CN108267959B - 基于迭代学习控制和输入整形技术的联合抑制振动的方法 - Google Patents
基于迭代学习控制和输入整形技术的联合抑制振动的方法 Download PDFInfo
- Publication number
- CN108267959B CN108267959B CN201810097823.9A CN201810097823A CN108267959B CN 108267959 B CN108267959 B CN 108267959B CN 201810097823 A CN201810097823 A CN 201810097823A CN 108267959 B CN108267959 B CN 108267959B
- Authority
- CN
- China
- Prior art keywords
- industrial robot
- input
- track
- control
- vibration
- 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 45
- 238000007493 shaping process Methods 0.000 title claims abstract description 24
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 230000002401 inhibitory effect Effects 0.000 title abstract description 6
- 230000001629 suppression Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims abstract description 5
- 238000013016 damping Methods 0.000 claims description 5
- 230000003252 repetitive effect Effects 0.000 abstract 1
- 230000005284 excitation Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000002520 smart material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (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)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出了一种基于迭代学习控制和输入整形技术的联合抑制振动的方法,包括:选择给定的工业机器人系统的重复轨迹,并为工业机器人系统配备位移传感器;将系统参数作用在已设定的输入整形器上,将该输入整形器与参考轨迹进行卷积计算,并将卷积计算结果作为工业机器人系统的输入,运行工业机器人系统得到系统输出结果;将系统输出结果和参考轨迹做差求得轨迹误差,根据轨迹误差阈值判断是否迭代完毕;将轨迹误差作为迭代学习控制中控制律的更新参数,并经过控制律更新系统参数;重复上述步骤,直至满足预设的误差阈值,对工业机器人系统振动抑制控制。本发明能够大幅降低振动的幅值和明显缩短振动整定时间,保留系统的动态特性,实现系统的快速无振响应。
Description
技术领域
本发明涉及工业机器人技术领域,特别涉及一种基于迭代学习控制和输入整形技术的联合抑制振动的方法。
背景技术
在工业机器人领域,由于机器人的结构柔性(关节柔性和连杆柔性)的存在,使得机器人的终端振动情况异常复杂,将极大的降低系统的轨迹跟踪精度和定位精度,影响生产效率。关于机器人的终端振动抑制方面,因振动影响因素多,非线性现象深度耦合,使得振动抑制的分析异常困难。
目前对于机器人终端振动抑制的方法:
1、关于被动控制范畴,比如更改结构(刚度和阻尼)设计,或增加抑制振动的机械装置,或更改材料属性。被动控制的主要目的是提高机械结构的刚度,增强阻尼效应,使得振动迅速衰减。
2、在机器人结构的关键部位安装机敏材料或者致动器。该机敏材料或致动器可以提供作用力,通过详细的公式计算,在适当时刻给予结构适当的激励来抵消掉振动效应。
3、建立精确的柔性动力学模型。考虑建立六轴串联机器人的关节和连杆的双柔性动力学模型非常复杂,这在实际当中往往难以得到系统精确的动力学模型。
4、关于主动控制范畴。传统控制方法(如H∞控制方法等),再结合其他智能控制方法 (如神经网络控制方法、粒子群优化方法等),也均能够取得一定的振动抑制效果。
上述技术方式的主要缺陷与不足在于:无法处理系统参数时变特性,假设条件过多,求解过程繁琐复杂,难于工程化。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种基于迭代学习控制和输入整形技术的联合抑制振动的方法。
为了实现上述目的,本发明的实施例提供一种基于迭代学习控制和输入整形技术的联合抑制振动的方法,包括如下步骤:
步骤S1,选择给定的工业机器人系统的重复轨迹,并为所述工业机器人系统配备位移传感器,以重新调试整定系统参数;
步骤S2,将系统参数作用在已设定的输入整形器上,将该输入整形器与参考轨迹进行卷积计算,并将卷积计算结果作为所述工业机器人系统的输入,运行所述工业机器人系统得到系统输出结果;
所述输入整形器的表达式如下:
取二阶系统方程:
所述输入整形器作用在二阶系统上,使得系统响应为0,
其中,ωn是系统的固有频率,ξ是系统的阻尼比,
得出整形器的关键参数如下:
步骤S3,将所述系统输出结果和参考轨迹做差求得轨迹误差阈值,根据所述轨迹误差阈值判断是否迭代完毕;
步骤S4,将轨迹误差作为迭代学习控制中控制律的更新参数,并经过所述控制律更新系统参数;
步骤S5,重复步骤S2至步骤S4,直至满足预设的误差阈值,实现对所述工业机器人系统的振动抑制控制。
进一步,在所述步骤S4中,所述控制律采用P型、PD型或PID型。
进一步,在所述步骤S4中,采用P型控制律进行迭代控制学习,包括:
uk+1(t)=f(uk(t),ek(t))=uk(t)+P*ek(t)
ek(t)=|yd(t)-yk(t)|
其中,P为比例增益,yd(t)为期望轨迹,yk(t)为输出轨迹,uk(t)为学习控制律
根据本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法,通过反复的迭代学习过程使得机器人快速自整定最优系统参数,将整定的最优系统参数应用在输入整形技术中,实现机器人系统的振动抑制控制。迭代学习控制当中采用的控制律有P 型、PD型及PID型的控制律,和现有的驱动器中的PID参数中的三种增益参数可保持一致,本发明的方法可以内嵌入现有驱动器当中。本发明能够大幅降低振动的幅值和明显缩短振动整定时间,保留系统的动态特性,实现系统的快速无振响应,克服机器人系统参数的时变特性,系统能够自整定时变参数,方法简单,易于实现。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法的流程图;
图2为根据本发明实施例的迭代控制学习基本框架图;
图3为根据本发明实施例的振动抑制基本原理框架图;
图4为根据本发明实施例的未用输入整形技术的系统精确计算振动曲线图;
图5为根据本发明实施例的已用输入整形技术的系统精确计算振动曲线图;
图6为根据本发明实施例的激励信号整形前后的系统振动曲线对比图;
图7为根据本发明实施例的振动过程曲线图;
图8为根据本发明实施例的寻找到的最优参数的振动曲线图;
图9为根据本发明实施例的的误差曲线图;
图10为根据本发明实施例的精确计算方法和专利中方法的振动曲线对比图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
六轴串联工业机器人在不同的轨迹运动当中,机器人的系统参数实时变化,需要机器人快速自整定系统参数,达到振动抑制的效果。为解决上述问题,本发明提出一种基于迭代学习控制和输入整形技术的联合抑制振动的方法,可以达到抑制振动的效果,适用于重复轨迹运动的工业机器人系统。
如图1-3所示,本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法,包括如下步骤:
步骤S1,选择给定的工业机器人系统的重复轨迹,并为工业机器人系统配备位移传感器,以重新调试整定系统参数。
对于重复轨迹运动的工业机器人系统,若是更换轨迹,需重新调试整定系统参数。需要在机器人终端配备位移传感器。
步骤S2,将系统参数作用在已设定的输入整形器上,将该输入整形器与参考轨迹进行卷积计算,并将卷积计算结果作为工业机器人系统的输入,运行工业机器人系统得到系统输出结果。
需要说明的是,在本步骤中,对于首次迭代的系统参数选取给定初值作用在输入整形器。
在本步骤中,输入整形技术,是属于前馈控制,本质上是起到滤波器的作用,能够滤除引起系统发生振动的频率信号。
在本发明中,选择ZV整形器,即为两个脉冲信号构成的输入整形器,整形器的表达式 (拉氏域)如下:
取二阶系统方程:
输入整形器作用在二阶系统上,使得系统响应为0,
得出整形器的关键参数如下:
步骤S3,将系统输出结果和参考轨迹做差求得轨迹误差,根据轨迹误差阈值判断是否迭代完毕,,即该轨迹误差作为判断系统输出是否满足要求的性能函数。
迭代学习控制是在重复轨迹中利用先前调试信息不断的更新控制律来控制输入,以改善控制质量,使得系统的输出无限逼近期望轨迹。该控制方法不依赖动态系统的精确数学模型,适用于高度非线性、耦合性和难以数学建模的控制方面。
步骤S4,将轨迹误差作为迭代学习控制中控制律的更新参数,并经过控制律更新系统参数。
在本步骤中,控制律可以采用P型、PD型或PID型。
在本发明的一个实施例中,采用P型控制律进行迭代控制学习,包括:
uk+1(t)=f(uk(t),ek(t))=uk(t)+P*ek(t) (6)
ek(t)=|yd(t)-yk(t)| (7)
其中,P为比例增益,yd(t)为期望轨迹,yk(t)为输出轨迹,uk(t)为学习控制律。
步骤S5,重复步骤S2至步骤S4,直至满足预设的误差阈值,实现对工业机器人系统的振动抑制控制。
下面参考图4至图10,举例对本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法进行说明。
1)系统方程采用公式(2),其中参数ωn=31.4159Hz,ξ=0.06;
2)控制律采用P型,即为公式(6),uk(t)的初值为0.01,P(比例增益)设置为0.01,迭代计算误差阈值(最大值)为0.013。
3)激励信号用单位阶跃信号,作用时间是0.2s。该阶跃曲线作为参考轨迹,误差计算每次都从0.2s之后开始算起。
4)仿真结果如图4至图10所示。图4中,点画线是整形前激励信号。图5中点画线是整形后激励信号。
从图6可知,输入整形技术可以大幅降低振动幅值和明显缩短振动衰减时间;从图10 可知,通过本发明提供的方法得到的振动抑制曲线稍好于输入整形技术精确计算的振动曲线。
根据本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法,通过反复的迭代学习过程使得机器人快速自整定最优系统参数,将整定的最优系统参数应用在输入整形技术中,实现机器人系统的振动抑制控制。迭代学习控制当中采用的控制律有P 型、PD型及PID型的控制律,和现有的驱动器中的PID参数中的三种增益参数可保持一致,本发明的方法可以内嵌入现有驱动器当中。本发明能够大幅降低振动的幅值和明显缩短振动整定时间,保留系统的动态特性,实现系统的快速无振响应,克服机器人系统参数的时变特性,系统能够自整定时变参数,方法简单,易于实现。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (3)
1.一种基于迭代学习控制和输入整形技术的联合抑制振动的方法,其特征在于,包括如下步骤:
步骤S1,选择给定的工业机器人系统的重复轨迹,并为所述工业机器人系统配备位移传感器,以重新调试整定系统参数;
步骤S2,将系统参数作用在已设定的输入整形器上,将该输入整形器与参考轨迹进行卷积计算,并将卷积计算结果作为所述工业机器人系统的输入,运行所述工业机器人系统得到系统输出结果;
所述输入整形器的表达式如下:
取二阶系统方程:
所述输入整形器作用在二阶系统上,使得系统响应为0,
其中,ωn是系统的固有频率,ξ是系统的阻尼比,
得出整形器的关键参数如下:
步骤S3,将所述系统输出结果和参考轨迹做差求得轨迹误差阈值,根据所述轨迹误差阈值判断是否迭代完毕;
步骤S4,将轨迹误差作为迭代学习控制中控制律的更新参数,并经过所述控制律更新系统参数;
步骤S5,重复步骤S2至步骤S4,直至满足预设的误差阈值,实现对所述工业机器人系统的振动抑制控制。
2.如权利要求1所述的基于迭代学习控制和输入整形技术的联合抑制振动的方法,其特征在于,在所述步骤S4中,所述控制律采用P型、PD型或PID型。
3.如权利要求2所述的基于迭代学习控制和输入整形技术的联合抑制振动的方法,其特征在于,在所述步骤S4中,采用P型控制律进行迭代控制学习,包括:
uk+1(t)=f(uk(t),ek(t))=uk(t)+P*ek(t)
ek(t)=|yd(t)-yk(t)|
其中,P为比例增益,yd(t)为期望轨迹,yk(t)为输出轨迹,uk(t)为学习控制律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810097823.9A CN108267959B (zh) | 2018-01-31 | 2018-01-31 | 基于迭代学习控制和输入整形技术的联合抑制振动的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810097823.9A CN108267959B (zh) | 2018-01-31 | 2018-01-31 | 基于迭代学习控制和输入整形技术的联合抑制振动的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108267959A CN108267959A (zh) | 2018-07-10 |
CN108267959B true CN108267959B (zh) | 2021-06-08 |
Family
ID=62777042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810097823.9A Active CN108267959B (zh) | 2018-01-31 | 2018-01-31 | 基于迭代学习控制和输入整形技术的联合抑制振动的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108267959B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799701B (zh) * | 2018-12-29 | 2022-04-29 | 南京埃斯顿机器人工程有限公司 | 一种工业机器人振动抑制方法 |
CN110221541B (zh) * | 2019-05-31 | 2022-11-29 | 固高科技股份有限公司 | 伺服系统中前馈控制器的前馈系数获取装置、方法 |
CN110632892B (zh) * | 2019-08-23 | 2022-10-18 | 深圳科瑞技术股份有限公司 | 适应运动系统轨迹误差的输入整形残余振动抑制方法及系统 |
CN113391547B (zh) * | 2021-06-29 | 2022-11-18 | 华南理工大学 | 一种多轴伺服系统振动抑制的后置自适应输入整形方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000047723A (ja) * | 1998-07-04 | 2000-02-18 | Samsung Electronics Co Ltd | デジタルコンボル―ションを用いた入力シェ―プフィルタリング方法及びその装置 |
CN1299506A (zh) * | 1998-03-05 | 2001-06-13 | 康约维公司 | 动态系统控制方法 |
CN102636993A (zh) * | 2012-04-19 | 2012-08-15 | 徐州工程学院 | 抑制机器人柔性臂末端颤动的方法 |
EP2624090A1 (de) * | 2012-02-03 | 2013-08-07 | Siemens Aktiengesellschaft | Verfahren zum Betrieb eines Antriebssteuerungssystems, Computerprogramm zur Implementation des Verfahrens und Computerprogramm-Produkt mit einem solchen Computerprogramm sowie Antriebssteuerungssystem |
JP5388956B2 (ja) * | 2009-12-22 | 2014-01-15 | 三菱電機株式会社 | 振動抑制方法 |
CN103885338A (zh) * | 2014-03-21 | 2014-06-25 | 北京工业大学 | 一种基于粒子群优化算法的输入整形器参数自整定控制方法 |
CN104199297A (zh) * | 2014-08-12 | 2014-12-10 | 清华大学深圳研究生院 | 一种引入挠性附件振动量的空间机器人关节轨迹规划方法 |
CN107433589A (zh) * | 2017-07-28 | 2017-12-05 | 珞石(山东)智能科技有限公司 | 基于加速度传感器的机器人振动抑制方法 |
-
2018
- 2018-01-31 CN CN201810097823.9A patent/CN108267959B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1299506A (zh) * | 1998-03-05 | 2001-06-13 | 康约维公司 | 动态系统控制方法 |
JP2000047723A (ja) * | 1998-07-04 | 2000-02-18 | Samsung Electronics Co Ltd | デジタルコンボル―ションを用いた入力シェ―プフィルタリング方法及びその装置 |
JP5388956B2 (ja) * | 2009-12-22 | 2014-01-15 | 三菱電機株式会社 | 振動抑制方法 |
EP2624090A1 (de) * | 2012-02-03 | 2013-08-07 | Siemens Aktiengesellschaft | Verfahren zum Betrieb eines Antriebssteuerungssystems, Computerprogramm zur Implementation des Verfahrens und Computerprogramm-Produkt mit einem solchen Computerprogramm sowie Antriebssteuerungssystem |
CN102636993A (zh) * | 2012-04-19 | 2012-08-15 | 徐州工程学院 | 抑制机器人柔性臂末端颤动的方法 |
CN103885338A (zh) * | 2014-03-21 | 2014-06-25 | 北京工业大学 | 一种基于粒子群优化算法的输入整形器参数自整定控制方法 |
CN104199297A (zh) * | 2014-08-12 | 2014-12-10 | 清华大学深圳研究生院 | 一种引入挠性附件振动量的空间机器人关节轨迹规划方法 |
CN107433589A (zh) * | 2017-07-28 | 2017-12-05 | 珞石(山东)智能科技有限公司 | 基于加速度传感器的机器人振动抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108267959A (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108267959B (zh) | 基于迭代学习控制和输入整形技术的联合抑制振动的方法 | |
CN107433589B (zh) | 基于加速度传感器的机器人振动抑制方法 | |
CN109465825B (zh) | 机械臂柔性关节的rbf神经网络自适应动态面控制方法 | |
CN108983606A (zh) | 一种机械臂系统的鲁棒滑模自适应控制方法 | |
CN104796111B (zh) | 一种用于动态迟滞系统建模与补偿的非线性自适应滤波器 | |
CN104950678B (zh) | 一种柔性机械臂系统的神经网络反演控制方法 | |
CN105772917B (zh) | 一种三关节点焊机器人轨迹跟踪控制方法 | |
Tagawa et al. | Inverse dynamics compensation via ‘simulation of feedback control systems' | |
CN101508112B (zh) | 三自由度搬运工业机器人多目标优化设计参数的获取方法 | |
CN106325072B (zh) | 一种直线伺服系统机械残余振动控制方法 | |
CN105607472A (zh) | 非线性二元机翼的自适应反演滑模控制方法及装置 | |
CN104229426B (zh) | 一种抑制柔性工业传送带振动的边界控制方法 | |
Barhaghtalab et al. | Dynamic analysis, simulation, and control of a 6-DOF IRB-120 robot manipulator using sliding mode control and boundary layer method | |
CN114047697B (zh) | 一种基于深度强化学习的四足机器人平衡倒立摆控制方法 | |
CN107577146A (zh) | 基于摩擦整体逼近的伺服系统的神经网络自适应控制方法 | |
CN113219825B (zh) | 一种四足机器人单腿轨迹跟踪控制方法及系统 | |
CN107511830B (zh) | 一种五自由度混联机器人控制器参数自适应调整实现方法 | |
CN116141337B (zh) | 柔性关节机械臂弹性体刚度的设计方法 | |
Deng et al. | Sparse online Gaussian process impedance learning for multi-DoF robotic arms | |
US9529341B2 (en) | Motion-control system for performing different tasks | |
Wang et al. | Repetitive Control Scheme of Robotic Manipulators Based on Improved B‐Spline Function | |
CN114839883A (zh) | 非线性欠驱动水下航行器定深抗干扰鲁棒l1控制方法 | |
CN110187637A (zh) | 在控制方向和期望轨迹不确定下的机器人系统控制方法 | |
Dang et al. | Accurate motion regeneration technique with robust control approach | |
Zain et al. | Active force control with input shaping technique for a suspension system |
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 | ||
CP03 | Change of name, title or address |
Address after: 272000, No. 888 Huarun Road, Zhongxin Electromechanical Industrial Park, Zhongdian Town, Zoucheng City, Jining City, Shandong Province Patentee after: Luoshi (Shandong) Robot Group Co.,Ltd. Country or region after: China Address before: No. b801-004, 8th floor, Xueyan complex building, Tsinghua University, Haidian District, Beijing 100084 Patentee before: ROKAE, Inc. Country or region before: China |
|
CP03 | Change of name, title or address |