CN106113040B - 基于串并联估计模型的柔性机械臂系统模糊控制方法 - Google Patents
基于串并联估计模型的柔性机械臂系统模糊控制方法 Download PDFInfo
- Publication number
- CN106113040B CN106113040B CN201610569377.8A CN201610569377A CN106113040B CN 106113040 B CN106113040 B CN 106113040B CN 201610569377 A CN201610569377 A CN 201610569377A CN 106113040 B CN106113040 B CN 106113040B
- Authority
- CN
- China
- Prior art keywords
- error
- mechanical arm
- defining
- fuzzy
- constant
- 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 37
- 238000013461 design Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 229910052731 fluorine Inorganic materials 0.000 claims description 2
- 125000001153 fluoro group Chemical group F* 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004880 explosion Methods 0.000 abstract description 7
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40527—Modeling, identification of link parameters
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
- Steroid Compounds (AREA)
Abstract
一种基于串并联估计模型的柔性机械臂系统模糊控制方法，包括：建立柔性机械臂伺服系统的动态模型，初始化系统状态、采样时间以及控制参数；采用模糊神经网络控制的自学习与自适应能力，补偿机械臂系统中的未知非线性不确定项；进行通过动态面技术，在每一步设计中引入虚拟控制量，并依次通过一阶低通滤波器，避免传统反演控制法所带来的复杂度爆炸问题；同时，基于串并联估计模型，定义变量预测值并设计相关变化律，提高控制系统的鲁棒性。本发明提供一种能够有效改善柔性机械臂伺服系统控制性能的基于串并联估计模型的模糊自适应控制方法，实现系统的精确快速跟踪。
Description
技术领域
本发明涉及一种基于串并联估计模型的柔性机械臂系统模糊控制方法，特别是存在未知非线性不确定项的机械臂伺服系统的控制方法。
背景技术
随着工业自动化水平的不断提高，机械臂作为主要的自动化机械装置，凭借其可减省人工、操作方便、安全性好等优点，在数控机床、电子加工与检测设备、生产自动化等工业控制领域得到了广泛的应用。如何实现机械臂伺服系统的快速精确控制已经成为了一个热点问题，机器臂的轨迹跟踪控制系统与柔性机械臂问题也受到越来越多的重视。然而，大量的耦合项以及非线性不确定项存在于机械臂伺服系统中，导致难以设计控制算法以实现对伺服系统的有效动态补偿。针对机械臂伺服系统的控制问题，目前已有很多成熟的控制方法，例如PID控制、自适应控制。
模糊自适应控制在控制领域里已经成为一个研究热点，已成为一种处理不确定性、非线性和其他不确定问题的有力工具。其中，模糊系统能有效地对知识抽取与表达，并具有较强的自学习与自适应能力，能有效地补偿非线性不确定项并实现自适应控制。动态面控制技术作为非线性自适应控制的重要手段，能放松系统匹配条件并避免反演法对虚拟控制反复求导带来的“复杂性爆炸”问题。
串并联估计模型是基于自适应控制基础上提出来的一种控制方法，通过定义预测误差、状态变量预测值以及其变化律，结合李雅普诺夫理论设计方法，能有效地减小神经网络或模糊系统的逼近误差，从而提高控制系统的鲁棒性。
发明内容
为了克服现有机械臂伺服系统存在未知非线性不确定项，反演法带来的复杂度爆炸以及系统鲁棒性差等问题，本发明提出一种基于串并联估计模型的柔性机械臂系统模糊控制方法，并结合动态面控制技术，避免传统反演控制方法所带来的“复杂度爆炸”问题，利用模糊自适应控制技术与串并联估计模型，在此基础上设计参数自适应律与控制律，实现了系统快速稳定跟踪。
为了解决上述技术问题提出的技术方案如下：
一种基于串并联估计模型的柔性机械臂系统模糊控制方法，包括以下步骤：
步骤1：建立柔性机械臂伺服系统动态模型，初始化系统状态、采样时间以及控制参数，过程如下：
1.1柔性机械臂伺服系统动态模型的运动方程表达式为
其中，q与θ分别为机械臂连杆和电机的转动角度；与分别为机械臂连杆和电机的转动角加速度；g为重力加速度；I为连杆的惯量；J为电机的惯量；K为弹簧的刚度系数；M与L分别为连杆的质量与长度；u为控制信号；
1.2定义：x1＝q，x3＝θ，式(1)改写为
其中，y为系统位置输出轨迹；与分别为机械臂连杆和电机的转动角速度；
步骤2：针对式(1)，计算控制系统位置跟踪误差，利用模糊系统逼近复杂非线性项，设计系统状态预测误差以及预测变量的变化律，设计虚拟控制量，并通过一阶低通滤波器输出，最后更新模糊系统权值，过程如下：
2.1定义系统的位置跟踪误差
s1＝x1-yr (3)
其中，yr为二阶可导期望位置轨迹；
2.2设计虚拟控制量
其中,k1为常数且满足k1＞0，为期望速度轨迹；
2.3定义一个新的变量让虚拟控制量通过时间常数为τ2的一阶低通滤波器，得
2.4定义滤波误差为消除滤波误差对控制效果的影响，定义第一补偿信号z1，其变化律表达式为
其中，z2为第二补偿信号；
2.5定义跟踪误差补偿信号
v1＝s1-z1 (7)
2.6定义误差变量
2.7为了逼近复杂的非线性不确定项f2(X)，定义以下模糊系统
其中，为理想权重；ε2为模糊逼近误差，εN2为逼近误差上界，满足|ε2|≤εN2；的表达式为
其中，μl(xj)为隶属度函数，其表达式为 为常数，exp(·)为指数函数；
2.8设计虚拟控制量
其中,k2为常数且满足k2＞0，为的估计值；
2.9定义一个新的变量让虚拟控制量通过时间常数为τ3的一阶低通滤波器，得
2.10定义滤波误差为消除滤波误差对控制效果的影响，定义第二补偿信号z2，设计其变化律表达式
其中，z3为第三补偿信号；
2.11定义预测误差
其中，为系统状态x2的预测值；
2.12设计串并联估计模型
其中，β2为常数且满足β2＞0；
2.13定义跟踪误差补偿信号
v2＝s2-z2 (16)
2.14设计模糊系统权重估计值的调节规律为
其中，δ2与rz2为常数，且δ2＞0，rz2＞0，γ2为对称正定矩阵；
2.15定义误差变量
2.16设计虚拟控制量
其中,k3为常数，且k3＞0；
2.17定义一个新的变量让虚拟控制量通过时间常数为τ4的一阶低通滤波器，可得
2.18定义滤波误差为消除滤波误差对控制效果的影响，定义第三补偿信号z3，设计其变化律表达式
2.19定义跟踪误差补偿信号
v3＝s3-z3 (22)
步骤3:设计控制器输入，过程如下：
3.1定义误差变量
3.2为了逼近复杂的非线性不确定项f4(X)，定义以下模糊系统
其中，为理想权重；ε4为模糊逼近误差，εN4为逼近误差上界，满足|ε4|≤εN4；
3.3设计控制器输入为u
其中，k4为常数且满足k4＞0，为的估计值；
3.4定义补偿信号z4，设计其变化律表达式
3.5定义预测误差
其中，为系统状态x4的预测值；
3.6设计串并联估计模型
其中，β4为常数且满足β4＞0；
3.7定义跟踪误差补偿信号
v4＝s4-z4 (29)
3.8设计模糊系统权重估计值的调节规律为
其中，δ4，rz4为常数，且δ4＞0，rz4＞0，γ4为对称正定矩阵；
步骤4：设计李雅普诺夫函数
对式(31)进行求导得：
如果则判定系统是稳定的。
本发明的技术构思为：针对柔性机械臂伺服系统，考虑柔性关节的复杂动态方程，利用模糊模型较强的自学习能力与自适应能力逼近系统中复杂的非线性不确定项。采用动态面技术，在每一步设计过程中加入虚拟控制量，并通过依次通过一阶低通滤波器，其低通性能有效避免传统反演控制方法所带来的“复杂度爆炸”问题。设计低通滤波器滤波误差相应补偿信号，进一步提高控制精度。最后，基于串并联估计模型，定义系统状态预测量并设计相应控制律，以此提高系统的鲁棒性。本发明提供中能有效克服非线性不确定项，提高系统鲁棒性并实现动态补偿的模糊自适应控制方法，实现系统位置信号的稳定快速跟踪。
本发明的优点为：避免传统反演控制方法所带来的“复杂度爆炸”问题，补偿系统未知模型复杂非线性项问题，减小模糊自适应控制误差，能提高系统的鲁棒性，实现对伺服系统位置轨迹的稳定快速跟踪。
附图说明
图1为本发明期望信号1的跟踪效果图；
图2为本发明期望信号1的跟踪误差图；
图3为本发明期望信号1的控制输入示意图；
图4为本发明期望信号2的跟踪效果图；
图5为本发明期望信号2的跟踪误差图；
图6为本发明期望信号2的控制输入示意图；
图7为本发明的控制流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1–图7，一种基于串并联估计模型的柔性机械臂系统模糊控制方法，所述控制方法包括如下步骤：
步骤1：建立柔性机械臂伺服系统动态模型，初始化系统状态、采样时间以及控制参数，过程如下：
1.1柔性机械臂伺服系统动态模型的运动方程表达式为
其中，q与θ分别为机械臂连杆和电机的转动角度；与分别为机械臂连杆和电机的转动角加速度；g为重力加速度；I为连杆的惯量；J为电机的惯量；K为弹簧的刚度系数；M与L分别为连杆的质量与长度；u为控制信号；
1.2定义：x1＝q，x3＝θ，式(1)改写为
其中，y为系统位置输出轨迹；与分别为机械臂连杆和电机的转动角速度；
步骤2：针对式(1)，计算控制系统位置跟踪误差，利用模糊系统逼近复杂非线性项，设计系统状态预测误差以及预测变量的变化律，设计虚拟控制量，并通过一阶低通滤波器输出，最后更新模糊系统权值，过程如下：
2.1定义系统的位置跟踪误差
s1＝x1-yr (3)
其中，yr为二阶可导期望位置轨迹；
2.2设计虚拟控制量
其中,k1为常数且满足k1＞0，为期望速度轨迹；
2.3定义一个新的变量让虚拟控制量通过时间常数为τ2的一阶低通滤波器，得
2.4定义滤波误差为消除滤波误差对控制效果的影响，定义第一补偿信号z1，其变化律表达式为
其中，z2为第二补偿信号，在步骤2.10中定义；
2.5定义跟踪误差补偿信号
v1＝s1-z1 (7)
2.6定义误差变量
2.7为了逼近复杂的非线性不确定项f2(X)，定义以下模糊系统
其中，为理想权重；ε2为模糊逼近误差，εN2为逼近误差上界，满足|ε2|≤εN2；的表达式为
其中，μl(xj)为隶属度函数，其表达式为 为常数，exp(·)为指数函数；
2.8设计虚拟控制量
其中,k2为常数且满足k2＞0，为的估计值；
2.9定义一个新的变量让虚拟控制量通过时间常数为τ3的一阶低通滤波器，得
2.10定义滤波误差为消除滤波误差对控制效果的影响，定义第二补偿信号z2，设计其变化律表达式
其中，z3第三补偿信号，在步骤2.18中定义；
2.11定义预测误差
其中，为系统状态x2的预测值；
2.12设计串并联估计模型
其中，β2为常数且满足β2＞0；
2.13定义跟踪误差补偿信号
v2＝s2-z2 (16)
2.14设计模糊系统权重估计值的调节规律为
其中，δ2与rz2为常数，且δ2＞0，rz2＞0，γ2为对称正定矩阵；
2.15定义误差变量
2.16设计虚拟控制量
其中,k3为常数，且k3＞0；
2.17定义一个新的变量让虚拟控制量通过时间常数为τ4的一阶低通滤波器，可得
2.18定义滤波误差为消除滤波误差对控制效果的影响，定义补偿信号z3，设计其变化律表达式
2.19定义跟踪误差补偿信号
v3＝s3-z3 (22)
步骤3:设计控制器输入，过程如下：
3.1定义误差变量
3.2为了逼近复杂的非线性不确定项f4(X)，定义以下模糊系统
其中，为理想权重；ε4为模糊逼近误差，εN4为逼近误差上界，满足|ε4|≤εN4；
3.3设计控制器输入为u
其中，k4为常数且满足k4＞0，为的估计值；
3.4定义补偿信号z4，设计其变化律表达式
3.5定义预测误差
其中，，为系统状态x4的预测值；
3.6设计串并联估计模型
其中，β4为常数且满足β4＞0；
3.7定义跟踪误差补偿信号
v4＝s4-z4 (29)
3.8设计模糊系统权重估计值的调节规律为
其中，δ4，rz4为常数，且δ4＞0，rz4＞0，γ4为对称正定矩阵；
步骤4：设计李雅普诺夫函数
对式(31)进行求导得：
如果则判定系统是稳定的。
本发明针对柔性机械臂系统，基于模糊自适应控制技术和串并联估计模型，结合动态面技术，设计一种基于串并联估计模型的柔性机械臂系统模糊控制方法，克服非线性不确定项对控制效果的影响，实现对系统的位置轨迹的跟踪控制，并提高了系统的鲁棒性，为验证所提方法的有效性，本发明给出了所提控制方法对两种不同信号的控制效果图。
为了体现控制系统的鲁棒性，所有参数设置都是一致的系统初始化参数为[x1,x2,x3,x4]T＝[0,0,0,0]T，[z1,z2,z3,z4]T＝[0,0,0,0]T， [z1NN,z2NN,z3NN,z4NN]T＝[0,0,0,0]T；串并联估计模型参数：[β1，β2，β3，β4]＝[0.01,0.01,0.01,0.01]；模糊系统参数为：自适应控制律参数为γ2＝0.1I11，I11为11阶单位方阵，γ4＝0.1I11，δ2＝0.01，δ4＝0.01；一阶低通滤波器的时间常数为τ2＝0.8，τ3＝8，τ4＝0.006；系统模型参数为Mgl＝5,I＝1,J＝1,K＝40；控制器参数为k1＝18，k2＝15，k3＝8，k4＝8。
期望信号1为单位正弦波输入，其表达式为y＝sinx；期望信号2为非单位正弦波输入，其表达式为y＝0.5[sint+sin(0.5t)]。从图1-2可以看出，本发明控制方法跟踪单位正弦波输入，相应输出在0.6秒内都能准确跟踪上给定输入信号并且误差保持在10％的误差带内；从图3可以看出，控制器输出前4秒内控制输出在-3到+7范围内有小波动，4秒后控制输出呈稳定输出；从图4-5可以看出，本发明控制方法跟踪非单位正弦波输入，相应输出在0.6秒内都能准确跟踪上给定输入信号并且误差保持在10％的误差带内；从图6可以看出，控制器输出前4秒内控制输出在-5到+10范围内有小波动，5秒后控制输出呈稳定输出；从图1-6可以看出，同组控制参数对不同的期望信号都能有效精确地实现跟踪，具有较好的鲁棒性。因此，本发明提供一种能够有效补偿未知非线性不确定项，有效提高系统鲁棒性以及避免反演方法带来的“复杂度爆炸”问题的基于串并联估计模型的柔性机械臂模糊控制方法，实现系统的稳定快速跟踪。
以上阐述的是本发明给出的一个实施例表现出的优良优化效果，显然本发明不只是限于上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。
Claims (1)
1.一种基于串并联估计模型的柔性机械臂系统模糊控制方法，其特征在于：包括以下步骤：
步骤1：建立柔性机械臂伺服系统动态模型，初始化系统状态、采样时间以及控制参数，过程如下：
1.1柔性机械臂伺服系统动态模型的运动方程表达式为
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mover>
<mi>q</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mo>+</mo>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>-</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>M</mi>
<mi>g</mi>
<mi>L</mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>J</mi>
<mover>
<mi>&theta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>-</mo>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>-</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>u</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，q与θ分别为机械臂连杆和电机的转动角度；与分别为机械臂连杆和电机的转动角加速度；g为重力加速度；I为连杆的惯量；J为电机的惯量；K为弹簧的刚度系数；M与L分别为连杆的质量与长度；u为控制信号；
1.2定义：x1＝q，x3＝θ，式(1)改写为
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>2</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>3</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>4</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>4</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>J</mi>
</mfrac>
<mi>u</mi>
<mo>+</mo>
<msub>
<mi>f</mi>
<mn>4</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，y为系统位置输出轨迹；与分别为机械臂连杆和电机的转动角速度；
<mrow>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mrow>
<mi>M</mi>
<mi>g</mi>
<mi>L</mi>
</mrow>
<mi>I</mi>
</mfrac>
<mi>sin</mi>
<mi> </mi>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mfrac>
<mi>K</mi>
<mi>I</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<mfrac>
<mi>I</mi>
<mi>K</mi>
</mfrac>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>f</mi>
<mn>4</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mi>K</mi>
<mi>J</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
步骤2：针对式(1)，计算控制系统位置跟踪误差，利用模糊系统逼近复杂非线性项，设计系统状态预测误差以及预测变量的变化律，设计虚拟控制量，并通过一阶低通滤波器输出，最后更新模糊系统权值，过程如下：
2.1定义系统的位置跟踪误差
s1＝x1-yr (3)
其中，yr为二阶可导期望位置轨迹；
2.2设计虚拟控制量
<mrow>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mi>d</mi>
</msubsup>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mover>
<mi>y</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>r</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,k1为常数且满足k1>0，为期望速度轨迹；
2.3定义一个新的变量让虚拟控制量通过时间常数为τ2的一阶低通滤波器，得
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>2</mn>
</msub>
<msubsup>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>2</mn>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mi>c</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mi>d</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mi>c</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
2.4定义滤波误差为消除滤波误差对控制效果的影响，定义第一补偿信号z1，其变化律表达式为
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<msub>
<mi>z</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>z</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&chi;</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，z2为第二补偿信号；
2.5定义跟踪误差补偿信号
v1＝s1-z1 (7)
2.6定义误差变量
<mrow>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mi>c</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
2.7为了逼近复杂的非线性不确定项f2(X)，定义以下模糊系统
其中，为理想权重；ε2为模糊逼近误差，εN2为逼近误差上界，满足|ε2|≤εN2；的表达式为
其中，μl(xj)为隶属度函数，其表达式为 为常数，exp(·)为指数函数；
2.8设计虚拟控制量
其中,k2为常数且满足k2>0，为的估计值；
2.9定义一个新的变量让虚拟控制量通过时间常数为τ3的一阶低通滤波器，可得
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>3</mn>
</msub>
<msubsup>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>3</mn>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mi>c</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mi>d</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mi>c</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
2.10定义滤波误差为消除滤波误差对控制效果的影响，定义第二补偿信号z2，设计其变化律表达式
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>2</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<msub>
<mi>z</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>z</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&chi;</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，z3为第三补偿信号；
2.11定义预测误差
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mn>2</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为系统状态x2的预测值；
2.12设计串并联估计模型
其中，β2为常数且满足β2>0；
2.13定义跟踪误差补偿信号
v2＝s2-z2 (16)
2.14设计模糊系统权重估计值的调节规律为
其中，δ2与rz2为常数，且δ2>0，rz2>0，γ2为对称正定矩阵；
2.15定义误差变量
<mrow>
<msub>
<mi>s</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mi>c</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>18</mn>
<mo>)</mo>
</mrow>
</mrow>
2.16设计虚拟控制量
<mrow>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mi>d</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>3</mn>
<mi>c</mi>
</msubsup>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>3</mn>
</msub>
<msub>
<mi>s</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>19</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,k3为常数，且k3>0；
2.17定义一个新的变量让虚拟控制量通过时间常数为τ4的一阶低通滤波器，可得
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>4</mn>
</msub>
<msubsup>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>4</mn>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mi>c</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mi>d</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mi>c</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>20</mn>
<mo>)</mo>
</mrow>
</mrow>
2.18定义滤波误差为消除滤波误差对控制效果的影响，定义第三补偿信号z3，设计其变化律表达式
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>3</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>3</mn>
</msub>
<msub>
<mi>z</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<msub>
<mi>z</mi>
<mn>4</mn>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&chi;</mi>
<mn>4</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>21</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，z4为第四补偿信号；
2.19定义跟踪误差补偿信号
v3＝s3-z3 (22)
步骤3:设计控制器输入，过程如下：
3.1定义误差变量
<mrow>
<msub>
<mi>s</mi>
<mn>4</mn>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>4</mn>
</msub>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mn>4</mn>
<mi>c</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>23</mn>
<mo>)</mo>
</mrow>
</mrow>
3.2为了逼近复杂的非线性不确定项f4(X)，定义以下模糊系统
<mrow>
<msub>
<mi>f</mi>
<mn>4</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&theta;</mi>
<mn>4</mn>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&epsiv;</mi>
<mn>4</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>24</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为理想权重；ε4为模糊逼近误差，εN4为逼近误差上界，满足|ε4|≤εN4；
3.3设计控制器输入为u
其中，k4为常数且满足k4>0，为的估计值；
3.4定义第四补偿信号z4，设计其变化律表达式
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mn>4</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>4</mn>
</msub>
<msub>
<mi>z</mi>
<mn>4</mn>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>z</mi>
<mn>4</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>26</mn>
<mo>)</mo>
</mrow>
</mrow>
3.5定义预测误差
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mn>4</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>4</mn>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mn>4</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>27</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为系统状态x4的预测值；
3.6设计串并联估计模型
其中，β4为常数且满足β4>0；
3.7定义跟踪误差补偿信号
v4＝s4-z4 (29)
3.8设计模糊系统权重估计值的调节规律为
其中，δ4，rz4为常数，且δ4>0，rz4>0，γ4为对称正定矩阵；
步骤4：设计李雅普诺夫函数
<mrow>
<mi>V</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</msubsup>
<msubsup>
<mi>v</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<msubsup>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mn>2</mn>
<mi>T</mi>
</msubsup>
<msubsup>
<mi>&gamma;</mi>
<mn>2</mn>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mn>2</mn>
</msub>
<mo>+</mo>
<msubsup>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mn>4</mn>
<mi>T</mi>
</msubsup>
<msubsup>
<mi>&gamma;</mi>
<mn>4</mn>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mn>4</mn>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>z</mi>
<mn>2</mn>
</mrow>
</msub>
<msubsup>
<mi>z</mi>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>z</mi>
<mn>4</mn>
</mrow>
</msub>
<msubsup>
<mi>z</mi>
<mrow>
<mn>4</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>31</mn>
<mo>)</mo>
</mrow>
</mrow>
对式(31)进行求导得：
<mrow>
<mover>
<mi>V</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</msubsup>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>v</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msubsup>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mn>2</mn>
<mi>T</mi>
</msubsup>
<msubsup>
<mi>&gamma;</mi>
<mn>2</mn>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mover>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mn>2</mn>
</msub>
<mo>-</mo>
<msubsup>
<mover>
<mi>&theta;</mi>
<mo>~</mo>
</mover>
<mn>4</mn>
<mi>T</mi>
</msubsup>
<msubsup>
<mi>&gamma;</mi>
<mn>4</mn>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mover>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mn>4</mn>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>z</mi>
<mn>2</mn>
</mrow>
</msub>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
</msub>
<msub>
<mi>z</mi>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>z</mi>
<mn>4</mn>
</mrow>
</msub>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mn>4</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
</msub>
<msub>
<mi>z</mi>
<mrow>
<mn>4</mn>
<mi>N</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>32</mn>
<mo>)</mo>
</mrow>
</mrow>
如果则判定系统是稳定的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610569377.8A CN106113040B (zh) | 2016-07-19 | 2016-07-19 | 基于串并联估计模型的柔性机械臂系统模糊控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610569377.8A CN106113040B (zh) | 2016-07-19 | 2016-07-19 | 基于串并联估计模型的柔性机械臂系统模糊控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106113040A CN106113040A (zh) | 2016-11-16 |
| CN106113040B true CN106113040B (zh) | 2018-03-16 |
Family
ID=57289900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610569377.8A Active CN106113040B (zh) | 2016-07-19 | 2016-07-19 | 基于串并联估计模型的柔性机械臂系统模糊控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106113040B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106335064B (zh) * | 2016-11-29 | 2018-08-24 | 合肥工业大学 | 一种柔性关节机器人系统的控制器设计方法 |
| CN106773684B (zh) * | 2016-12-09 | 2019-06-04 | 西北工业大学 | 基于智能学习评价的柔性机械臂复合控制方法 |
| CN109895121A (zh) * | 2017-12-07 | 2019-06-18 | 泰科电子(上海)有限公司 | 机械臂控制系统和方法 |
| CN109227545B (zh) * | 2018-10-30 | 2020-05-05 | 闽江学院 | 一种基于可达集估计的柔性机械臂目标追踪控制方法 |
| CN110877333B (zh) * | 2019-04-12 | 2023-01-17 | 国网宁夏电力有限公司电力科学研究院 | 一种柔性关节机械臂控制方法 |
| CN112873207B (zh) * | 2021-01-25 | 2022-03-08 | 浙江工业大学 | 一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法 |
| CN113325711B (zh) * | 2021-05-27 | 2022-07-19 | 广东工业大学 | 一种用于柔性机械臂预定精度定位的智能控制方法 |
| CN114393579B (zh) * | 2022-01-04 | 2023-09-22 | 南京航空航天大学 | 一种基于自适应模糊虚拟模型的机器人控制方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0429680A1 (en) * | 1989-06-22 | 1991-06-05 | Kabushiki Kaisha Yaskawa Denki Seisakusho | Fuzzy control method and robot height profile control method using the same |
| CN104950678A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 一种柔性机械臂系统的神经网络反演控制方法 |
| CN105563489A (zh) * | 2016-03-01 | 2016-05-11 | 浙江工业大学 | 基于非线性自抗扰控制技术的柔性机械臂控制方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101120107B1 (ko) * | 2009-11-30 | 2012-03-22 | 재단법인대구경북과학기술원 | 모바일 로봇의 장애물 회피 퍼지 제어기 |
| FR2992447B1 (fr) * | 2012-06-25 | 2014-08-01 | Commissariat Energie Atomique | Dispositif et procede d'optimisation d'un systeme d'inference floue preservant l'interpretabilite |
-
2016
- 2016-07-19 CN CN201610569377.8A patent/CN106113040B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0429680A1 (en) * | 1989-06-22 | 1991-06-05 | Kabushiki Kaisha Yaskawa Denki Seisakusho | Fuzzy control method and robot height profile control method using the same |
| CN104950678A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 一种柔性机械臂系统的神经网络反演控制方法 |
| CN105563489A (zh) * | 2016-03-01 | 2016-05-11 | 浙江工业大学 | 基于非线性自抗扰控制技术的柔性机械臂控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106113040A (zh) | 2016-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106113040B (zh) | 基于串并联估计模型的柔性机械臂系统模糊控制方法 | |
| CN109358506B (zh) | 一种基于干扰观测器的自适应模糊遥操作控制方法 | |
| CN104950678B (zh) | 一种柔性机械臂系统的神经网络反演控制方法 | |
| CN106452242B (zh) | 基于串并联估计模型的永磁同步电机混沌模糊控制方法 | |
| Wang et al. | Neural-network-based terminal sliding-mode control of robotic manipulators including actuator dynamics | |
| CN110750050B (zh) | 一种基于神经网络的机械臂系统预设性能控制方法 | |
| CN110687787A (zh) | 一种基于时变非对称障碍李雅普诺夫函数的机械臂系统自适应控制方法 | |
| CN106444372B (zh) | 用于电机伺服系统的滑模重复控制器 | |
| CN104950677B (zh) | 基于反演滑模控制的机械臂系统饱和补偿控制方法 | |
| CN105798930B (zh) | 基于龙伯格状态观测器的柔性机械臂系统饱和补偿控制方法 | |
| CN105772917B (zh) | 一种三关节点焊机器人轨迹跟踪控制方法 | |
| Qi et al. | Stable indirect adaptive control based on discrete-time T–S fuzzy model | |
| CN107544256A (zh) | 基于自适应反步法的水下机器人滑模控制方法 | |
| Chang et al. | Adaptive fuzzy backstepping output constraint control of flexible manipulator with actuator saturation | |
| CN105549395B (zh) | 保证瞬态性能的机械臂伺服系统死区补偿控制方法 | |
| CN111965976B (zh) | 基于神经网络观测器的机器人关节滑模控制方法及系统 | |
| CN112817231A (zh) | 一种具有强鲁棒性的机械臂高精度跟踪控制方法 | |
| 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 | |
| CN106113046B (zh) | 基于死区和摩擦补偿的机械臂伺服系统动态面瞬态控制方法 | |
| CN105045103B (zh) | 一种基于LuGre摩擦模型伺服机械手摩擦补偿控制系统及方法 | |
| CN110456641B (zh) | 一种固定时预定性能循环神经网络机械臂控制方法 | |
| CN111716360A (zh) | 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 | |
| Pan et al. | Online data‐driven composite adaptive backstepping control with exact differentiators | |
| CN113297798A (zh) | 一种基于人工神经网络的机器人外界接触力估计方法 | |
| CN107065559B (zh) | 一种工业机器人增量自适应控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230118 Address after: No.1 Zhengxue Road, Qinhuai District, Nanjing, Jiangsu 210001 Patentee after: NANJING CHENGUANG GROUP Co.,Ltd. Address before: B-2704, Woye Garden Business Office Building, No. 81, Ganquan Road, Shushan District, Hefei City, Anhui Province, 230088 Patentee before: HEFEI LONGZHI ELECTROMECHANICAL TECHNOLOGY Co.,Ltd. Effective date of registration: 20230118 Address after: B-2704, Woye Garden Business Office Building, No. 81, Ganquan Road, Shushan District, Hefei City, Anhui Province, 230088 Patentee after: HEFEI LONGZHI ELECTROMECHANICAL TECHNOLOGY Co.,Ltd. Address before: 310014 science and technology office, Zhejiang University of Technology, No. 18 Chao Wang Road, Xiacheng District, Hangzhou, Zhejiang Patentee before: JIANG University OF TECHNOLOGY |