CN108406779A - 一种基于未知输入观测器的机械臂运动控制方法 - Google Patents
一种基于未知输入观测器的机械臂运动控制方法 Download PDFInfo
- Publication number
- CN108406779A CN108406779A CN201810478932.5A CN201810478932A CN108406779A CN 108406779 A CN108406779 A CN 108406779A CN 201810478932 A CN201810478932 A CN 201810478932A CN 108406779 A CN108406779 A CN 108406779A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- formula
- unknown
- input observer
- unknown input
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013461 design Methods 0.000 claims abstract description 20
- 230000001133 acceleration Effects 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 10
- 238000009415 formwork Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005511 kinetic theory Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000012938 design process Methods 0.000 abstract description 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing 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
- B25J9/1607—Calculation of inertia, jacobian matrixes and inverses
-
- 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
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
Abstract
本发明公开了一种基于未知输入观测器的机械臂运动控制方法，首先引入滤波操作对机械臂系统动力学模型进行等价变换，避免加速度信号的测量；接着根据滤波优化后的动力学模型提出机械臂的未知输入观测器用于观测未知外部干扰；最后，将观测出的干扰值作为补偿量参与控制器设计，实现机械臂对指令信号的运动跟踪控制。本发明可以保证未知干扰的估计误差和系统追踪误差同时收敛，从而极大提高系统抵抗未知干扰的能力，增强系统的鲁棒性，并且避免了复杂的精确建模过程和对加速度信号的依赖，降低了计算量。同时，本发明所提方案设计过程简单，参数极易整定，具有十分客观的工程应用前景。
Description
技术领域
本发明涉及一种基于未知输入观测器的机械臂运动控制方法，属于机械臂系统控制技术领域。
背景技术
工业机器人是集机械、电子、控制、计算机、传感器、人工智能等多学科先进技术于一体的现代制造业重要的自动化装备，已经成为衡量一个国家制造业水平的重要标志。因为工业机器人的机械结构大多为机械臂的形式，所以研究机械臂的控制性能对提高机器人产业整体实力具有重要意义。在众多影响机械臂轨迹追踪性能的因素中，外部干扰、摩擦、系统建模不精确(统称为未知输入)等是最主要的因素之一。未知外部干扰的存在严重影响了闭环系统的控制性能和稳定性。因此，设计合适的控制方法来补偿未知干扰对机械臂系统的影响，对提高机械臂系统的控制性能具有十分重要的意义。
由于机械臂系统是一个典型的非线性多输入、多输出系统，因此，设计一个非线性的未知输入观测器对未知干扰进行精准估计，并用于实现机械臂的精确控制是本申请所提方案需要解决的问题和核心所在。传统的干扰补偿控制方案都是基于线性理论或者神经网络等自适应技术提出，且一般需要机械臂加速度信号可测，因此在实际应用中效果不是十分显著。
发明内容
本发明提供了一种基于未知输入观测器的机械臂运动控制方法，该控制策略通过将滤波变换引入观测器设计，进而建立一类简单、有效的未知动态观测器实现集总误差的观测，最后将观测值引入控制器设计为未知动态的影响进行补偿，实现了机械臂高精度、强鲁棒性的控制。
本发明的技术方案是：一种基于未知输入观测器的机械臂运动控制方法，首先引入滤波操作对机械臂系统动力学模型进行等价变换，避免加速度信号的测量；接着根据滤波优化后的动力学模型提出机械臂的未知输入观测器用于观测未知外部干扰；最后，将观测出的干扰值作为补偿量参与控制器设计，实现机械臂对指令信号的运动跟踪控制。
所述方法具体步骤如下：
所述方法具体步骤如下：
Step1、建立n自由度机械臂系统动力学模型：根据n自由度机械臂动力学理论，利用欧拉-拉格朗日公式，可知n自由度机械臂系统动力学模型：
其中，分别为机械臂各关节的位置、速度、加速度；τ∈Rn为控制器的控制力矩；d表示未知干扰；M(q)∈Rn×n是惯性矩阵，代表科里奥利矩阵，G(q)∈Rn表示重力向量；Rn表示n维实数空间，Rn×n表示n×n维实数空间；
Step2、机械臂系统动力学模型进行等价变换：
Step2.1、首先定义辅助向量为：
用公式(2)中两个辅助向量表示系统动力学模型，公式(1)改写为：
其中，为数值变量，表示惯性矩阵M(q)对时间的一阶导数；
Step2.2、对公式(3)等号两边进行滤波操作则公式(3)变为：
其中，s为拉普拉斯算子，τf∈Rn和df∈Rn分别为τ和d经过滤波后的形式，定义为：
其中，k>0为滤波系数；
根据公式(5)的第一行得到：
将公式(6)代入公式(4)中，则得到变换后的机械臂系统动力学模型：
Step3、针对变换后的机械臂系统动力学模型，设计机械臂的未知输入观测器，可得到未知外部干扰d的观测值为：
其中，表示对于系统未知外部干扰d的观测值；
Step4、将公式(8)中观测出的作为补偿量参与控制器设计，设计基于未知输入观测器的机械臂控制器，过程如下：
Step4.1、定义追踪误差e(t)为：
e(t)＝q-qd (9)
其中，qd代表机械臂关节位置的理想值；
Step4.2、定义控制误差S为：
其中，λ为滑模系数，为e(t)对时间的导数；
Step4.3、结合公式(1)、(9)和(10)，设计基于未知输入观测器的机械臂控制力矩表达式为：
其中，K′为一个对角正定矩阵；为qd对时间的一阶导数；为qd对时间的二阶导数。
本发明的有益效果是：本发明可以保证未知干扰的估计误差和系统追踪误差同时收敛，从而极大提高系统抵抗未知干扰的能力，增强系统的鲁棒性，并且避免了复杂的精确建模过程和对加速度信号的依赖，降低了计算量。同时，本发明所提方案设计过程简单，参数极易整定，具有十分客观的工程应用前景。
附图说明
图1为本发明的控制系统框图；
图2为二自由度平面旋转关节机械臂的模型示意图；
图3为1号关节的干扰观测表现；
图4为2号关节的干扰观测表现；
图5为未知干扰观测误差；
图6为1号关节的位置追踪性能比较；
图7为2号关节的位置追踪性能比较；
图8为位置追踪误差比较；
图9为速度追踪误差比较。
具体实施方式
实施例1：如图1-9所示，一种基于未知输入观测器的机械臂运动控制方法，首先引入滤波操作对机械臂系统动力学模型进行等价变换，避免加速度信号的测量；接着根据滤波优化后的动力学模型提出机械臂的未知输入观测器用于观测未知外部干扰；最后，将观测出的干扰值作为补偿量参与控制器设计，实现机械臂对指令信号的运动跟踪控制。
进一步地，可以设置所述方法具体步骤如下：
步骤1、建立n自由度机械臂系统动力学模型：根据n自由度机械臂动力学理论，利用欧拉-拉格朗日公式，可知n自由度机械臂系统动力学模型：
其中，分别为机械臂各关节的位置、速度、加速度；M(q)∈Rn×n是惯性矩阵，表示为 代表科里奥利矩阵，表示为G(q)∈Rn为重力向量，在这里G＝0，机械臂两个连杆的长度相同，为l1＝l2＝0.25m，各部分的质量分别为m1＝3.83kg，m2＝5.00kg，m3＝2.63kg，m4＝1.22kg，并且 c2和s2分别为三角函数cos(q2)和sin(q2)的缩写；为控制器的控制力矩，d表示未知干扰信号。在该仿真中，建立未知干扰模型为：
其中决定了干扰d的倾斜程度；f表示包含库伦摩擦和粘滞摩擦的总摩擦力矩，定义为：
其中ζ＝[0.541,0.876]'和ψ＝[0.0676,0.088]'分别表示正常数向量。
公式(2)中的T被设计为：
步骤2、为了避免使用加速度信号，需要对机械臂系统模型进行等价变换，过程如下：
2.1、首先定义辅助向量为：
用公式(2)中两个辅助向量表示系统动力学模型，(1)可以改写为：
其中，为数值变量，表示惯性矩阵M(q)对时间的一阶导数。
2.2、对公式(6)等号的两边进行滤波操作(s为拉普拉斯算子)，则公式(6)变为：
其中，τf∈Rn和df∈Rn分别为τ和d经过滤波后的形式，定义为：
其中，k＝0.01为滤波系数。
根据公式(8)的第一行可以得到：
将公式(9)代入公式(7)中，则得到优化后的系统动力学模型：
步骤3、针对变换后的机械臂模型，设计机械臂的未知输入观测器(Unknown InputObserver，UIO)，以此实现对未知干扰d的估计，并得到系统未知外部干扰d的观测值
根据公式(10)，设计机械臂的UIO为，估计的未知干扰的表达式如下：
公式(11)中，表示对于系统未知外部干扰d的观测值。
步骤4、将公式(11)中观测出的系统未知外部干扰观测值作为补偿量参与控制器设计，设计基于UIO的机械臂控制器，过程如下：
4.1，定义追踪误差e(t)为：
e(t)＝q-qd (12)
其中，qd＝[sin(t),2cos(0.5t)]T代表机械臂关节位置的理想值。
4.2，定义控制误差为：
其中，λ为滑模系数(选择为单位矩阵)，为e(t)对时间的导数。
4.3，结合公式(1)、(12)和(13)，设计基于UIO的机械臂控制力矩表达式为：
其中，K＝diag([5,5])为一个对角正定矩阵，为指令信号qd对时间的一阶导数；为指令信号qd对时间的二阶导数。
步骤5、通过步骤2-步骤4，在未知干扰存在的情况下，引入滤波操作实现机械臂系统模型等价变换，提出了一类只需整定一个参数(滤波系数k)的简单、有效的外部干扰观测方法，避免加速度的测量和精准系统建模过程，减小了计算量。将观测的干扰值引入控制器设计，实现了机械臂对给定指令信号的对高精度、强鲁棒性的运动跟踪控制。
为验证所提方法的有效性，本发明实施例对公式(11)所示的未知输入观测器和公式(14)所示基于UIO的控制器进行了仿真。系统的初始状态为仿真中的指令信号qd＝[sin(t),2cos(0.5t)]'。
图3-图9是对含有未知干扰的非线性机械臂系统实施本发明所提基于UIO估计干扰补偿控制方法的仿真验证图。图3和图4分别表示两个关节未知干扰估计表现，从图中可以看出，被估计的未知干扰值能够较完美的跟踪真实值。图5表示两个关节的未知干扰估计误差，从图中可以看出，估计误差在极短时间内收敛，最大估计误差不超过0.03。图6和图7分别比较了无UIO作用下和有UIO作用下两个关节的位置追踪性能，从图中可以看出，相比于无UIO的纯PD控制，基于UIO的机械臂控制力矩表达式(14)可以保证机械臂各关节位置q有效地追踪上设定的机械臂关机未知的理想值qd。图8和图9则分别比较了无UIO作用下和有UIO作用下了两个关节位置和速度追踪误差性能比较，从图中可以看出，相比于无UIO的纯PD控制，基于UIO的控制方法可以保证位置误差和速度误差收敛于零。
上面结合图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种基于未知输入观测器的机械臂运动控制方法，其特征在于：首先引入滤波操作对机械臂系统动力学模型进行等价变换，避免加速度信号的测量；接着根据滤波优化后的动力学模型提出机械臂的未知输入观测器用于观测未知外部干扰；最后，将观测出的干扰值作为补偿量参与控制器设计，实现机械臂对指令信号的运动跟踪控制。
2.根据权利要求1所述的基于未知输入观测器的机械臂运动控制方法，其特征在于：所述方法具体步骤如下：
Step1、建立n自由度机械臂系统动力学模型：根据n自由度机械臂动力学理论，利用欧拉-拉格朗日公式，可知n自由度机械臂系统动力学模型：
其中，q,分别为机械臂各关节的位置、速度、加速度；τ∈Rn为控制器的控制力矩；d表示未知干扰；M(q)∈Rn×n是惯性矩阵，代表科里奥利矩阵，G(q)∈Rn表示重力向量；Rn表示n维实数空间，Rn×n表示n×n维实数空间；
Step2、机械臂系统动力学模型进行等价变换：
Step2.1、首先定义辅助向量为：
用公式(2)中两个辅助向量表示系统动力学模型，公式(1)改写为：
其中，为数值变量，表示惯性矩阵M(q)对时间的一阶导数；
Step2.2、对公式(3)等号两边进行滤波操作k＞0，则公式(3)变为：
其中，s为拉普拉斯算子，τf∈Rn和df∈Rn分别为τ和d经过滤波后的形式，定义为：
其中，k>0为滤波系数；
根据公式(5)的第一行得到：
将公式(6)代入公式(4)中，则得到变换后的机械臂系统动力学模型：
Step3、针对变换后的机械臂系统动力学模型，设计机械臂的未知输入观测器，可得到未知外部干扰d的观测值为：
其中，表示对于系统未知外部干扰d的观测值；
Step4、将公式(8)中观测出的作为补偿量参与控制器设计，设计基于未知输入观测器的机械臂控制器，过程如下：
Step4.1、定义追踪误差e(t)为：
e(t)＝q-qd(9)
其中，qd代表机械臂关节位置的理想值；
Step4.2、定义控制误差S为：
其中，λ为滑模系数，为e(t)对时间的导数；
Step4.3、结合公式(1)、(9)和(10)，设计基于未知输入观测器的机械臂控制力矩表达式为：
其中，K′为一个对角正定矩阵；为qd对时间的一阶导数；为qd对时间的二阶导数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810478932.5A CN108406779A (zh) | 2018-05-18 | 2018-05-18 | 一种基于未知输入观测器的机械臂运动控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810478932.5A CN108406779A (zh) | 2018-05-18 | 2018-05-18 | 一种基于未知输入观测器的机械臂运动控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108406779A true CN108406779A (zh) | 2018-08-17 |
Family
ID=63140050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810478932.5A Pending CN108406779A (zh) | 2018-05-18 | 2018-05-18 | 一种基于未知输入观测器的机械臂运动控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108406779A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108638072A (zh) * | 2018-05-25 | 2018-10-12 | 珞石（山东）智能科技有限公司 | 用于工业机器人的高精度控制装置及方法 |
| CN111070201A (zh) * | 2019-08-30 | 2020-04-28 | 南京理工大学 | 四足机器人在负载突变下基于zmp理论的反应式鲁棒控制方法 |
| CN111319036A (zh) * | 2018-12-15 | 2020-06-23 | 天津大学青岛海洋技术研究院 | 基于自适应算法的移动机械臂位置/力自抗扰控制方法 |
| CN112720482A (zh) * | 2020-12-22 | 2021-04-30 | 上海新时达机器人有限公司 | 一种工业机器人运动控制方法 |
| CN113183154A (zh) * | 2021-05-10 | 2021-07-30 | 浙江工业大学 | 一种柔性关节机械臂的自适应反演控制方法 |
| CN114675546A (zh) * | 2022-05-26 | 2022-06-28 | 天津赛象科技股份有限公司 | 用于机械臂运动控制的非线性自适应控制方法及系统 |
| CN117325176A (zh) * | 2023-11-02 | 2024-01-02 | 北京长木谷医疗科技股份有限公司 | 一种机械臂量化滑模控制方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591207A (zh) * | 2012-03-01 | 2012-07-18 | 北京航空航天大学 | 一种基于干扰观测器的柔性关节机械臂的滑模控制方法 |
| CN105159084A (zh) * | 2015-09-06 | 2015-12-16 | 台州学院 | 一种带干扰观测器的机械手神经网络控制系统及方法 |
| CN106493735A (zh) * | 2016-12-09 | 2017-03-15 | 西北工业大学 | 存在外界扰动的柔性机械臂扰动观测控制方法 |
| 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 |
| CN107045557A (zh) * | 2016-11-01 | 2017-08-15 | 长春工业大学 | 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 |
| CN107662208A (zh) * | 2017-08-24 | 2018-02-06 | 浙江工业大学 | 一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法 |
-
2018
- 2018-05-18 CN CN201810478932.5A patent/CN108406779A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591207A (zh) * | 2012-03-01 | 2012-07-18 | 北京航空航天大学 | 一种基于干扰观测器的柔性关节机械臂的滑模控制方法 |
| CN105159084A (zh) * | 2015-09-06 | 2015-12-16 | 台州学院 | 一种带干扰观测器的机械手神经网络控制系统及方法 |
| CN107045557A (zh) * | 2016-11-01 | 2017-08-15 | 长春工业大学 | 面向约束的可重构机械臂非奇异终端滑模力位置控制方法 |
| CN106493735A (zh) * | 2016-12-09 | 2017-03-15 | 西北工业大学 | 存在外界扰动的柔性机械臂扰动观测控制方法 |
| 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 |
| CN107662208A (zh) * | 2017-08-24 | 2018-02-06 | 浙江工业大学 | 一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 景包睿: "二自由度机械臂建模与控制研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108638072A (zh) * | 2018-05-25 | 2018-10-12 | 珞石（山东）智能科技有限公司 | 用于工业机器人的高精度控制装置及方法 |
| CN108638072B (zh) * | 2018-05-25 | 2021-07-30 | 珞石（山东）智能科技有限公司 | 用于工业机器人的高精度控制装置及方法 |
| CN111319036A (zh) * | 2018-12-15 | 2020-06-23 | 天津大学青岛海洋技术研究院 | 基于自适应算法的移动机械臂位置/力自抗扰控制方法 |
| CN111319036B (zh) * | 2018-12-15 | 2023-03-14 | 天津大学青岛海洋技术研究院 | 基于自适应算法的移动机械臂位置/力自抗扰控制方法 |
| CN111070201A (zh) * | 2019-08-30 | 2020-04-28 | 南京理工大学 | 四足机器人在负载突变下基于zmp理论的反应式鲁棒控制方法 |
| CN111070201B (zh) * | 2019-08-30 | 2022-09-16 | 南京理工大学 | 四足机器人在负载突变下基于zmp理论的反应式鲁棒控制方法 |
| CN112720482A (zh) * | 2020-12-22 | 2021-04-30 | 上海新时达机器人有限公司 | 一种工业机器人运动控制方法 |
| CN113183154A (zh) * | 2021-05-10 | 2021-07-30 | 浙江工业大学 | 一种柔性关节机械臂的自适应反演控制方法 |
| CN114675546A (zh) * | 2022-05-26 | 2022-06-28 | 天津赛象科技股份有限公司 | 用于机械臂运动控制的非线性自适应控制方法及系统 |
| CN117325176A (zh) * | 2023-11-02 | 2024-01-02 | 北京长木谷医疗科技股份有限公司 | 一种机械臂量化滑模控制方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108406779A (zh) | 一种基于未知输入观测器的机械臂运动控制方法 | |
| CN109465825A (zh) | 机械臂柔性关节的rbf神经网络自适应动态面控制方法 | |
| CN108673502A (zh) | 一种基于未知模型动态观测器的机械臂运动控制方法 | |
| CN106406085B (zh) | 基于跨尺度模型的空间机械臂轨迹跟踪控制方法 | |
| Mao et al. | Design and implementation of continuous finite-time sliding mode control for 2-DOF inertially stabilized platform subject to multiple disturbances | |
| CN104950678B (zh) | 一种柔性机械臂系统的神经网络反演控制方法 | |
| CN105159084B (zh) | 一种带干扰观测器的机械手神经网络控制系统及方法 | |
| CN103324087B (zh) | 基于神经网络的微陀螺仪的自适应反演控制系统及方法 | |
| CN108942924A (zh) | 基于多层神经网络的模型不确定性机械臂运动控制方法 | |
| CN106959610B (zh) | 桥式吊车系统apd-smc控制器、桥式吊车系统及控制方法 | |
| CN102566417B (zh) | 一种柔性关节机械臂的动态面控制方法 | |
| CN105912009B (zh) | 基于极点配置和模糊自抗扰控制技术的四旋翼飞行器控制方法 | |
| CN104614984B (zh) | 一种电机位置伺服系统的高精度控制方法 | |
| CN110154028A (zh) | 机械臂无模型自适应积分终端滑模控制方法 | |
| CN102540882B (zh) | 一种基于最小参数学习法的飞行器航迹倾角控制方法 | |
| CN110376882A (zh) | 基于有限时间扩张状态观测器的预定性能控制方法 | |
| CN108897226A (zh) | 基于干扰观测器的mems陀螺仪预设性能非奇异滑模控制方法 | |
| CN107607102B (zh) | 基于干扰观测器的mems陀螺滑模抖振抑制方法 | |
| CN110421569A (zh) | 一种基于有限时间扰动观测器的反演滑模机械臂控制器设计方法 | |
| CN105182745B (zh) | 一种带有死区补偿的机械臂伺服系统神经网络全阶滑模控制方法 | |
| CN108599649A (zh) | Pmsm位置伺服系统高阶对象控制器设计及参数确定方法 | |
| CN107607101A (zh) | 基于干扰观测器的mems陀螺滑模控制方法 | |
| CN103529858A (zh) | 位置闭环系统最小幅相差跟踪法 | |
| CN107505841A (zh) | 一种基于干扰估计器的机械臂姿态鲁棒控制方法 | |
| CN108762083A (zh) | 一种基于加速度观测器的自动控制系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180817 |
|
| RJ01 | Rejection of invention patent application after publication |