CN114924485A - 一种过驱动水下机器人动力定位自适应容错控制架构及方法 - Google Patents
一种过驱动水下机器人动力定位自适应容错控制架构及方法 Download PDFInfo
- Publication number
- CN114924485A CN114924485A CN202210531068.7A CN202210531068A CN114924485A CN 114924485 A CN114924485 A CN 114924485A CN 202210531068 A CN202210531068 A CN 202210531068A CN 114924485 A CN114924485 A CN 114924485A
- Authority
- CN
- China
- Prior art keywords
- propeller
- module
- thrust
- control
- fault
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 239000002131 composite material Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 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
- 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种过驱动水下机器人动力定位自适应容错控制架构及方法,属于水下机器人控制领域。所述自适应容错控制架构由非线性扰动观测器模块、非线性幂次滑模控制模块、自适应推力分配模块及推进器效率在线估计模块组成。对应的自适应容错控制方法包括:S1:结合非线性扰动观测器的非线性幂次滑模控制器输出各自由度控制量,再通过推力分配以获取各推进器指令;S2:通过动力学模型推算状态值与实际状态值的偏差构建二次规划问题并获得推进器估计效率因子;S3:根据估计效率因子重构分配矩阵,以实现故障工况下的自适应容错控制。所设计架构及方法可以实现环境干扰、推进器故障的同时估计并完成过驱动水下机器人自适应容错动力定位任务。
Description
技术领域
本发明涉及水下机器人控制技术领域,具体来说是一种在推进器故障工况下,过驱动水下机器人采用自适应推力分配实现动力定位任务下的容错控制架构及方法,一体化的容错控制架构及方法有效地简化机器人动力定位任务下的容错控制流程。
背景技术
21世纪人类逐渐将开发目光转向浩瀚的海洋,世界范围内越来越多的国家将开发海洋作为基本国策,同时大力发展海洋技术,确保能够合理开发海洋资源,维护海洋权益乃至国家安全。水下机器人作为一种智能型水下设备,可以实现在大深度、高危险、被污染、可见度较低等极端环境下代替潜水员开展水下作业。
作业级水下机器人一般为过驱动配置,即该机器人执行机构数量大于所需要控制自由度的数量,这种冗余配置大大提高了机器人的可靠性与灵活性,但是在实际作业过程中,外界扰动、推进器故障等因素仍不可避免。水下机器人一旦发生推进器故障,会引起推进器实际输出推力与运动控制器的期望控制量之间产生偏差,严重故障甚至会导致机器人的任务失败或者影响其安全性。因此有必要设计一套适用于水下复杂工况下的容错控制架构方法。
对于水下机器人推进器故障工况下的容错控制方法,主要分为主动容错和被动容错两种。其中,被动容错本质上是一种鲁棒控制方法,将故障引起的***特性变化视为参数摄动,并对其进行实时估计和补偿,但是被动容错往往存在控制输出不连续的问题而影响到***的稳定性。主动容错则是先进行故障诊断(本发明中即为推进器的效率估计)得到一定的故障模型,进而适应性地调整控制参数,从而实现不改变原有控制器地情况下实现容错控制。在主动容错方法中,容错控制效果往往受到故障诊断效果的影响,故障诊断效果则会受到外界环境干扰的影响,传统的容错方法中往往无法兼顾推进器故障和外界环境干扰,从而导致推进器故障诊断效果的下降,因此有必要针对环境干扰和推进器故障同时存在的情况下展开水下机器人容错控制***的深入研究。
发明内容
本发明所要解决的问题是:针对同时存在外界环境扰动和执行器故障的复杂水下工况,采用自适应推力分配方法实现水下机器人的容错控制。
为实现上述目的,本发明首先基于滑模方法进行水下机器人动力定位运动控制器的设计,同时引入幂次趋近律以及饱和边界层的方法削弱滑模控制“抖振”现象。其次,采用非线性扰动观测器对外界环境干扰进行逼近并作为非线性幂次滑模控制器的补偿输入。再次,为了实现非线性幂次滑模控制器相应自由度控制量至各推进器控制指令之间的分配,以分配偏差和能量消耗作为优化目标,通过二次规划的方法构建推力分配器输出各推进器的期望控制指令。然后结合外界扰动估计值、推进器期望控制指令进行水下机器人的状态量推算,并将其与推进器故障工况下的实际状态对比以获取状态偏差序列,进而依据状态偏差序列构建二次规划问题,对其求解获得各推进器效率因子估计值以重构推力分配矩阵,最后实现环境干扰、推进器故障的同时估计并完成过驱动水下机器人自适应容错动力定位任务。
附图说明
图1为过驱动水下机器人自适应推力分配容错控制架构整体框图;
图2为故障工况下自适应推力分配的动力定位轨迹曲线;
图3为故障工况下不采取自适应推力分配的动力定位轨迹曲线;
图4为任务过程中水下机器人的位姿变化曲线;
图5为任务过程中水下机器人的速度变化曲线;
图6为观测复合扰动与实际环境扰动对比曲线;
图7为故障工况下各推进器效率观测曲线;
图8为各自由度期望控制力(力矩)与实际控制力(力矩)对比曲线;
图9为各推进器期望推力与实际推力大小对比;
图10为“BlueROV2 Heavy”过驱动水下机器人及其推进器布置示意图;
图11为“FUSION”过驱动水下机器人及其推进器布置示意图。
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。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对本文所提出的自适应容错控制架构,主要通过非线性扰动观测模块进行外界环境扰动的在线估计,非线性幂次滑模控制模块求解相应自由度控制量,自适应推力分配模块求解各推进器推力指令,推进器效率估计模块进行推进器效率修正。
下面结合过驱动水下机器人水平面动力定位任务以介绍具体实施过程:
在设计水下机器人自适应容错控制方法之前,首先考虑水下机器人在水平面三自由度数学模型,可以做如下表示
其中,为空间位置向量,x为机器人纵荡位置,y为横荡位置,为艏摇角,J(η)为运动学转换矩阵,v=[u;v;r]为线速度与角速度向量,u为机器人纵荡速度,v为横荡速度,r为艏摇角速度,M∈R3×3为惯性矩阵,且满足M=MT,C(v)∈R3×3为科氏力及向心力矩阵,D(v)∈R3×3为水阻尼矩阵,d=τrao+(τ-τd)∈R3为水下机器人所受到的复合扰动项,其中τrao为外界环境扰动项,τ为推进器实时状态下的真实作用力,τd为非线性幂次滑模控制器输出期望控制作用力,所以此处将τ-τd作为内部扰动项,当有效估计推进器状态,理论上τd会趋向于τ,即此时d会趋向于τrao。
在水下机器人的实际工作中,需要将期望控制作用力τd转化为各推进器的推力指令,可以根据推进器的布置建立水平面上的总推力(力矩)和各推进器推力关系如下:
τd=TKf
式中,T为水下机器人的推力分配矩阵,f为推进器指令向量;K为推进器的效率矩阵,K=diag[K1,K2,K3,K4],其中Ki,i=1,2,3,4为描述各推进器真实状态的效率因子,Ki=1时代表推进器正常工作,实际推力与标称推力相同,0<Ki<1代表推进器出现部分故障,Ki=0代表推进器出现完全故障,即不能输出推力。
过驱动水下机器人动力定位自适应容错控制方法的具体实现如下:
步骤一:非线性幂次滑模控制器设计
定义水下机器人跟踪误差e=η-ηd∈R3,
之后通过误差构建如下线性滑模面:
其中,s=[s1,s2,s3]为滑模面向量,其中s1,s2,s3为相应自由度的滑模面具体表达形式,c∈R3×3为待设计的正定对角矩阵,η和ηd分别为水下机器人实时位姿和期望位姿。
选取李雅普诺夫函数为:
对其进行求导可得:
针对复合扰动基于非线性扰动观测器进行估计补偿,构造如下非线性扰动观测器:
对复合扰动进行估计补偿后,采用线性化反馈技术对无关项进行抵消,可设计非线性幂次滑模控制器如下:
其中,τd为三自由期望控制力/力矩向量,为外界环境干扰估计值,v为线速度与角速度向量,C为科氏力与向心力矩阵;D为水阻尼矩阵;M为惯性矩阵;为水下机器人期望位姿的二阶导数;c、k、kε均为待设计的正定对角矩阵;为跟踪误差的一阶导数;Sα=diag(|s1|α,|s2|α,|s3|α)为幂次滑模面,α为满足0<α<1的待选取幂,sat(s)=[sat(s1),sat(s2),sat(s3)]为所引入的用以削弱抖振现象的切换项,其定义如下:
其中,sign为符号函数,tanh为双曲正切函数,δ为待设计的边界层厚度。
步骤二:自适应推力分配设计
在步骤一中已经获取水平面三自由度下的控制量τd,下面则需要通过推力分配器将τd转化为水平面各推进器的推力指令f。
在推力分配器中,构建推力分配优化目标函数如下:
s.t.τd-TKf=σ
fmin≤f≤fmax
其中,上式目标函数中的fTHf为实现消耗功率最小,σTWσ为实现实际推力输出与期望控制指令间的误差最小。σ为推力分配偏差,T为水下机器人的推力分配矩阵,fmin、fmax分别为推进器推力可达的上下界限。H为功耗项加权系数矩阵,W为误差项加权系数矩阵,由于在实际作业任务中需要实现指令误差尽量小,因此W取值远大于H。K为推进器当前效率,在下一步中对其进行实时估计以实现针对推进器故障的自适应分配。
步骤三:推进器效率估计方法设计
在步骤二中,推力系数矩阵K根据推进器实际状态确定,但是在水下实际作业过程中,各推进器输出推力及效率也无法直接测量获得,因此在本文中采取当前状态下的干扰估计值序列与***状态偏差序列构建二次规划问题进行各推进器效率因子的在线估计以获取推进器估计效率矩阵
通过水下机器人的运动学与动力学公式,可以建立如下关系:
为实现推进器的效率矩阵估计,定义效率矩阵增量如下:
通过实际状态与估计状态可以求解状态偏差Sx如下:
为获取推进器真实效率矩阵,此时可以依据状态偏差序列以及效率矩阵增量构建如下二次规划优化求解问题:
……
其中,上式目标函数中的第一项为实现状态偏差序列最小,第二项为实现推进器效率增量最小,M为状态偏差项加权系数矩阵,N推进器效率增量加权系数矩阵;Sx,i,i=1,2...m构成状态偏差序列,m为选取的偏差序列的大小;限制函数中为状态偏差序列计算方法。需要注意的是在计算偏差序列过程中各式效率矩阵均采用求解此问题即可获取当前时刻效率矩阵增量进一步可以获得推进器当前的推进器效率估计值。
采用推进器效率估计值对上一步中的推力分配模型进行重构,最终即可获取推进器模型重构后各推进器的直接控制指令。
实施案例:
为验证本发明中所述控制方法的效果,采用某过驱动水下机器人水平面模型为仿真对象开展仿真试验,仿真过程中参数设置如下:
跟踪过程分时间先后跟踪两个目标点,描述为如下公式:
引入外界环境干扰:
各推进器推力限制范围-40N<fi<40N。
推进器在跟踪过程中发生两次故障,初始时刻推进器正常工作,50s之后1号推进器发生完全故障,170s之后在之前故障的基础上3号推进器损失一半效率,整个过程可以描述为:
根据发明实施方式可以归纳容错控制***仿真实现流程如表1所示,
表1自适应容错控制方法仿真流程
仿真结果如下,图2为水下机器人在任务过程中采取容错控制策略的水平面运动轨迹,先后抵达目标点1和目标点2;图3为未采取容错控制策略的水平面运动轨迹,其作为对照试验,在故障发生后呈现发散趋势;图4与图5分别为水下机器人的位姿与速度变化曲线;图6为非线性扰动观测器对复合扰动估计值与实际外界环境扰动的对比曲线;图7为在线估计的推进器效率因子变化曲线;图8为***的期望控制力(力矩)与实际控制力(力矩)对比曲线;图9为任务过程中各推进器期望推力与实际推力大小对比曲线。
对于本文所提出的自适应容错控制方法,可以有效地适用于多型过驱动水下机器人平台之中。如图10所示是一种开源低成本过驱动水下机器人“BlueROV2 Heavy”及其推进器布置示意图,图11所示是一种商用过驱动水下机器人“FUSION”及其推进器布置示意图,其它类似推进器布置的过驱动水下机器人均可以作为本文自适应容错控制方法的应用平台。
Claims (8)
1.一种过驱动水下机器人动力定位自适应容错控制方法,其特征在于:所述自适应容错控制方法基于自适应容错控制架构进行控制;
该自适应容错控制架构由非线性扰动观测模块、非线性幂次滑模控制模块、自适应推力分配模块及推进器效率在线估计模块组成,其中非线性扰动观测模块用于外界环境干扰估计,非线性幂次滑模控制模块输出控制量,并将其作为自适应推力分配模块的输入,进而得到各推进器推力指令并作用于机器人,推进器效率在线估计模块实时监控推进器状态并对自适应推力分配模块中的分配矩阵进行重构,以实现推进器故障损失推力的补偿,从而实现外界环境干扰、推进器故障的同时估计并完成过驱动水下机器人自适应容错动力定位任务;
所述自适应容错控制方法具体如下:
S1:首先结合非线性扰动观测模块构建非线性幂次滑模控制模块,实现外界环境干扰的估计并输出水平面纵荡、横荡、艏摇三个自由度的期望控制力/力矩;为使三自由度控制量转化为各推进器的控制指令,随后基于控制偏差最小和能耗最小为原则构建推力分配优化目标函数,实现在保证控制精度的同时消耗较低的能量;
S2:建立推进器故障模型,将S1中所得到的外界环境干扰估计值以及各推进器推力指令代入机器人动力学模型获取状态估计值,随后将其与机器人实际状态值对比即获取状态偏差序列以构建二次规划问题,求解该问题后可实现推进器在线效率估计,得出推进器效率估计因子;
S3:在不改变非线性幂次滑模控制模块的情况下,将S2中推进器效率估计因子引入S1,进行分配矩阵重构实现自适应推力分配以完成容错控制。
2.如权利要求1所述的一种过驱动水下机器人动力定位自适应容错控制方法,其特征在于:
非线性扰动观测模块用以实现外界环境干扰的在线估计,并对非线性幂次滑模控制模块的输出控制量进行补偿;
非线性幂次滑模控制模块通过幂次趋近律结合以及饱和边界层的方法设计滑模控制器,通过当前机器人的跟踪目标与当前状态进行水平面纵荡、横荡、艏摇三个自由度控制量的初步解算;结合非线性扰动干扰模块的控制补偿量得到最终期望控制量并将其输入至自适应推力分配模块;
自适应推力分配模块的输入量为运动控制模块传递而来的各自由度期望控制量,输出为水平面各推进器的指令,分配原则基于分配偏差最小以及能量消耗最少的原则;
推进器在线效率估计模块是对推进器状态进行实时监测的模块,其输入量为机器人的实际状态、推力指令、干扰实时估计值等;通过机器人运动学与动力学模型推算获得的机器人预期状态与实际状态形成状态偏差序列,对其进行分析获得各推进器的效率估计值,最后依据效率估计值进行推力分配模块中的效率矩阵的重构。
3.如权利要求1所述的一种过驱动水下机器人动力定位自适应容错控制方法,其特征在于,在所述S1中,
结合非线性扰动观测模块构建非线性幂次滑模控制模块,控制器如下:
其中,τd为三自由期望控制力/力矩向量,为外界环境干扰估计值,v为线速度与角速度向量,C为科氏力与向心力矩阵;D为水阻尼矩阵;M为惯性矩阵;为水下机器人期望位姿的二阶导数;c、k、kε均为待设计的正定对角矩阵;为跟踪误差的一阶导数;s=[s1,s2,s3]为构建的幂次滑模面,其中s1,s2,s3为相应自由度的滑模面具体表达形式,Sα=diag(|s1|α,|s2|α,|s3|α)为幂次滑模面,α为满足0<α<1的待选取幂,sat(s)=[sat(s1),sat(s2),sat(s3)]为所引入的用以削弱抖振现象的切换项,其定义如下:
其中,sign为符号函数,tanh为双曲正切函数,δ为待设计的边界层厚度。
5.如权利要求1所述的一种过驱动水下机器人动力定位自适应容错控制方法,其特征在于,在所述S2中,
根据水下机器人动力学模型实现推进器效率的估计,相对于通过电流、功率、转速等信息监测推进器状态的方法能够减少相关传感器的投资成本;对于推进器故障,其能表征出来的影响只有推力的部分损失或者完全损失,此时可以通过引入故障系数如下:
K=diag[K1,K2,K3,K4]
其中K1,K2,K3,K4分别为1、2、3、4号推进器的效率因子;
其故障工况下具体含义表示如下:
①当Ki=1,i=1,2,3,4时,代表正常工作,该推进器实际输出推力与标称输出推力一致;
②当0<Ki<1,i=1,2,3,4时,代表发生部分故障,该推进器实际输出推力是标称输出推力的Ki倍;
③当Ki=0,i=1,2,3,4时,代表发生完全故障,该推进器实际输出推力为零。
8.一种过驱动水下机器人动力定位自适应容错控制架构,其特征在于:所述自适应容错架构包括非线性扰动观测模块、非线性幂次滑模控制模块、自适应推力分配模块及推进器效率在线估计模块,
所述非线性扰动观测模块用以实现外界环境干扰的在线估计,并对非线性幂次滑模控制模块的输出控制量进行补偿;
所述非线性幂次滑模控制模块通过幂次趋近律结合以及饱和边界层的方法设计滑模控制器,通过当前机器人的跟踪目标与当前状态进行水平面纵荡、横荡、艏摇三个自由度控制量的初步解算;结合非线性扰动干扰模块的控制补偿量得到最终期望控制量并将其输入至自适应推力分配模块;
所述自适应推力分配模块的输入量为运动控制模块传递而来的各自由度期望控制量,输出为水平面各推进器的指令,分配原则基于分配偏差最小以及能量消耗最少的原则;
所述推进器在线效率估计模块是对推进器状态进行实时监测的模块,其输入量为机器人的实际状态、推力指令、干扰实时估计值等;通过机器人运动学与动力学模型推算获得的机器人预期状态与实际状态形成状态偏差序列,对其进行分析获得各推进器的效率估计值,最后依据效率估计值进行推力分配模块中的效率矩阵的重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210531068.7A CN114924485B (zh) | 2022-05-16 | 一种过驱动水下机器人动力定位自适应容错控制架构及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210531068.7A CN114924485B (zh) | 2022-05-16 | 一种过驱动水下机器人动力定位自适应容错控制架构及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114924485A true CN114924485A (zh) | 2022-08-19 |
CN114924485B CN114924485B (zh) | 2024-08-02 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115576184A (zh) * | 2022-08-27 | 2023-01-06 | 华中科技大学 | 一种水下机器人推进器故障在线诊断与容错控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160072296A (ko) * | 2014-12-12 | 2016-06-23 | 삼성중공업 주식회사 | 추진기의 제어 장치 및 방법 |
CN109298632A (zh) * | 2018-09-01 | 2019-02-01 | 哈尔滨工程大学 | 基于滑模算法与推力二次调整的自主式水下机器人推进器容错控制方法 |
US20200326672A1 (en) * | 2019-01-10 | 2020-10-15 | Dalian University Of Technology | Interval error observer-based aircraft engine active fault tolerant control method |
CN114115195A (zh) * | 2021-11-22 | 2022-03-01 | 江苏科技大学 | 水下机器人推进器故障诊断与容错控制方法 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160072296A (ko) * | 2014-12-12 | 2016-06-23 | 삼성중공업 주식회사 | 추진기의 제어 장치 및 방법 |
CN109298632A (zh) * | 2018-09-01 | 2019-02-01 | 哈尔滨工程大学 | 基于滑模算法与推力二次调整的自主式水下机器人推进器容错控制方法 |
US20200326672A1 (en) * | 2019-01-10 | 2020-10-15 | Dalian University Of Technology | Interval error observer-based aircraft engine active fault tolerant control method |
CN114115195A (zh) * | 2021-11-22 | 2022-03-01 | 江苏科技大学 | 水下机器人推进器故障诊断与容错控制方法 |
Non-Patent Citations (2)
Title |
---|
王观道等: "面向过驱动UUV推进器容错控制的非线性观测自适应推力分配研究", 《中国舰船研究》, 10 October 2022 (2022-10-10) * |
郝立颖;韩金城;郭戈;李莉莉;: "带有推进器故障的船舶动力定位***的鲁棒滑模容错控制", 控制与决策, no. 06, 31 December 2020 (2020-12-31) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115576184A (zh) * | 2022-08-27 | 2023-01-06 | 华中科技大学 | 一种水下机器人推进器故障在线诊断与容错控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11635734B2 (en) | Interval error observer-based aircraft engine active fault tolerant control method | |
CN106773679B (zh) | 一种基于角速度观测器的航天器容错控制方法 | |
CN110170992B (zh) | 一种基于动态规划的模块化机械臂多故障容错控制方法 | |
CN107703742B (zh) | 一种柔性航天器传感器故障调节方法 | |
CN103105850B (zh) | 一种近空间飞行器故障诊断与容错控制方法 | |
CN110340898B (zh) | 一种自由漂浮空间机械臂自适应容错控制方法 | |
CN107272639B (zh) | 刚性航天器反作用飞轮故障的检测、估计及其调节方法 | |
CN109062043B (zh) | 考虑网络传输以及执行器饱和的航天器自抗扰控制方法 | |
CN110103225B (zh) | 一种数据驱动的机械臂重复运动控制方法与装置 | |
CN111650830A (zh) | 一种基于迭代学习的四旋翼飞行器鲁棒跟踪控制方法 | |
CN113146640A (zh) | 一种考虑执行器故障的机械臂分散最优容错控制方法 | |
CN109164708B (zh) | 一种高超声速飞行器神经网络自适应容错控制方法 | |
CN114047773A (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 | |
CN110543183B (zh) | 一种考虑执行器受限问题的刚体飞行器固定时间姿态跟踪控制方法 | |
CN112947375B (zh) | 一种考虑未知死区的复合自适应容错控制器设计方法 | |
CN114564000A (zh) | 基于智能飞行器执行器故障诊断的主动容错方法及*** | |
Hamayun et al. | Integral sliding mode fault tolerant control incorporating on-line control allocation | |
Song et al. | Prescribed performance tracking control for a class of nonlinear system considering input and state constraints | |
CN113220007B (zh) | 执行机构故障的挠性航天器有限时间姿态协同控制方法 | |
CN116610136A (zh) | 基于数据驱动技术的高超声速飞行器姿态容错控制方法 | |
Yang et al. | Concurrent learning-based adaptive control of underactuated robotic systems with guaranteed transient performance for both actuated and unactuated motions | |
CN114924485B (zh) | 一种过驱动水下机器人动力定位自适应容错控制架构及方法 | |
CN114924485A (zh) | 一种过驱动水下机器人动力定位自适应容错控制架构及方法 | |
CN115685761A (zh) | 挠性航天器预设性能姿态控制方法、计算机设备和存储介质 | |
Wang et al. | Fully Actuated System Based Spacecraft Attitude Finite Time Control |
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 |