效果造成的影响,提升控制精度。
所述水下多关节液压机械臂主要由多关节连杆机械臂和液压***相连组成,多关节连杆机械臂和液压***中均安装有传感器,传感器测量水下液压机械臂的状态并将状态传输给自适应鲁棒控制器。
与现有技术相比,本发明具有如下有益效果:
1、本发明通过建立水下多关节液压机械臂非线性动力学模型,提出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,在保证控制***稳定性的同时,减小机械臂末端跟踪误差,提升控制性能。
附图说明
图1是本发明的控制对象简图。
图2是本发明的液压驱动***图。
图3是本发明的基于自适应鲁棒的水下多关节液压机械臂非线性控制(ARC)***框图。
图4是本发明的液压机械臂关节运动的目标轨迹。
图5是本发明的基于自适应鲁棒的水下多关节液压机械臂非线性控制器(ARC)与传统的PID控制器的控制效果对比图。
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,以下结合附图及实施例,对本发明进行进一步详细说明。此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
现结合图1、图2、图3、图4、图5对本发明作进一步描述:
本发明的实施技术方案为:
如图3所示,本发明包括以下步骤:
1)针对水下多关节液压机械臂的连杆机械构型以及液压传动机理,考虑包括机械摩擦、液压油阻和浪流影响在内的机械臂干扰因素,建立水下多关节液压机械臂的***非线性动力学模型;水下多关节液压机械臂主要由多关节连杆机械臂和液压***相连组成,多关节连杆机械臂和液压***中均安装有传感器,传感器测量水下液压机械臂的状态并将状态传输给自适应鲁棒控制器。
步骤1)具体为:
建立水下多关节液压机械臂的***非线性动力学模型,水下多关节液压机械臂的***非线性动力学模型主要由关节角与液压缸推杆动力学关系、连杆机械臂非线性动力学模型、液压***非线性动力学模型以及腔室流量与液压阀阀芯位移的动力学关系构成;如图1和2所示。
1.1)建立关节角与液压缸推杆动力学关系,具体为:
水下多关节液压机械臂的各关节角q满足q=[q1,q2,…,qi,…,qn]T,各关节液压缸推杆伸长量x满足x=[x1,x2,…,xi,…,xn]T,其中,q1表示水下多关节液压机械臂的第一个关节的关节角,qi表示水下多关节液压机械臂的第i个关节的关节角,x1表示水下多关节液压机械臂第一个关节的关节液压执行器推杆伸长量,xi表示水下多关节液压机械臂第i个关节的关节液压执行器推杆伸长量,i表示关节的序号,n表示关节的总数,i=1,2,3,…,n,T表示转置操作,每个关节角与对应关节的液压执行器推杆伸长量满足以下关系:
1.2)建立连杆机械臂非线性动力学模型,满足以下公式:
其中,和G(q)分别为水下多关节液压机械臂的惯性矩阵、科里奥利力与离心力矩阵以及重力矩阵;表示水下多关节液压机械臂的各关节角速度,满足表示水下多关节液压机械臂第i个关节的关节角速度,表示水下多关节液压机械臂的各关节角加速度,满足 表示水下多关节液压机械臂第i个关节的关节角加速度;表示各关节液压缸推杆伸长量x对各关节角q的全微分矩阵,满足 Pin表示各关节液压缸的进油腔油压,满足表示水下多关节液压机械臂第i个关节的液压缸的进油腔油压;Pout表示各关节液压缸的回油腔油压,满足表示水下多关节液压机械臂第i个关节的液压缸的回油腔油压;Ain表示各关节液压缸的进油腔面积,满足表示水下多关节液压机械臂第i个关节的液压缸的进油腔面积;Aout表示各关节液压缸的回油腔面积,满足表示水下多关节液压机械臂第i个关节的液压缸的回油腔面积;D表示水下多关节液压机械臂运动中的干扰项,干扰项包括机械摩擦、液压油阻和浪流影响的机械臂干扰因素;
1.3)建立液压***非线性动力学模型,满足以下公式:
其中,Vin表示水下多关节液压机械臂的各关节液压缸的进油腔体积,满足Vout表示水下多关节液压机械臂的各关节液压缸的回油腔体积,满足和分别表示初始情况下各关节液压缸的进油腔体积和回油腔体积;diag[]表示矩阵对角化操作;βe为液压油体积模量;Qin表示各关节液压缸的进油腔流量,满足表示水下多关节液压机械臂第i个关节的液压缸的进油腔流量;Qout表示水下多关节液压机械臂第i个关节的液压缸的回油腔流量,满足表示水下多关节液压机械臂第i个关节的液压缸的回油腔流量;表示各关节的液压缸进油腔油压的微分;表示各关节的液压缸回油腔油压的微分;
1.4)建立腔室流量与液压阀阀芯位移的动力学关系,满足以下公式:
Qin=kqingin(Oin,xv)xv (5)
Qout=kqoutgout(Pout,xv)xv (6)
其中,xv是各关节液压控制阀的阀芯位移,满足 表示第i个关节的液压控制阀的阀芯位移;kqin表示各关节进油室的流量增益常数,满足表示第i个关节的进油室的流量增益常数;kqout表示进油室和回油室的流量增益常数,满足表示第i个关节的回油室的流量增益常数;gin(Pin,xv)表示各关节液压控制阀的阀芯位移xv与进油室压力Pin的阀芯位移转换函数,gout(Pout,xv)表示各关节液压控制阀的阀芯位移xv与回油室压力Pout的阀芯位移转换函数,满足以下公式:
其中,表示第i个关节的液压控制阀的阀芯位移与进油室压力的阀芯位移转换函数,表示第i个关节的液压控制阀的阀芯位移与回油室压力的阀芯位移转换函数,Ps是液压泵的供给压力系数,Pr是液压回油箱的参考压力系数。
2)基于水下多关节液压机械臂的***非线性动力学模型,建立水下多关节液压机械臂的自适应鲁棒控制律;自适应鲁棒控制律包括自适应模型补偿参数、线性鲁棒参数和不确定性补偿参数;主要由***非线性动力学模型和自适应鲁棒控制律相连构成水下多关节液压机械臂的自适应鲁棒控制器;
步骤2)具体为:
2.1)基于步骤1)中建立的***非线性动力学模型,建立第一自适应鲁棒控制律PLd,满足以下公式:
PLd=PLda+PLds1+PLds2 (16)
其中,PLda表示第一自适应模型补偿参数,PLds1表示第一线性鲁棒参数,PLds2表示第一不确定性补偿参数;为连杆机械臂非线性动力学模型中的参数估计矩阵,为在第一自适应模型补偿参数PLda中,参数估计矩阵中的各个参数对应的系数回归矩阵;和分别是连杆机械臂非线性动力学模型中惯性矩阵M(q)、科里奥利力与离心力矩阵重力矩阵G(q)以及干扰矩阵D的估计值;z2表示水下液压机械臂的角度转换误差;k2是预设的角度转换误差z2的系数反馈增益正定矩阵;T表示转置操作;ε2表示第一自适应鲁棒控制律的补偿参数;第一自适应鲁棒控制律的补偿参数ε2的数值设置为比第一自适应模型补偿参数PLda和第一线性鲁棒参数PLds1的数值小三个或者以上量级;表示不确定性模型参数的误差矩阵,满足θ是连杆机械臂非线性动力学模型中的参数矩阵;表示水下环境的不确定非线性误差参数,满足
第一自适应鲁棒控制律PLd的计算过程具体为:
水下液压机械臂关节角跟踪误差z1为:
z1=qs-qd (11)
其中,qs表示水下液压机械臂各关节角的实际测量值,qd表示水下液压机械臂各关节角的控制目标值。另外,水下液压机械臂的角度转换误差z2为:
其中,k1表示预设的水下液压机械臂关节角跟踪误差z1的系数正定对角矩阵;k1的建立目的是为了保证自适应鲁棒控制器中第一自适应鲁棒控制律的李雅普诺夫控制函数的微分小于等于零,从而使得整个自适应鲁棒控制器保持稳定性。
对公式(12)等号两边进行微分并左乘水下液压机械臂的惯性矩阵M(q),联立公式(2)、(11)和(13)得到以下结果:
由于PinAin-PoutAout在连杆机械臂非线性动力学模型中为高阶项,所以基于降阶的思想,采用反演建立法,水下液压机械臂的压力虚拟控制输入PL为:
PL=PinAin-PoutAout (15)
考虑连杆机械臂非线性动力学模型中存在动力学模型参数不确定性,在自适应鲁棒控制器建立中需要用参数估计矩阵代替精确的未知模型参数。在此,针对水下液压机械臂的压力虚拟控制输入PL提出第一自适应鲁棒控制律PLd,在保证***瞬态性能的同时减小各关节角跟踪误差。建立的第一自适应鲁棒控制律PLd由以下三部分构成:
PLd=PLda+PLds1+PLds2 (16)
其中,PLda表示第一自适应模型补偿参数,PLds1表示第一线性鲁棒参数,PLds2表示第一不确定性补偿参数。
第一自适应模型补偿参数PLda的具体表达式写成如下形式:
另外,由于连杆机械臂非线性动力学模型具有以下两个性质:
在自适应鲁棒控制器建立过程中,参数矩阵θ为:
根据上述性质,第一自适应模型补偿参数PLda写成:
第一线性鲁棒参数PLds1的具体表达式写成如下形式:
其中,k2是预设的角度转换误差z2的系数反馈增益正定矩阵。角度转换误差k2的建立目的也是为了保证第一自适应鲁棒控制律的李雅普诺夫控制函数的微分小于等于零,从而使得整体自适应鲁棒控制器保持稳定性。
另外,考虑到连杆机械臂非线性动力学模型中还存在不确定非线性因素,需要对这部分影响因素进行补偿。作为不确定性补偿参数,第一不确定性补偿参数PLds2无法写成具体的公式表达,但是其需要满足以下约束条件:
其中,ε2是第一自适应鲁棒控制律补偿参数,第一自适应鲁棒控制律补偿参数ε2的数值设置为比第一自适应模型补偿参数PLda和第一线性鲁棒参数PLds1的数值小三个(即10-3)或者以上量级。表示不确定性模型参数的误差矩阵,满足θ是连杆机械臂非线性动力学模型中的参数矩阵;表示水下环境的不确定的非线性误差参数,满足满足条件1能够保证第一自适应鲁棒控制律在存在参数不确定性和不确定性非线性时能保持良好的控制性能;满足条件2保证第一不确定性补偿参数PLds2最终趋近为0从而将其对第一自适应模型补偿参数PLda的干扰降到最小。
2.2)基于第一自适应鲁棒控制律PLd,建立第二自适应鲁棒控制律QLd,满足以下公式:
QLd=QLda+QLds1+QLds2 (30)
z3 TβeQLds2≤0 (35)
其中,QLda表示第二自适应模型补偿参数,QLds1表示第二线性鲁棒参数,QLds2表示第二不确定性补偿参数;表示在第二自适应模型补偿参数QLda中,参数估计矩阵中的各个参数对应的系数回归矩阵;z3表示水下液压机械臂的压力参数误差,k3是预设的压力参数误差z3的系数反馈增益正定矩阵;各关节液压缸的进油腔流量Qin包括各关节液压缸的进油腔的标称流量Qinm和各关节液压缸的进油腔的误差流量各关节液压缸的回油腔流量Qout包括各关节液压缸的回油腔的标称流量Qoutm和回油腔的误差流量ε3表示第二自适应鲁棒控制律的补偿参数,第二自适应鲁棒控制律的补偿参数ε3的数值设置为比第二自适应模型补偿参数QLda和第二线性鲁棒参数QLds1的数值小三个(即10-3)或者以上量级;表示第一自适应鲁棒控制律PLd的微分的不计算部分;
第二自适应鲁棒控制律QLd的计算过程具体为:
在完成对压力虚拟控制输入PL的控制律建立之后,压力参数误差z3=PL-PLd,并建立第二自适应鲁棒控制律,使压力参数误差z3收敛到零或极小值的同时保证***的瞬态性能和精度。
首先对压力参数误差z3进行微分:
第一自适应鲁棒控制律PLd是3.1)中所设定压力虚拟控制输入PL的理论建立值,对其进行全微分得到:
联立公式(3)、(4)和(15)得到:
其中,各关节液压缸的进油腔流量Qin包括各关节液压缸的进油腔的标称流量Qinm和各关节液压缸的进油腔的误差流量各关节液压缸的回油腔流量Qout包括各关节液压缸的回油腔的标称流量Qoutm和回油腔的误差流量
与压力虚拟控制输入PL相同,流量虚拟控制输入QL:
QL=AinVin -1Qinm+AoutVout -1Qoutm (28)
联立公式(22)-(26),以将压力误差参数z3的微分表示为:
与第一自适应鲁棒控制律相似,针对流量虚拟控制输入QL的第二自适应鲁棒控制律也包含三部分,具体表示为以下形式:
QLd=QLda+QLds1+QLds2 (30)
其中,QLda表示第二自适应模型补偿参数,QLds1表示第二线性鲁棒参数,QLds2表示第二不确定性补偿参数。
第二自适应模型补偿参数QLda的具体表达式写成如下形式:
根据连杆机械臂非线性动力学模型的性质2,第二自适应模型补偿参数QLda也以简写成:
第二线性鲁棒参数QLds1的具体表达式写成如下形式:
其中,z3表示水下水下液压机械臂的压力参数误差,k3是预设的压力参数误差z3的系数反馈增益正定矩阵;k3的建立目的是为了保证第二自适应鲁棒控制律的李雅普诺夫控制函数的微分小于等于零,从而使得整体控制器保持稳定性。
另外,与第一不确定性补偿参数PLds2相同,第二不确定性补偿参数QLds2也无法写成具体的公式表达,但是其需要满足以下约束条件:
条件1:
条件2:z3 TβeQLds2≤0 (35)
其中,ε3表示表示第二自适应鲁棒控制律的补偿参数。第二自适应鲁棒控制律的补偿参数ε3的数值设置为比第二自适应模型补偿参数QLda和第二线性鲁棒参数QLds1的数值小三个(即10-3)或者以上量级。
2.3)考虑到步骤一中所建立***非线性动力学模型存在模型不确定性,所采用的***非线性动力学模型中参数估计矩阵并不完全准确,所以为了减小参数估计矩阵不准确所导致的模型不确定的影响,基于传感器测量获得的跟踪误差值,利用参数自适应调整方法对***非线性动力学模型中参数矩阵θ进行自适应迭代,获得更新的参数估计矩阵由此更新第一自适应模型补偿参数PLda与第二自适应模型补偿参数QLda;由第一线性鲁棒参数PLds1、第一不确定性补偿参数PLds2和更新后的第一自适应模型补偿参数PLda组成更新后的第一自适应鲁棒控制律PLd,由第二线性鲁棒参数QLds1、第二不确定性补偿参数QLds2和更新后的第二自适应模型补偿参数QLda组成更新后的第二自适应鲁棒控制律,将更新后的第二自适应鲁棒控制律QLda作为水下多关节液压机械臂的自适应鲁棒控制律;
步骤2.3)具体为:
S2:基于传感器测量获得的水下液压机械臂的角度转换误差z2和水下液压机械臂的压力参数误差z3,利用参数自适应调整方法对参数自适应初始矩阵进行非线性模型参数自适应迭代,获得更新的参数自适应初始矩阵和参数估计矩阵具体通过以下公式进行迭代:
其中,表示参数估计矩阵的微分,即为参数估计矩阵的变化率;是不连续投影函数,是预设的参数自适应增益矩阵,τθ表示自适应调整量,ts表示控制器的采样时间,θmax表示预设的参数矩阵θ的最大值,θmin表示预设的参数矩阵θ的最小值;公式(37)中,表示更新后的参数估计矩阵并作为下一次迭代的参数自适应初始矩阵
S3:在水下多关节液压机械臂运动控制过程中,不断重复步骤S2,对参数估计矩阵进行非线性模型参数自适应迭代,由此更新参数估计矩阵和第二自适应模型补偿参数QLda,使模型不确定的参数矩阵θ趋近于实际值的同时第二自适应模型补偿参数QLda趋近于理想控制值,从而克服模型不确定性对控制效果造成的影响,提升控制精度。
2.4)基于***非线性动力学模型和自适应鲁棒控制律,构建液压机械臂的自适应鲁棒控制器,具体是将自适应鲁棒控制律的第二自适应模型补偿参数输入到***非线性动力学模型中,***非线性动力学模型的输出与第二线性鲁棒参数和不确定性补偿参数进行相加后输出作为自适应鲁棒控制器的输出,联立公式(6)-(9)以及式(30),获得自适应鲁棒控制器的输出,满足以下关系:
xv=(AinVin -1kqingin(Pin,xv)+AoutVout -1kqoutgout(Pout,xv))-1QLd (36)
将自适应鲁棒控制器的输出传输至水下多关节液压机械臂的液压***中从而实现控制。
3)将传感器测量获得的跟踪误差值实时反馈至自适应鲁棒控制器的自适应鲁棒控制律中,自适应鲁棒控制器实现自身参数地自适应迭代更新,自适应鲁棒控制器对水下多关节液压机械臂进行实时控制,形成完整的水下多关节液压机械臂闭环控制***,实现自适应鲁棒控制器对水下多关节液压机械臂的有效控制。
最后,对上述的控制方法进行了基于双自由度液压机械臂的MATLAB/Simulink仿真,模拟如图4所示的液压机械臂关节运动的目标轨迹,并与PID控制器进行对比,验证本发明提出控制方法的控制效果。
在控制器增益系数设计方面,作为对比的PID控制器增益参数选择为:kp=diag[150,180],kI=diag[40,40],kD=diag[17,10];所设计的ARC控制器增益参数选择为:k1=150,k2=diag[150,90],k3=diag[100,60].自适应参数矩阵设定为:Γ=diag[2.5×10-6,0,6×10-6,8.6×10-6,0,0,0,2.5×10-6,0,7.2×10-6,8.6×10-6,0,0,0].Γ中某些自适应参数为零的原因是:在实际应用中,某些参数可以由已知参数唯一确定,其不确定性较小,因此为了提高控制器效率,只有存在较大不确定性的参数才能进行自适应调整。
水下多关节液压机械臂仿真模型参数如表1所示。
表1仿真模型参数
最后,多关节液压机械臂仿真结果如图5所示,在图5的上两张子图中,细线表示基于自适应鲁棒的水下多关节液压机械臂非线性控制器的控制效果,粗线表示PID控制器的控制效果;在图5的下两张子图中,细线表示基于自适应鲁棒的水下多关节液压机械臂非线性控制器的误差,粗线表示PID控制器的控制误差。
由控制效果子图可以看出,本发明所设计的基于自适应鲁棒的水下多关节液压机械臂非线性控制器能够在存在模型干扰(机械摩擦、液压油阻和浪流影响)和速度信号未知的情况下能够精确跟踪目标轨迹曲线。同时,控制跟踪误差曲线表明在整个运动过程中各关节的角度跟踪误差在稳态下均保持零(角速度和加速度保持不变)。与关节角度范围相比,两个关节的跟踪误差在瞬态变化过程中只存在较小的波动。
相比于传统的PID控制器而言,ARC的关节跟踪误差更小且瞬态响应时间更短,体现了本发明设计的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具有更优越的瞬态响应性能和更好的鲁棒性,能够有效地补偿模型不确定性(建模误差和参数不确定性)和模型干扰(机械摩擦、液压油阻和浪流影响)对机械臂末端控制精度的影响,在保证控制***稳定性的同时,减小机械臂末端跟踪误差,提升控制性能。
以上内容仅为本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (5)
1.一种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,其特征在于,包括以下步骤:
1)建立水下多关节液压机械臂的***非线性动力学模型;
2)基于水下多关节液压机械臂的***非线性动力学模型,建立水下多关节液压机械臂的自适应鲁棒控制律;主要由***非线性动力学模型和自适应鲁棒控制律相连构成水下多关节液压机械臂的自适应鲁棒控制器;
3)将传感器测量获得的跟踪误差值实时反馈至自适应鲁棒控制器中,自适应鲁棒控制器实现自身参数地自适应迭代更新,自适应鲁棒控制器对水下多关节液压机械臂进行实时控制,形成完整的水下多关节液压机械臂闭环控制***,实现自适应鲁棒控制器对水下多关节液压机械臂的有效控制。
2.根据权利要求1所述的一种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,其特征在于,所述步骤1)具体为:
建立水下多关节液压机械臂的***非线性动力学模型,水下多关节液压机械臂的***非线性动力学模型主要由关节角与液压缸推杆动力学关系、连杆机械臂非线性动力学模型、液压***非线性动力学模型以及腔室流量与液压阀阀芯位移的动力学关系构成;
1.1)建立关节角与液压缸推杆动力学关系,具体为:
水下多关节液压机械臂的各关节角q满足q=[q1,q2,…,qi,…,qn]T,各关节液压缸推杆伸长量x满足x=[x1,x2,…,xi,…,xn]T,其中,q1表示水下多关节液压机械臂的第一个关节的关节角,qi表示水下多关节液压机械臂的第i个关节的关节角,x1表示水下多关节液压机械臂第一个关节的关节液压执行器推杆伸长量,xi表示水下多关节液压机械臂第i个关节的关节液压执行器推杆伸长量,i表示关节的序号,n表示关节的总数,i=1,2,3,…,n,T表示转置操作,每个关节角与对应关节的液压执行器推杆伸长量满足以下关系:
1.2)建立连杆机械臂非线性动力学模型,满足以下公式:
其中,M(q),和G(q)分别为水下多关节液压机械臂的惯性矩阵、科里奥利力与离心力矩阵以及重力矩阵;表示水下多关节液压机械臂的各关节角速度,满足 表示水下多关节液压机械臂第i个关节的关节角速度,表示水下多关节液压机械臂的各关节角加速度,满足 表示水下多关节液压机械臂第i个关节的关节角加速度;表示各关节液压缸推杆伸长量x对各关节角q的全微分矩阵,满足 Pin表示各关节液压缸的进油腔油压,满足 表示水下多关节液压机械臂第i个关节的液压缸的进油腔油压;Pout表示各关节液压缸的回油腔油压,满足 表示水下多关节液压机械臂第i个关节的液压缸的回油腔油压;Ain表示各关节液压缸的进油腔面积,满足 表示水下多关节液压机械臂第i个关节的液压缸的进油腔面积;Aout表示各关节液压缸的回油腔面积,满足 表示水下多关节液压机械臂第i个关节的液压缸的回油腔面积;D表示水下多关节液压机械臂运动中的干扰项,干扰项包括机械摩擦、液压油阻和浪流影响的机械臂干扰因素;
1.3)建立液压***非线性动力学模型,满足以下公式:
其中,Vin表示水下多关节液压机械臂的各关节液压缸的进油腔体积,满足Vout表示水下多关节液压机械臂的各关节液压缸的回油腔体积,满足 和分别表示初始情况下各关节液压缸的进油腔体积和回油腔体积;diag[]表示矩阵对角化操作;βe为液压油体积模量;Qin表示各关节液压缸的进油腔流量,满足 表示水下多关节液压机械臂第i个关节的液压缸的进油腔流量;Qout表示水下多关节液压机械臂第i个关节的液压缸的回油腔流量,满足 表示水下多关节液压机械臂第i个关节的液压缸的回油腔流量;表示各关节液压缸进油腔油压的微分;表示各关节液压缸回油腔油压的微分;
1.4)建立腔室流量与液压阀阀芯位移的动力学关系,满足以下公式:
Qin=kqingin(Pin,xv)xv (5)
Qout=kqoutgout(Pout,xv)xv (6)
其中,xv是各关节液压控制阀的阀芯位移,满足 表示第i个关节的液压控制阀的阀芯位移;kqin表示各关节进油室的流量增益常数,满足 表示第i个关节的进油室的流量增益常数;kqout表示进油室和回油室的流量增益常数,满足 表示第i个关节的回油室的流量增益常数;gin(Pin,xv)表示各关节液压控制阀的阀芯位移xv与进油室压力Pin的阀芯位移转换函数,gout(Pout,xv)表示各关节液压控制阀的阀芯位移xv与回油室压力Pout的阀芯位移转换函数,满足以下公式:
3.根据权利要求1所述的一种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,其特征在于,所述步骤2)具体为:
2.1)基于步骤1)中建立的***非线性动力学模型,建立第一自适应鲁棒控制律PLd,满足以下公式:
PLd=PLda+PLds1+PLds2 (11)
其中,PLda表示第一自适应模型补偿参数,PLds1表示第一线性鲁棒参数,PLds2表示第一不确定性补偿参数;为连杆机械臂非线性动力学模型中的参数估计矩阵,为在第一自适应模型补偿参数PLda中,参数估计矩阵中的各个参数对应的系数回归矩阵;和分别是连杆机械臂非线性动力学模型中惯性矩阵M(q)、科里奥利力与离心力矩阵重力矩阵G(q)以及干扰矩阵D的估计值;z2表示水下液压机械臂的角度转换误差;k2是预设的角度转换误差z2的系数反馈增益正定矩阵;T表示转置操作;ε2表示第一自适应鲁棒控制律的补偿参数;第一自适应鲁棒控制律的补偿参数ε2的数值设置为比第一自适应模型补偿参数PLda和第一线性鲁棒参数PLds1的数值小三个或者以上量级;表示不确定性模型参数的误差矩阵,满足θ是连杆机械臂非线性动力学模型中的参数矩阵;表示水下环境的不确定非线性误差参数,满足
2.2)基于第一自适应鲁棒控制律PLd,建立第二自适应鲁棒控制律QLd,满足以下公式:
QLd=QLda+QLds1+QLds2 (16)
z3 TβeQLds2≤0 (20)
其中,QLda表示第二自适应模型补偿参数,QLds1表示第二线性鲁棒参数,QLds2表示第二不确定性补偿参数;表示在第二自适应模型补偿参数QLda中,参数估计矩阵中的各个参数对应的系数回归矩阵;z3表示水下液压机械臂的压力参数误差,k3是预设的压力参数误差z3的系数反馈增益正定矩阵;各关节液压缸的进油腔流量Qin包括各关节液压缸的进油腔的标称流量Qinm和各关节液压缸的进油腔的误差流量各关节液压缸的回油腔流量Qout包括各关节液压缸的回油腔的标称流量Qoutm和回油腔的误差流量ε3表示第二自适应鲁棒控制律的补偿参数,第二自适应鲁棒控制律的补偿参数ε3的数值设置为比第二自适应模型补偿参数QLda和第二线性鲁棒参数QLds1的数值小三个或者以上量级;表示第一自适应鲁棒控制律PLd的微分的不计算部分;
2.3)基于传感器测量获得的跟踪误差值,利用参数自适应调整方法对***非线性动力学模型中参数矩阵θ进行自适应迭代,获得更新的参数估计矩阵由此更新第一自适应模型补偿参数PLda与第二自适应模型补偿参数QLda;由第一线性鲁棒参数PLds1、第一不确定性补偿参数PLds2和更新后的第一自适应模型补偿参数PLda组成更新后的第一自适应鲁棒控制律PLd,由第二线性鲁棒参数QLds1、第二不确定性补偿参数QLds2和更新后的第二自适应模型补偿参数QLda组成更新后的第二自适应鲁棒控制律,将更新后的第二自适应鲁棒控制律QLda作为水下多关节液压机械臂的自适应鲁棒控制律;
2.4)基于***非线性动力学模型和自适应鲁棒控制律,构建液压机械臂的自适应鲁棒控制器,具体是将自适应鲁棒控制律的第二自适应模型补偿参数输入到***非线性动力学模型中,***非线性动力学模型的输出与第二线性鲁棒参数和不确定性补偿参数进行相加后输出作为自适应鲁棒控制器的输出,联立公式(6)-(9)以及式(16),获得自适应鲁棒控制器的输出,满足以下关系:
xv=(AinVin -1kqingin(Pin,xv)+AoutVout -1kqoutgout(Pout,xv))-1QLd (21)
将自适应鲁棒控制器的输出传输至水下多关节液压机械臂的液压***中从而实现控制。
4.根据权利要求3所述的一种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,其特征在于,所述步骤2.3)具体为:
S2:基于传感器测量获得的水下液压机械臂的角度转换误差z2和水下液压机械臂的压力参数误差z3,利用参数自适应调整方法对参数自适应初始矩阵进行非线性模型参数自适应迭代,获得更新的参数自适应初始矩阵和参数估计矩阵具体通过以下公式进行迭代:
其中,表示参数估计矩阵的微分;是不连续投影函数,是预设的参数自适应增益矩阵,τθ表示自适应调整量,ts表示控制器的采样时间,θmax表示预设的参数矩阵θ的最大值,θmin表示预设的参数矩阵θ的最小值;公式(22)中,表示更新后的参数估计矩阵并作为下一次迭代的参数自适应初始矩阵
5.根据权利要求1所述的一种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,其特征在于:所述水下多关节液压机械臂主要由多关节连杆机械臂和液压***相连组成,多关节连杆机械臂和液压***中均安装有传感器,传感器测量水下液压机械臂的状态并将状态传输给自适应鲁棒控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648342.4A CN113219841B (zh) | 2021-06-10 | 2021-06-10 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648342.4A CN113219841B (zh) | 2021-06-10 | 2021-06-10 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113219841A true CN113219841A (zh) | 2021-08-06 |
CN113219841B CN113219841B (zh) | 2022-03-29 |
Family
ID=77081721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110648342.4A Active CN113219841B (zh) | 2021-06-10 | 2021-06-10 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219841B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117389156A (zh) * | 2023-12-09 | 2024-01-12 | 中信重工机械股份有限公司 | 基于摩擦补偿的液压机械臂自适应积分鲁棒控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999046731A1 (en) * | 1998-03-13 | 1999-09-16 | The University Of Houston System | Methods for performing daf data filtering and padding |
US5959861A (en) * | 1996-10-31 | 1999-09-28 | Fujitsu Limited | Adaptive robust control device |
CN106842954A (zh) * | 2017-03-14 | 2017-06-13 | 北京理工大学 | 一种半柔性机械臂***的控制方法 |
CN109062039A (zh) * | 2018-07-25 | 2018-12-21 | 长安大学 | 一种三自由度Delta并联机器人的自适应鲁棒控制方法 |
CN109240086A (zh) * | 2018-10-16 | 2019-01-18 | 浙江大学 | 一种非线性双边遥操作***的自适应鲁棒控制方法 |
CN109421042A (zh) * | 2017-08-23 | 2019-03-05 | 中国空气动力研究与发展中心计算空气动力研究所 | 柔性铰空间站机械臂的鲁棒自适应滑模控制方法 |
CN111546350A (zh) * | 2020-04-30 | 2020-08-18 | 浙江大学 | 一种多关节重载液压机器人***及高精度运动控制方法 |
-
2021
- 2021-06-10 CN CN202110648342.4A patent/CN113219841B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5959861A (en) * | 1996-10-31 | 1999-09-28 | Fujitsu Limited | Adaptive robust control device |
WO1999046731A1 (en) * | 1998-03-13 | 1999-09-16 | The University Of Houston System | Methods for performing daf data filtering and padding |
CN106842954A (zh) * | 2017-03-14 | 2017-06-13 | 北京理工大学 | 一种半柔性机械臂***的控制方法 |
CN109421042A (zh) * | 2017-08-23 | 2019-03-05 | 中国空气动力研究与发展中心计算空气动力研究所 | 柔性铰空间站机械臂的鲁棒自适应滑模控制方法 |
CN109062039A (zh) * | 2018-07-25 | 2018-12-21 | 长安大学 | 一种三自由度Delta并联机器人的自适应鲁棒控制方法 |
CN109240086A (zh) * | 2018-10-16 | 2019-01-18 | 浙江大学 | 一种非线性双边遥操作***的自适应鲁棒控制方法 |
CN111546350A (zh) * | 2020-04-30 | 2020-08-18 | 浙江大学 | 一种多关节重载液压机器人***及高精度运动控制方法 |
Non-Patent Citations (4)
Title |
---|
A.JOUILA: "An adaptive robust nonsingular fast terminal sliding mode controller based on wavelet neural network for a 2-DOF robotic arm", 《JOURNAL OF THE FRANKLIN INSTITUTE》 * |
AMIR, GHOBAKHLOO: "ADAPTIVE-ROBUST CONTROL OF THE STEWART-GOUGH PLATFORM AS A SIX DOF PARALLEL ROBOT", 《 WORLD AUTOMATION CONGRESS》 * |
SHAN CHEN: "Adaptive Robust Cascade Force Control of 1-DOF Hydraulic Exoskeleton for Human Performance Augmentation", 《ASME TRANSACTIONS ON MECHATRONICS》 * |
陈正: "Adaptive Robust Motion Control of a Pump Direct Drive Electro-hydraulic System with Meter-Out Pressure Regulation", 《IFCA》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117389156A (zh) * | 2023-12-09 | 2024-01-12 | 中信重工机械股份有限公司 | 基于摩擦补偿的液压机械臂自适应积分鲁棒控制方法 |
CN117389156B (zh) * | 2023-12-09 | 2024-03-22 | 中信重工机械股份有限公司 | 基于摩擦补偿的液压机械臂自适应积分鲁棒控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113219841B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111152225A (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 | |
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 | |
Zhou et al. | Adaptive robust control design for underwater multi-dof hydraulic manipulator | |
CN108319140B (zh) | 一种重定义输出式无模型自适应航向控制方法及*** | |
CN108388114A (zh) | 一种基于输出重定义的柔性机械臂复合控制方法 | |
CN105045103B (zh) | 一种基于LuGre摩擦模型伺服机械手摩擦补偿控制***及方法 | |
CN114047773B (zh) | 一种基于扩张状态观测器的水下集矿机器人反步滑模自适应姿态控制方法 | |
CN108267952B (zh) | 一种水下机器人自适应有限时间控制方法 | |
CN107577146B (zh) | 基于摩擦整体逼近的伺服***的神经网络自适应控制方法 | |
CN112091976B (zh) | 一种水下机械臂任务空间控制方法 | |
CN106773684B (zh) | 基于智能学习评价的柔性机械臂复合控制方法 | |
CN108555914B (zh) | 一种基于腱驱动灵巧手的dnn神经网络自适应控制方法 | |
CN108170151B (zh) | 一种水下机器人的自适应运动控制装置及其方法 | |
CN111273544B (zh) | 基于预测rbf前馈补偿型模糊pid的雷达俯仰运动控制方法 | |
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 | |
CN107765548B (zh) | 基于双观测器的发射平台高精度运动控制方法 | |
CN114578697B (zh) | 一种电机驱动机械手的多约束自适应控制方法 | |
CN116276962A (zh) | 一种万向型气动柔性机械臂有限时间抗干扰控制方法 | |
CN113325716B (zh) | 基于扩张观测器的水下液压机械臂非线性鲁棒控制方法 | |
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 | |
CN115951693B (zh) | 一种欠驱动水下机器人鲁棒轨迹跟踪控制方法 | |
WO2023020036A1 (zh) | 一种基于回声状态网络的冗余机械臂追踪控制方法 | |
CN114800522B (zh) | 无末端力传感器的液压机械臂接触作业自适应阻抗控制*** | |
CN114715331B (zh) | 一种浮式海洋平台动力定位控制方法及*** | |
CN115473467A (zh) | 基于模糊观测器的柔性关节机械臂指令滤波反步控制方法 |
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 |