CN108181806A - 基于采样输出的空间机器人位置与姿态自抗扰控制方法 - Google Patents
基于采样输出的空间机器人位置与姿态自抗扰控制方法 Download PDFInfo
- Publication number
- CN108181806A CN108181806A CN201711251904.1A CN201711251904A CN108181806A CN 108181806 A CN108181806 A CN 108181806A CN 201711251904 A CN201711251904 A CN 201711251904A CN 108181806 A CN108181806 A CN 108181806A
- Authority
- CN
- China
- Prior art keywords
- robot
- space
- nonlinear
- signal
- sampling
- 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
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采样输出的空间机器人位置与姿态自抗扰控制方法;首先通过设计跟踪微分器为系统期望的位置与姿态信号安排过渡过程产生平滑信号,避免初始时刻跟踪误差过大产生较大的控制输入信号使得输出严重超调,同时获取期望信号的微分信号为控制器设计做准备;利用系统采样输出信号设计连续‑离散扩张状态观测器,对系统的状态和总的非线性不确定项进行实时估计,并将非线性不确定项的估计值补偿到由连续‑离散扩张状态观测器输出的状态估计值与跟踪微分器获取的平滑信号以及微分信号组成的反馈组合中,进而形成复合控制器,避免内外干扰等非线性因素对系统造成不利影响,为空间操作任务的顺利完成提供有利保障。
Description
技术领域
本发明属于空间机器人系统伺服控制领域,涉及一种基于采样输出的空间机器人位置与姿态自抗扰控制方法。
背景技术
随着人类空间活动的深入和范围扩大,空间机器人等各种形式的空间飞行器应运而生。在轨运行的空间机器人不可避免地受到重力梯度力矩、太阳光压力矩、气动力矩等外部环境干扰力矩,同时受到有效载荷活动部件的转动产生的力矩、飞轮安装误差产生的力矩及难于精确建模的摩擦力矩、太阳电池阵的驱动力矩以及挠性结构的耦合力矩等,并且这些干扰力矩的大小也是变化的,即具有不确定性。因此导致空间机器人控制系统具有多输入多输出,强耦合,外部干扰多的特点。针对这样一个典型的不确定、非线性、时变的被控对象——空间机器人系统直接进行空间研究难度大、风险大、耗费大,因此考虑空间环境的地面物理实验是必不可少的环节,其中最主要的就是模拟空间微重力环境。在现有的各种微重力环境/效应模拟方法中,液磁混合悬浮系统结合了液浮系统和电磁悬浮系统的优点,可以提供足够大的三维实验空间,保证空间机器人等飞行器试件在高水准微重力环境下长时间、无限制地连续进行空间操作实验。
地面液磁混合悬浮系统中的空间机器人试件内部状态强耦合以及在运动过程中受到水的粘性阻力、附加质量、负浮力等外部扰动,导致微重力环境中的空间机器人系统含有很强的非线性不确定项;同时,在实际运行控制过程中,空间机器人系统中的位置与姿态信息并不是连续的,而是通过离散时间采样获取的。因此,在空间机器人系统位置与姿态控制设计中,寻求一种基于采样输出的抗干扰主动控制方法显得尤为重要。
针对空间机器人的控制,人们已经提出多种控制策略。如,简单可靠但鲁棒性较差的PID控制;不基于精准模型但计算复杂且易出错的自适应控制;针对复杂非线性系统但会带来抖振的滑模控制等。上世纪九十年代由中国科学院数学与系统科学研究院的韩京清研究员及其领导的研究小组创立发展的自抗扰控制技术是一种不基于模型且可以解决复杂非线性不确定系统控制问题的先进控制策略。其主要核心思想为:将系统中的未建模动态以及未知外部干扰当作系统的总和扰动,被实时地估计并补偿到控制器中,从而实现了动态系统的动态反馈线性化。随着广大学者对自抗扰控制技术理论方面的充分研究,自抗扰控制技术已被广泛应用于电机控制、飞行器控制、轧钢、发电厂、坦克炮控系统等机器人领域。
发明内容
本发明针对采样输出的空间机器人位置与姿态控制问题,提供一种基于采样输出的空间机器人位置与姿态自抗扰控制方法,用于解决空间机器人系统同含有的内外扰动等非线性不确定项问题,保证空间机器人实现精准地位置和姿态控制,进而顺利完成各种空间操作任务。
为达到上述目的,本发明采用以下技术方案予以实现:
基于采样输出的空间机器人位置与姿态自抗扰控制方法,其特征在于,包括以下步骤:
步骤1:构建微重力环境下空间机器人系统动力学模型;
步骤2:设计跟踪微分器;
步骤3:设计连续-离散扩张状态观测器,估计系统状态和非线性不确定项;
步骤4:复合控制器设计。
本发明进一步的改进在于:
步骤1的具体方法如下:
建立地理坐标系Oxnynzn;x、y、z分别指空间机器人在Oxn、Oyn和Ozn方向的位置,n为地理坐标系的标注;建立空间机器人体坐标系Oxbybzb,b为体坐标系的标注;根据Oxnynzn与Oxbybzb的关系,建立如下等式:
其中,表示空间机器人在地理坐标系下的速度向量,υ=[u,v,w,p,q,r]T,J(η)为运动系数矩阵,θ、ψ分别指空间机器人的横滚角、俯仰角以及偏航角,u、v、w为空间机器人线速度向量,p、q、r为空间机器人角速度向量,T表示矩阵转置;
构建空间机器人系统在体坐标系下的动力学模型:
其中,τ为系统控制输入,M为惯性质量矩阵,C(υ)为科里奥利力矩阵,D(υ)为机器人在水中受到的黏性阻力,g(η)为负浮力系数,为空间机器人在体坐标系下的加速度向量;
联立式(1)和(2),得空间机器人系统六自由度动力学模型:
其中,表示空间机器人在地理坐标系下的加速度向量;
Mη(η)=J-T(η)MJ-1(η)
Dη(η,υ)=J-T(η)D(υ)J-1(η),gη(η)=J-T(η)g(η);
设η=x1(t)和并考虑测量信号采样输出问题,将(3)式改写为如下状态空间表达式:
其中,X(t)=[x1(t),x2(t)]T,X(t)∈R12,R12表示12维实向量空间,τ(t)∈R6,R6表示6维实向量空间,系统可调参数B1=[06×6,B]T∈R12×6,B=diag{b1,b2,b3,b4,b5,b6},06×6表示6×6维零矩阵,R12×6表示12×6维实矩阵空间,F(t)∈R6为系统中耦合以及外部干扰带来的非线性不确定项,其具体表达式为:
其中,y(tk)为系统的采样输出,tk为系统的采样时刻,A1、C1为系统系数矩阵,其具体表示分别如下所示:
其中,I6×6表示6×6维单位矩阵。
步骤2具体如下:
设计跟踪微分器如下所示:
其中,ηd(t)为空间机器人位置和姿态的期望值并作为跟踪微分器的输入信号,v1(t)和v2(t)为跟踪微分器的输出信号,并且v1(t)是ηd(t)的跟踪信号,v2(t)是ηd(t)的近似微分信号,r0和h分别为跟踪微分器的速度因子和滤波因子,fhan(v1(t)-ηd(t),v2(t),r0,h)的表达式为:
忽略跟踪微分器对信号造成的误差,即假设ηd(t)=v1(t),
步骤3具体如下:
针对采样输出的空间机器人系统(4)设计连续-离散扩张状态观测器形式如下所示:
其中,Z(t)=[z1(t),z2(t),z3(t)]T为连续-离散扩张状态观测器的输出状态,Z(t)∈R18,R18表示18为维实向量空间,Λ=diag{εI6×6,I6×6,ε-1I6×6}为连续-离散扩张状态观测器的可调增益,并且0<ε<1,ξ1(t)∈R6为两个采样时刻间的预测值,并且在每个采样时刻该预测值更新一次;
表示关于的函数,i=1,2,3;系统矩阵A2和B2分别为:
该连续-离散扩张状态观测器(7)是一个动态过程,只用了空间机器人系统(4)中的控制输入τ(t)和采样输出x1(tk+1)的信息。
步骤4具体如下:
根据连续-离散扩张状态观测器(7)的观测值z1(t)和z2(t),设误差信号:
基于以上误差信号和连续-离散扩张状态观测器(7)对系统中非线性不确定项的估计值z3(t),空间机器人系统(4)中的控制器设计为:
τ(t)=B-1(φ(r(t))-z3(t)) (8)
其中,φ(r(t))为关于误差r1(t)和r2(t)的非线性组合函数。
控制器采用误差反馈控制,并将连续-离散扩张状态观测器估计出的非线性不确定项实时补偿到控制器中。
与现有技术相比,本发明具有以下有益效果:
本发明基于采样输出的自抗扰控制方法,利用离散时间采样输出信号,设计连续-离散扩张状态观测器对空间机器人系统中的耦合、外部干扰等非线性不确定项进行实时估计,并补偿到误差反馈控制率中形成复合控制器,进而实现空间机器人系统位置和姿态的精准控制,提高了系统的鲁棒稳定性。本发明利用跟踪微分器安排过渡过程,避免了因初始误差过大而造成的输出超调现象,对空间机器人起到一定的保护作用;其次,本发明利用离散时间采样输出信号设计连续-离散扩张状态观测器,对系统中的状态以及非线性不确定项实时估计;最后本发明将连续-离散扩张状态观测器估计出的非线性不确定项补偿到跟踪误差反馈控制器中,克服了非线性不确定项对系统造成的不利影响,提高系统的鲁棒性,便于实现空间机器人的位置和姿态跟踪控制。
附图说明
图1为本发明方法的流程图。
图2为采样输出的空间机器人自抗扰控制方框图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
参见图1和2,本发明基于采样输出的空间机器人位置与姿态自抗扰控制方法,包括以下步骤:
第一步:构建微重力环境下空间机器人系统动力学模型
建立地理坐标系Oxnynzn;x、y、z分别指空间机器人在Oxn、Oyn和Ozn方向的位置,n为地理坐标系的标注,θ、ψ分别指空间机器人的横滚角、俯仰角以及偏航角;建立空间机器人体坐标系Oxbybzb;u、v、w为空间机器人线速度向量,p、q、r为空间机器人角速度向量,b为体坐标系的标注;根据Oxnynzn与Oxbybzb的关系,建立如下等式:
其中,表示空间机器人在地理坐标系下的速度向量,υ=[u,v,w,p,q,r]T,J(η)为运动系数矩阵;
构建空间机器人系统在体坐标系下的动力学模型:
其中,τ为系统控制输入,M为惯性质量矩阵,C(υ)为科里奥利力矩阵,D(υ)为机器人在水中受到的黏性阻力,g(η)为负浮力系数,为空间机器人在体坐标系下的加速度向量;
联立式(1)和(2),得空间机器人系统六自由度动力学模型:
其中,表示空间机器人在地理坐标系下的加速度向量,T表示矩阵的转置;
Mη(η)=J-T(η)MJ-1(η)
Dη(η,υ)=J-T(η)D(υ)J-1(η),gη(η)=J-T(η)g(η);
设η=x1(t)和并考虑测量信号采样输出问题,将(3)式改写为如下状态空间表达式:
其中,X(t)=[x1(t),x2(t)]T,X(t)∈R12,R12表示12维实向量空间,τ(t)∈R6,R6表示6维实向量空间,系统可调参数B1=[06×6,B]T∈R12×6,B=diag{b1,b2,b3,b4,b5,b6},06×6表示6×6维零矩阵,R12×6表示12×6维实矩阵空间,F(t)∈R6为系统中耦合以及外部干扰带来的非线性不确定项,其具体表达式为:
其中,y(tk)为系统的采样输出,tk为系统的采样时刻,A1、C1为系统系数矩阵,其具体表示分别如下所示:
其中,I6×6表示6×6维单位矩阵,y(tk)为系统的采样输出,tk为系统的采样时刻,本实例中,空间机器人系统的最大采样周期为Tmax=0.015s。
第二步:设计跟踪微分器
一方面为了避免初始时刻空间机器人实际位置和姿态角与期望值偏差过大而造成系统输出超调;另一方面为了获取位置和姿态角的微分信号为设计控制器做准备,设计跟踪微分器如下所示:
其中,ηd(t)为空间机器人位置和姿态的期望值并作为跟踪微分器的输入信号,v1(t)和v2(t)为跟踪微分器的输出信号,并且v1(t)是ηd(t)的跟踪信号,v2(t)是ηd(t)的近似微分信号,r0和h分别为跟踪微分器的速度因子和滤波因子,fhan(v1(t)-ηd(t),v2(t),r0,h)的表达式为:
本实例中,设空间机器人的期望位置与姿态角ηd(t)为:
ηd(t)=[0.8sin(t/30),0.8cos(t/30),0.01t,0,0,π/6]T
跟踪微分器的速度因子r0和滤波因子h分别设为20和0.01,则,可通过跟踪微分器(13)获取ηd(t)的跟踪信号v1(t)和ηd(t)的近似微分信号v2(t),为后续控制器设计做准备。
在此,忽略跟踪微分器对信号造成的误差,即假设ηd(t)=v1(t),
第三步:设计连续-离散扩张状态观测器,估计系统状态和非线性不确定项
针对采样输出的空间机器人系统(4)设计连续-离散扩张状态观测器形式如下所示:
其中,Z(t)=[z1(t),z2(t),z3(t)]T为连续-离散扩张状态观测器的输出状态,Z(t)∈R18,R18表示18为维实向量空间,Λ=diag{εI6×6,I6×6,ε-1I6×6}为连续-离散扩张状态观测器的可调增益,并且0<ε<1,在本实例中选取ε=0.05,ξ1(t)∈R6为两个采样时刻间的预测值,并且在每个采样时刻该预测值更新一次,系统矩阵A2和B2分别为:
表示关于的函数,i=1,2,3;为了便于表示,设χ1(t)=[χ11(t),χ12(t),χ13(t),χ14(t),χ15(t),χ16(t)]T∈R6,在本实例中设:
h1(χ1(t))=β1χ1(t)+f(χ1(t))
可调增益β1=diag{β11,β12,β13,β14,β15,β16}=diag{3,3,3,1.8,1.8,1.8},其中,f(χ1(t))为非线性函数,且
f(χ1(t))=[f1(χ11(t)),f2(χ12(t)),f3(χ13(t)),f4(χ14(t)),f5(χ15(t)),f6(χ16(t))]T
h2(χ1(t))=β2χ1(t),可调增益β2=diag{β21,β22,β23,β24,β25,β26}=diag{3,3,3,1.8,1.8,1.8},
h3(χ1(t))=β3χ1(t),可调增益β3=diag{β31,β32,β33,β34,β35,β36}=diag{1,1,1,0.8,0.8,0.8}。
该连续-离散扩张状态观测器(7)是一个动态过程,只用了空间机器人系统(4)中的控制输入τ(t)和采样输出x1(tk+1)的信息。连续-离散扩张状态观测器(7)的输出状态z3(t)之所以能够实时估计出系统中的非线性不确定项F(t),其根本原因是不管非线性不确定项F(t)是什么形式,只要其影响系统的实际输出,就可以从输出信息中提炼出非线性不确定项的实时作用量。
综上所述,利用设计的连续-离散扩张状态观测器(7)可以实时的估计出系统中由于耦合、外部扰动等造成的非线性不确定项。
第四步:复合控制器设计
为了实现对空间机器人精准地位置和姿态控制,本发明中控制器采用误差反馈控制,并将连续-离散扩张状态观测器估计出的非线性不确定项实时补偿到控制器中。进而,无论系统是确定的还是不确定的,是线性的还是非线性,是时不变的还是时变的,都可以将原系统转换为确定的线性时不变积分串联型系统。
根据连续-离散扩张状态观测器(7)的观测值z1(t)和z2(t),设误差信号:
基于以上误差信号和连续-离散扩张状态观测器(7)对系统中非线性不确定项的估计值z3(t),空间机器人系统(4)中的控制器设计为:
τ(t)=B-1(φ(r(t))-z3(t)) (8)
其中,φ(r(t))为关于误差r1(t)和r2(t)的非线性组合函数。在本实例中该函数具体表达形式设为:φ(r(t))=-α1r1(t)-fal1(r1(t),ρ,σ)-α2r2(t)-fal2(r2(t),ρ,σ),式中:
可调控制增益α1=diag{α11,α12,α13,α14,α15,α16}=diag{5,4.6,4.2,3,2.5,3.2};
α2=diag{α21,α22,α23,α24,α25,α26}=diag{1.5,1,1.2,1,0.8,0.6};
fali(ri(t),ρ,σ),i=1,2是关于误差r1(t)和r2(t)的非线性函数,为了便于表示,设fali(ri(t),ρ,σ)=fali(ri(t))=[fali(ri1(t)),fali(ri2(t)),fali(ri3(t)),fali(ri4(t)),fali(ri5(t)),fali(ri6(t))]T;
其中,i=1,2;j=1,2,3,4,5,6;ρ=0.5,σ=0.01。
可调参数B=diag{b1,b2,b3,b4,b5,b6}=diag{18,16,11,8,9,8}。
本发明未详细说明部分属于领域技术人员公知常识。
以上内容仅为说明本发明的技术思想,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 (6)
1.基于采样输出的空间机器人位置与姿态自抗扰控制方法,其特征在于,包括以下步骤:
步骤1:构建微重力环境下空间机器人系统动力学模型;
步骤2:设计跟踪微分器;
步骤3:设计连续-离散扩张状态观测器,估计系统状态和非线性不确定项;
步骤4:复合控制器设计。
2.根据权利要求1所述的基于采样输出的空间机器人位置与姿态自抗扰控制方法,其特征在于,步骤1的具体方法如下:
建立地理坐标系Oxnynzn;x、y、z分别指空间机器人在Oxn、Oyn和Ozn方向的位置,n为地理坐标系的标注;建立空间机器人体坐标系Oxbybzb,b为体坐标系的标注;根据Oxnynzn与Oxbybzb的关系,建立如下等式:
其中,表示空间机器人在地理坐标系下的速度向量,υ=[u,v,w,p,q,r]T,J(η)为运动系数矩阵,θ、ψ分别指空间机器人的横滚角、俯仰角以及偏航角,u、v、w为空间机器人线速度向量,p、q、r为空间机器人角速度向量,T表示矩阵转置;
构建空间机器人系统在体坐标系下的动力学模型:
其中,τ为系统控制输入,M为惯性质量矩阵,C(υ)为科里奥利力矩阵,D(υ)为机器人在水中受到的黏性阻力,g(η)为负浮力系数,为空间机器人在体坐标系下的加速度向量;
联立式(1)和(2),得空间机器人系统六自由度动力学模型:
其中,表示空间机器人在地理坐标系下的加速度向量;
Mη(η)=J-T(η)MJ-1(η)
Dη(η,υ)=J-T(η)D(υ)J-1(η),gη(η)=J-T(η)g(η);
设η=x1(t)和并考虑测量信号采样输出问题,将(3)式改写为如下状态空间表达式:
其中,X(t)=[x1(t),x2(t)]T,X(t)∈R12,R12表示12维实向量空间,τ(t)∈R6,R6表示6维实向量空间,系统可调参数B1=[06×6,B]T∈R12×6,B=diag{b1,b2,b3,b4,b5,b6},06×6表示6×6维零矩阵,R12×6表示12×6维实矩阵空间,F(t)∈R6为系统中耦合以及外部干扰带来的非线性不确定项,其具体表达式为:
其中,y(tk)为系统的采样输出,tk为系统的采样时刻,A1、C1为系统系数矩阵,其具体表示分别如下所示:
C1=[06×6,I6×6]T
其中,I6×6表示6×6维单位矩阵。
3.根据权利要求1所述的基于采样输出的空间机器人位置与姿态自抗扰控制方法,其特征在于,步骤2具体如下:
设计跟踪微分器如下所示:
其中,ηd(t)为空间机器人位置和姿态的期望值并作为跟踪微分器的输入信号,v1(t)和v2(t)为跟踪微分器的输出信号,并且v1(t)是ηd(t)的跟踪信号,v2(t)是ηd(t)的近似微分信号,r0和h分别为跟踪微分器的速度因子和滤波因子,fhan(v1(t)-ηd(t),v2(t),r0,h)的表达式为:
忽略跟踪微分器对信号造成的误差,即假设ηd(t)=v1(t),
4.根据权利要求2或3所述的基于采样输出的空间机器人位置与姿态自抗扰控制方法,其特征在于,步骤3具体如下:
针对采样输出的空间机器人系统(4)设计连续-离散扩张状态观测器形式如下所示:
其中,Z(t)=[z1(t),z2(t),z3(t)]T为连续-离散扩张状态观测器的输出状态,Z(t)∈R18,R18表示18为维实向量空间,Λ=diag{εI6×6,I6×6,ε-1I6×6}为连续-离散扩张状态观测器的可调增益,并且0<ε<1,ξ1(t)∈R6为两个采样时刻间的预测值,并且在每个采样时刻该预测值更新一次;
表示关于的函数,i=1,2,3;系统矩阵A2和B2分别为:
该连续-离散扩张状态观测器(7)是一个动态过程,只用了空间机器人系统(4)中的控制输入τ(t)和采样输出x1(tk+1)的信息。
5.根据权利要求4所述的基于采样输出的空间机器人位置与姿态自抗扰控制方法,其特征在于,步骤4具体如下:
根据连续-离散扩张状态观测器(7)的观测值z1(t)和z2(t),设误差信号:
基于以上误差信号和连续-离散扩张状态观测器(7)对系统中非线性不确定项的估计值z3(t),空间机器人系统(4)中的控制器设计为:
τ(t)=B-1(φ(r(t))-z3(t)) (8)
其中,φ(r(t))为关于误差r1(t)和r2(t)的非线性组合函数。
6.根据权利要求5所述的基于采样输出的空间机器人位置与姿态自抗扰控制方法,其特征在于,控制器采用误差反馈控制,并将连续-离散扩张状态观测器估计出的非线性不确定项实时补偿到控制器中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711251904.1A CN108181806B (zh) | 2017-12-01 | 2017-12-01 | 基于采样输出的空间机器人位置与姿态自抗扰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711251904.1A CN108181806B (zh) | 2017-12-01 | 2017-12-01 | 基于采样输出的空间机器人位置与姿态自抗扰控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108181806A true CN108181806A (zh) | 2018-06-19 |
CN108181806B CN108181806B (zh) | 2020-11-24 |
Family
ID=62545511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711251904.1A Active CN108181806B (zh) | 2017-12-01 | 2017-12-01 | 基于采样输出的空间机器人位置与姿态自抗扰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108181806B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109189085A (zh) * | 2018-07-25 | 2019-01-11 | 西北工业大学 | 基于事件触发的航天器网络化系统姿态控制方法 |
CN110362095A (zh) * | 2019-08-09 | 2019-10-22 | 大连海事大学 | 一种有限时间收敛无人船协同控制器的设计方法 |
CN112731954A (zh) * | 2020-12-25 | 2021-04-30 | 深圳市优必选科技股份有限公司 | 机器人的运动控制方法、装置、机器人及存储介质 |
CN114185270A (zh) * | 2021-11-26 | 2022-03-15 | 中国科学院微电子研究所 | 用于精密运动平台的模型预测运动控制方法及其系统 |
CN116700319A (zh) * | 2023-08-04 | 2023-09-05 | 西安交通大学 | 基于微型雷达阵列的空中机器人自主起降系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995822A (zh) * | 2010-09-26 | 2011-03-30 | 上海电力学院 | 一种大时滞系统的灰色自抗扰控制方法 |
US20140195013A1 (en) * | 2002-04-18 | 2014-07-10 | Cleveland State University | Extended active disturbance rejection controller |
CN104932517A (zh) * | 2015-05-15 | 2015-09-23 | 哈尔滨工业大学 | 环境干扰下的水下无人航行器航迹跟踪动态面控制优化方法 |
US20160033944A1 (en) * | 2014-07-29 | 2016-02-04 | Linestream Technologies | Optimized parameterization of active disturbance rejection control |
CN106985139A (zh) * | 2017-04-12 | 2017-07-28 | 西北工业大学 | 基于扩展状态观测与补偿的空间机器人自抗扰协调控制方法 |
CN107065564A (zh) * | 2017-05-18 | 2017-08-18 | 西北工业大学 | 一种基于自抗扰的中性浮力机器人姿态与轨迹控制方法 |
-
2017
- 2017-12-01 CN CN201711251904.1A patent/CN108181806B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140195013A1 (en) * | 2002-04-18 | 2014-07-10 | Cleveland State University | Extended active disturbance rejection controller |
CN101995822A (zh) * | 2010-09-26 | 2011-03-30 | 上海电力学院 | 一种大时滞系统的灰色自抗扰控制方法 |
US20160033944A1 (en) * | 2014-07-29 | 2016-02-04 | Linestream Technologies | Optimized parameterization of active disturbance rejection control |
CN104932517A (zh) * | 2015-05-15 | 2015-09-23 | 哈尔滨工业大学 | 环境干扰下的水下无人航行器航迹跟踪动态面控制优化方法 |
CN106985139A (zh) * | 2017-04-12 | 2017-07-28 | 西北工业大学 | 基于扩展状态观测与补偿的空间机器人自抗扰协调控制方法 |
CN107065564A (zh) * | 2017-05-18 | 2017-08-18 | 西北工业大学 | 一种基于自抗扰的中性浮力机器人姿态与轨迹控制方法 |
Non-Patent Citations (3)
Title |
---|
YANG HJ,等: "active disturbance rejection attitude control for a hypersonic reentry vehicle with actuator saturation", 《INTERNATIONAL JOURNAL OF ADVANCED ROBOTICS SYSTEMS》 * |
刘在维,等: "基于自抗扰控制的PMSM系统仿真分析", 《智能电网》 * |
贺璐,等: "自抗扰控制器在AUV悬停定深控制的应用", 《计算机测量与控制》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109189085A (zh) * | 2018-07-25 | 2019-01-11 | 西北工业大学 | 基于事件触发的航天器网络化系统姿态控制方法 |
CN109189085B (zh) * | 2018-07-25 | 2021-06-08 | 西北工业大学 | 基于事件触发的航天器网络化系统姿态控制方法 |
CN110362095A (zh) * | 2019-08-09 | 2019-10-22 | 大连海事大学 | 一种有限时间收敛无人船协同控制器的设计方法 |
CN110362095B (zh) * | 2019-08-09 | 2022-04-01 | 大连海事大学 | 一种有限时间收敛无人船协同控制器的设计方法 |
CN112731954A (zh) * | 2020-12-25 | 2021-04-30 | 深圳市优必选科技股份有限公司 | 机器人的运动控制方法、装置、机器人及存储介质 |
CN114185270A (zh) * | 2021-11-26 | 2022-03-15 | 中国科学院微电子研究所 | 用于精密运动平台的模型预测运动控制方法及其系统 |
CN116700319A (zh) * | 2023-08-04 | 2023-09-05 | 西安交通大学 | 基于微型雷达阵列的空中机器人自主起降系统及方法 |
CN116700319B (zh) * | 2023-08-04 | 2023-10-20 | 西安交通大学 | 基于微型雷达阵列的空中机器人自主起降系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108181806B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108181806A (zh) | 基于采样输出的空间机器人位置与姿态自抗扰控制方法 | |
CN108227485B (zh) | 一种带有执行器饱和的空间机器人自抗扰控制方法 | |
Huang et al. | Adaptive control for space debris removal with uncertain kinematics, dynamics and states | |
CN109144084B (zh) | 一种基于固定时间收敛观测器的垂直起降重复使用运载器姿态跟踪控制方法 | |
CN108181914B (zh) | 一种中性浮力机器人姿态与轨迹自抗扰控制方法 | |
CN107065564A (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 | |
Tao et al. | Dynamic modeling and trajectory tracking control of parafoil system in wind environments | |
CN104793629B (zh) | 一种飞艇三维航迹跟踪的反步神经网络控制方法 | |
CN103488814A (zh) | 一种适用于再入飞行器姿态控制的闭环仿真系统 | |
CN106985139A (zh) | 基于扩展状态观测与补偿的空间机器人自抗扰协调控制方法 | |
CN102880052A (zh) | 基于时标功能分解的高超声速飞行器执行器饱和控制方法 | |
CN102880056B (zh) | 基于等价模型的高超声速飞行器离散滑模控制方法 | |
CN105242683B (zh) | 一种飞艇神经网络终端滑模航迹控制方法 | |
CN113361013B (zh) | 一种基于时间同步稳定的航天器姿态鲁棒控制方法 | |
CN108445768A (zh) | 空间机器人操作空间轨迹跟踪的增广自适应模糊控制方法 | |
CN108917772A (zh) | 基于序列图像的非合作目标相对导航运动估计方法 | |
CN106371442A (zh) | 一种基于张量积模型变换的移动机器人控制方法 | |
Sun et al. | Trajectory tracking control of powered parafoil system based on sliding mode control in a complex environment | |
Liang et al. | Active disturbance rejection attitude control for a bird-like flapping wing micro air vehicle during automatic landing | |
Zhou et al. | Spatial path following control of an autonomous underactuated airship | |
CN105912020A (zh) | 一种弱稳定边界区域内航天器编队飞行方法 | |
CN106200383A (zh) | 一种基于模型参考自适应神经网络的三轴惯性稳定平台控制方法 | |
CN112947522A (zh) | 一种基于有限时间观测器的硬式空中加油姿态控制方法 | |
Smith et al. | Disturbance observer based control for gust alleviation of a small fixed-wing UAS | |
Azouz et al. | Dynamic analysis of airships with small deformations |
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 |