CN108469734A - 考虑状态约束的电机伺服系统自抗扰控制方法 - Google Patents
考虑状态约束的电机伺服系统自抗扰控制方法 Download PDFInfo
- Publication number
- CN108469734A CN108469734A CN201810256221.3A CN201810256221A CN108469734A CN 108469734 A CN108469734 A CN 108469734A CN 201810256221 A CN201810256221 A CN 201810256221A CN 108469734 A CN108469734 A CN 108469734A
- Authority
- CN
- China
- Prior art keywords
- formula
- state
- servo system
- motor servo
- motor
- 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
本发明提供了一种考虑状态约束的电机伺服系统自抗扰控制方法,包括以下步骤:步骤1,建立电机位置伺服系统模型;步骤2,设计考虑状态约束的电机伺服系统自抗扰控制器;步骤3,调节考虑状态约束的电机伺服系统自抗扰控制律的参数使系统满足控制性能指标。
Description
技术领域
本发明涉及一种控制方法,特别是一种考虑状态约束的电机伺服系统自抗扰控制方法。
背景技术
因为在工业中的广泛应用,随着现代工业的发展,电机系统的高性能控制已经面临较大的市场需求。然而,为伺服系统设计高性能的控制器并不容易,由于工作状况变动、外部干扰以及建模误差的缘故,实际工业过程的精确模型很难得到,而系统的各种故障也将导致模型的不确定性,也就是说模型的不确定性在控制系统中广泛存在。这些不确定性因素可能会严重恶化能够取得的控制性能,从而导致低控制精度,极限环震荡,甚至不稳定性。对于已知的非线性,可以通过反馈线性化技术处理。但是,无论动态非线性识别的如何准确的数学模型,都不可能得到实际非线性系统的整个非线性行为,进而进行完美的补偿。始终存在着不能够用明确的函数来模拟的未建模非线性。
为了降低系统不确定性对控制性能的影响,很多研究人员设计了鲁棒控制器,通过增大反馈增益抑制系统不确定性的影响,提高系统控制精度。然而,这样就很有可能产生高反馈增益。为了降低系统反馈增益,一些研究人员设计了滑模变结构控制、鲁棒自适应控制、自适应鲁棒以及基于干扰估计补偿的控制策略。然而,所有这些方法都是基于对设计控制器的全状态反馈,也就是说,在运动控制中,设计者不仅需要知道信号的位置,还要知道速度和/或加速度信号。然而,在许多实际系统中,由于机械结构、尺寸、重量和成本等因素的限制,往往只有位置信息是已知的。此外,即使速度和加速度信号可以得到,也有严重的测量噪声,这可能严重恶化可实现的全状态反馈控制器的性能。这些问题导致PID控制在机电控制领域仍处于主导地位。然而,在现代工业的新要求下,PID控制越来越难以满足高性能要求。因此,迫切需要设计非线性输出反馈控制策略。此外,系统的状态约束问题也没有得到考虑,而事实上,许多实际系统受到的约束的影响。
发明内容
本发明的目的在于提供一种考虑状态约束的电机伺服系统自抗扰控制方法,以解决电机位置伺服系统中不确定性和状态约束问题。
实现本发明目的的技术方案为:一种考虑状态约束的电机伺服系统自抗扰控制方法,包括以下步骤:
步骤1,建立电机位置伺服系统模型;
步骤2,设计考虑状态约束的电机伺服系统自抗扰控制器
步骤3,调节考虑状态约束的电机伺服系统自抗扰控制律的参数使系统满足控制性能指标。
采用上述方法,步骤1的具体过程在于:
步骤1.1,建立电机惯性负载的动力学模型方程为:
式中,y表示角位移,m表示惯性负载,kf表示扭矩常数,u是系统控制输入,b代表粘性摩擦系数,f代表其他未建模干扰;
步骤1.2,定义状态变量则整个电机位置伺服系统可写成如下状态空间形式:
式中,x=[x1,x2]T表示位置和速度的状态向量;
步骤1.3,定义未知参数集θ=[θ1,θ2,]T,其中θ1=kf/m,θ2=b/m,
表示集中干扰;定义以下假设,且假设总是成立:
假设1:结构不确定性θ满足:
θ∈Ωθ{θ:θmin≤θ≤θmax} (3)
式中,θmin=[θ1min,θ2min]T和θmax=[θ1max,θ2max]T,θ1min和θ1max已知且分别表示θ1的最小值和最大值,θ2min和θ2max表示θ2的最小值和最大值,θ1min>0,θ2min>0;
假设2:d(x,t)是足够光滑的,即
式中,δ1、δ2为已知常数。
采用上述方法,步骤2的具体过程在于:
步骤2.1,根据公式(2)构建电机系统的扩张状态观测器;
步骤2.2,设计考虑状态约束的电机伺服系统自抗扰控制器;
步骤2.3,验证系统稳定性。
采用上述方法,步骤2.1的具体过程在于:
步骤2.1.1,把公式(2)重新写成如下形式:
式中,D(x,t)=-d(x,t)+(θ1-θ1n)u-(θ2-θ2n)x2,θ1n和θ2n分别为θ1和θ2的名义值;
步骤2.1.2,扩张状态x3=D(x,t),令h(t)为x3的时间导数,得
步骤2.1.3,由公式(6)设计扩张状态观测器,如下式
式中,为xi的估计值,i=1,2,3;ω>0为扩张状态观测器的参数;
步骤2.1.4,令则观测器的估计误差动态为
步骤2.1.5,定义那么
式中:ε=[ε1,ε2,ε3]T,B1=[0,0,1]T;由于矩阵A是赫尔维茨的,则存在一个正定对称的矩阵P满足下式
ATP+PA=-2I (10)
式中,矩阵I为单位矩阵。
采用上述方法,步骤2.2的具体过程在于:
步骤2.2.1,定义z1=x1-x1d,z2=x2-α1,α1为虚拟控制律,定义障碍李雅普诺夫函数
式中:b1>0,L1>0为常数;
步骤2.2.2,获取V1的时间导数
步骤2.2.3,设计虚拟控制律α1
式中,k1>0为反馈增益。
步骤2.2.4,把式(13)代入式(12),可得
步骤2.2.5,定义障碍李雅普诺夫函数
式中,b2>0,L2>0为常数。
步骤2.2.6,获取V2的时间导数为
由公式(13)可得
步骤2.2.7,基于扩张状态观测器的干扰估计,设计控制输入u如下:
式中,ua为模型补偿项,us为鲁棒项,k2>0为反馈增益;
步骤2.2.8,把式(16)代入式(15)得
采用上述方法,步骤2.3的具体过程在于:
定义定理1:如果初始状态满足z(0)∈Ωz0:={z(0)∈R3:|z2(0)|<L2,|z3(0)|<L3},选择合适的参数,则设计的控制器(18)具有以下性质:(1)能够保证系统的稳定,所有信号有界;(2)系统的状态得到了约束;
证明:定义李雅普诺夫函数
对Va求偏导,代入式(9),可得
把式(19)代入上式,可得
因为
那么
式中,λmax(●)为矩阵●的最大特征值;
由式(24)可得
由式(25)可知Va(t)是有界不增的函数,因此V1(t)和V2(t)也是有界的,且|z2(t)|<L2,|z3(t)|<L3;由此推导出
由(26)得
由x1=z1+x1d(t)可知,|x1|≤L1+|x1d(t)|max,由式(13)可知α1是有界的;又由|x2|≤|α1|+|z2|和|z2|≤L2可知x2和α2是有界的;u也是有界的;据此证明闭环系统中所有信号均有界,系统的状态得到了约束。
本发明与现有技术相比,具有以下优点:(1)本发明设计的考虑状态约束的电机伺服系统自抗扰控制器,对系统状态以及未建模干扰进行估计,能有效解决电机伺服系统不确定非线性问题和降低系统测量噪声对系统的影响;(2)本发明基于障碍李雅普诺夫函数设计了约束控制器,最终通过证明说明了系统总体的稳定性;(3)本发明简化了控制器设计,仿真结果表明了其有效性。
下面结合说明书附图对本发明作进一步描述。
附图说明
图1是电机执行装置示意图。
图2是系统控制策略图。
图3是干扰估计和干扰估计误差曲线示意图。
图4是状态x1估计及其估计误差曲线示意图。
图5是两种控制器的输出状态示意图。
图6是干扰作用下设计控制器的输入电压u曲线示意图。
图7是期望指令及两种控制器的跟踪误差示意图。
图8是本发明方法流程示意图。
具体实施方式
结合图8,一种考虑状态约束的电机伺服系统自抗扰控制方法,其特征在于,包括以下步骤:
步骤1,建立电机位置伺服系统模型;
步骤2,设计考虑状态约束的电机伺服系统自抗扰控制器
步骤3,调节考虑状态约束的电机伺服系统自抗扰控制律的参数使系统满足控制性能指标。
结合图1、图2,步骤一、建立电机位置伺服系统模型,根据牛顿第二定律,电机惯性负载的动力学模型方程为:
式中:y表示角位移,m表示惯性负载,kf表示扭矩常数,u是系统控制输入,b代表粘性摩擦系数,f代表其他未建模干扰,比如非线性摩擦,外部干扰以及未建模动态。
定义状态变量那么整个系统可以写成如下状态空间形式:
式中:x=[x1,x2]T表示位置和速度的状态向量。定义未知参数集θ=[θ1,θ2,]T,其中θ1=kf/m,θ2=b/m,表示集中干扰。一般情况下,虽然我们不知道系统的具体信息,但系统的大致信息是可以知道的。此外,系统还有非结构不确定性d(x,t),显然它不能明确建模的,但系统的未建模动态和干扰总是有界的。因而,以下假设总是成立的:
假设1:结构不确定性θ满足:
θ∈Ωθ{θ:θmin≤θ≤θmax} (3)
式中:θmin=[θ1min,θ2min]T和θmax=[θ1max,θ2max]T,θ1min和θ1max分别表示θ1的最小值和最大值,θ2min和θ2max表示θ2的最小值和最大值,它们都是已知的,此外θ1min>0,θ2min>0。
假设2:d(x,t)是足够光滑的,即
式中:δ1,δ2为已知常数。
步骤2,设计考虑状态约束的电机伺服系统自抗扰控制器的具体步骤如下:
步骤2.1根据公式(2)构建电机系统的扩张状态观测器。
首先,把公式(2)重新写成如下形式:
式中:D(x,t)=-d(x,t)+(θ1-θ1n)u-(θ2-θ2n)x2,θ1n和θ2n分别为θ1和θ2的名义值。
使用扩张状态观测器(ESO)来估计系统的不确定性和未知状态。首先,扩张状态x3=D(x,t),令h(t)为x3的时间导数,则可得
由公式(6)可以设计扩张状态观测器,如下:
式中:为xi的估计值,i=1,2,3;ω>0为扩张状态观测器的参数。令则观测器的估计误差动态为
定义那么
式中:ε=[ε1,ε2,ε3]T,B1=[0,0,1]T。由于矩阵A是赫尔维茨的,则存在一个正定对称的矩阵P满足下式
ATP+PA=-2I (10)
式中:矩阵I为单位矩阵。
步骤2.2,设计考虑状态约束的电机伺服系统自抗扰控制器如下:
定义z1=x1-x1d,z2=x2-α1,α1为虚拟控制律。定义障碍李雅普诺夫函数
式中:b1>0,L1>0为常数。
V1的时间导数为
则虚拟控制律α1设计为
式中:k1>0为反馈增益。
把式(13)代入式(12),可得
定义障碍李雅普诺夫函数
式中:b2>0,L2>0为常数。
V2的时间导数为
由公式(13)可得
基于扩张状态观测器的干扰估计,可设计控制输入u如下:
式中:ua为模型补偿项,us为鲁棒项,k2>0为反馈增益。
把式(16)代入式(15),可得
步骤2.3验证系统稳定性:
定理1:如果初始状态满足z(0)∈Ωz0:={z(0)∈R3:|z2(0)|<L2,|z3(0)|<L3},选择合适的参数,则设计的控制器(18)具有以下性质:(1)能够保证系统的稳定,所有信号有界;(2)系统的状态得到了约束。
证明:定义李雅普诺夫函数
对Va求偏导,代入式(9),可得
把式(19)代入上式,可得
因为
那么
式中:λmax(●)为矩阵●的最大特征值。
由式(24)可得
由式(25)可知Va(t)是有界不增的函数。因此,V1(t)和V2(t)也是有界的,可确保|z2(t)|<L2,|z3(t)|<L3。由此可推导出
由(26)可得
由x1=z1+x1d(t)可知,|x1|≤L1+|x1d(t)|max,由式(13)可知α1是有界的。又由|x2|≤|α1|+|z2|和|z2|≤L2可知x2和α2是有界的。同样的,u也是有界的。据此可轻易证明闭环系统中所有信号均有界,系统的状态得到了约束。
因此控制器是收敛的,系统是稳定的。
实施例:
系统初始状态为x1(0)=1,x2(0)=0,在仿真中本文设计控制器取如下参数对系统进行建模:m=0.01,kg m2,kf=5,b=1.25N·s/m,θ1n=400,θ2n=80,k1=70,k2=0.001,b1=2,b2=0.01,L1=2,L2=200,ω=800。PID控制器参数为kp=110,ki=70,kd=0.3。位置角度输入信号yd(t)=2sin(πt)[1-exp(-0.01t3)]rad,d(x,t)=100sin(2πt)N·m。
控制律作用效果:
图3是干扰估计和干扰估计误差曲线。
图4是状态x1估计及其估计误差曲线。
图5是两种控制器的输出状态。
图6是干扰作用下设计控制器的输入电压u曲线,控制器输入电压满足-10V~+10V的输入范围,符合实际应用。
图7是期望指令及两种控制器的跟踪误差。
由上图可知,本发明提出的算法在仿真环境下能够准确的估计出干扰值和系统状态,相比于传统PID控制,本发明设计的控制器能够极大的提高存在大干扰情况下系统的控制精度,并具有更好的状态约束性能。研究结果表明在不确定非线性影响下,本文提出的方法能够满足性能指标。
Claims (7)
1.一种考虑状态约束的电机伺服系统自抗扰控制方法,其特征在于,包括以下步骤:
步骤1,建立电机位置伺服系统模型;
步骤2,设计考虑状态约束的电机伺服系统自抗扰控制器;
步骤3,调节考虑状态约束的电机伺服系统自抗扰控制律的参数使系统满足控制性能指标。
2.根据权利要求1所述的方法,其特征在于,步骤1的具体过程在于:
步骤1.1,建立电机惯性负载的动力学模型方程为:
式中,y表示角位移,m表示惯性负载,kf表示扭矩常数,u是系统控制输入,b代表粘性摩擦系数,f代表其他未建模干扰;
步骤1.2,定义状态变量则整个电机位置伺服系统可写成如下状态空间形式:
式中,x=[x1,x2]T表示位置和速度的状态向量;
步骤1.3,定义未知参数集θ=[θ1,θ2,]T,其中θ1=kf/m,θ2=b/m,表示集中干扰;定义以下假设,且假设总是成立:
假设1:结构不确定性θ满足:
θ∈Ωθ{θ:θmin≤θ≤θmax} (3)
式中,θmin=[θ1min,θ2min]T和θmax=[θ1max,θ2max]T,θ1min和θ1max已知且分别表示θ1的最小值和最大值,θ2min和θ2max表示θ2的最小值和最大值,θ1min>0,θ2min>0;
假设2:d(x,t)是足够光滑的,即
式中,δ1、δ2为已知常数。
3.根据权利要求2所述的方法,其特征在于,步骤2的具体过程在于:
步骤2.1,根据公式(2)构建电机系统的扩张状态观测器;
步骤2.2,设计考虑状态约束的电机伺服系统自抗扰控制器;
步骤2.3,验证系统稳定性。
4.根据权利要求3所述的方法,其特征在于,步骤2.1的具体过程在于:
步骤2.1.1,把公式(2)重新写成如下形式:
式中,D(x,t)=-d(x,t)+(θ1-θ1n)u-(θ2-θ2n)x2,θ1n和θ2n分别为θ1和θ2的名义值;
步骤2.1.2,扩张状态x3=D(x,t),令h(t)为x3的时间导数,得
步骤2.1.3,由公式(6)设计扩张状态观测器,如下式
式中,为xi的估计值,i=1,2,3;ω>0为扩张状态观测器的参数;
步骤2.1.4,令则观测器的估计误差动态为
步骤2.1.5,定义那么
式中:ε=[ε1,ε2,ε3]T,B1=[0,0,1]T;由于矩阵A是赫尔维茨的,则存在一个正定对称的矩阵P满足下式
ATP+PA=-2I (10)
式中,矩阵I为单位矩阵。
5.根据权利要求4所述的方法,其特征在于,步骤2.2的具体过程在于:
步骤2.2.1,定义z1=x1-x1d,z2=x2-α1,α1为虚拟控制律,定义障碍李雅普诺夫函数
式中:b1>0,L1>0为常数;
步骤2.2.2,获取V1的时间导数
步骤2.2.3,设计虚拟控制律α1
式中,k1>0为反馈增益。
步骤2.2.4,把式(13)代入式(12),可得
步骤2.2.5,定义障碍李雅普诺夫函数
式中,b2>0,L2>0为常数。
步骤2.2.6,获取V2的时间导数为
由公式(13)可得
步骤2.2.7,基于扩张状态观测器的干扰估计,设计控制输入u如下:
式中,ua为模型补偿项,us为鲁棒项,k2>0为反馈增益;
步骤2.2.8,把式(16)代入式(15)得
6.根据权利要求5所述的方法,其特征在于,步骤2.3的具体过程在于:
定义定理1:如果初始状态满足z(0)∈Ωz0:={z(0)∈R3:|z2(0)|<L2,|z3(0)|<L3},选择合适的参数,则设计的控制器(18)具有以下性质:(1)能够保证系统的稳定,所有信号有界;(2)系统的状态得到了约束;
证明:定义李雅普诺夫函数
对Va求偏导,代入式(9),可得
把式(19)代入上式,可得
因为
那么
式中,λmax(●)为矩阵●的最大特征值;
由式(24)可得
由式(25)可知Va(t)是有界不增的函数,因此V1(t)和V2(t)也是有界的,且|z2(t)|<L2,|z3(t)|<L3;由此推导出
由(26)得
由x1=z1+x1d(t)可知,|x1|≤L1+|x1d(t)|max,由式(13)可知α1是有界的;又由|x2|≤|α1|+|z2|和|z2|≤L2可知x2和α2是有界的;u也是有界的;据此证明闭环系统中所有信号均有界,系统的状态得到了约束。
7.根据权利要求6所述的方法,其特征在于,步骤3的具体个过程在于:调节考虑状态约束的电机伺服系统自抗扰控制律u的参数k1、k2、b1、b2、L1、L2、ω系统满足控制性能指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810256221.3A CN108469734B (zh) | 2018-03-27 | 2018-03-27 | 考虑状态约束的电机伺服系统自抗扰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810256221.3A CN108469734B (zh) | 2018-03-27 | 2018-03-27 | 考虑状态约束的电机伺服系统自抗扰控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108469734A true CN108469734A (zh) | 2018-08-31 |
CN108469734B CN108469734B (zh) | 2021-12-10 |
Family
ID=63265797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810256221.3A Active CN108469734B (zh) | 2018-03-27 | 2018-03-27 | 考虑状态约束的电机伺服系统自抗扰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108469734B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109725536A (zh) * | 2019-01-17 | 2019-05-07 | 南京理工大学 | 一种基于自抗扰控制算法的阀门电动执行器控制方法 |
CN110647111A (zh) * | 2019-10-10 | 2020-01-03 | 燕山大学 | 考虑输出离散性的电液伺服系统非线性自抗扰控制方法 |
CN110703609A (zh) * | 2019-11-18 | 2020-01-17 | 南京工业大学 | 一种电机伺服系统智能运动控制方法 |
CN111007728A (zh) * | 2019-12-30 | 2020-04-14 | 安徽工业大学 | 一种考虑全状态约束的电机自抗扰自适应控制方法 |
CN112949180A (zh) * | 2021-03-02 | 2021-06-11 | 南京工业大学 | 一种基于hgdob与rbf神经网络的盾构风电回转支承试验台液压加载控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005192147A (ja) * | 2003-12-26 | 2005-07-14 | Sony Corp | 画像処理装置および方法、学習装置および方法、記録媒体、並びにプログラム |
CN106125553A (zh) * | 2016-08-24 | 2016-11-16 | 南京理工大学 | 一种考虑状态约束的液压系统自适应控制方法 |
CN107831670A (zh) * | 2017-12-06 | 2018-03-23 | 浙江工业大学 | 一种基于非对称时不变障碍李雅普诺夫函数的四旋翼飞行器输出受限反步控制方法 |
-
2018
- 2018-03-27 CN CN201810256221.3A patent/CN108469734B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005192147A (ja) * | 2003-12-26 | 2005-07-14 | Sony Corp | 画像処理装置および方法、学習装置および方法、記録媒体、並びにプログラム |
CN106125553A (zh) * | 2016-08-24 | 2016-11-16 | 南京理工大学 | 一种考虑状态约束的液压系统自适应控制方法 |
CN107831670A (zh) * | 2017-12-06 | 2018-03-23 | 浙江工业大学 | 一种基于非对称时不变障碍李雅普诺夫函数的四旋翼飞行器输出受限反步控制方法 |
Non-Patent Citations (5)
Title |
---|
CHUNYANG FU;LEI ZHANG;XIAOJUN GUO;YANTAO TIAN: "Attitude control for multi-rotor aircraft with output constraints", 《2017 6TH DATA DRIVEN CONTROL AND LEARNING SYSTEMS (DDCLS)》 * |
QIMING CHEN,LIYI LI,MINGYI WANG,LE PEI: "The precise modeling and active disturbance rejection control of voice coil motor in high precision motion control system", 《APPLIED MATHEMATICAL MODELLING》 * |
孙凯,许镇琳,盖廓,邹积勇,窦汝振: "基于自抗扰控制器的永磁同步电机位置伺服系统", 《中国电机工程学报》 * |
张波,周洲,祝小平: "考虑多边界状态约束的飞翼布局无人机姿态控制", 《航空学报》 * |
朱斌: "《自抗扰控制入门》", 31 May 2017 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109725536A (zh) * | 2019-01-17 | 2019-05-07 | 南京理工大学 | 一种基于自抗扰控制算法的阀门电动执行器控制方法 |
CN109725536B (zh) * | 2019-01-17 | 2022-03-15 | 南京理工大学 | 一种基于自抗扰控制算法的阀门电动执行器控制方法 |
CN110647111A (zh) * | 2019-10-10 | 2020-01-03 | 燕山大学 | 考虑输出离散性的电液伺服系统非线性自抗扰控制方法 |
CN110647111B (zh) * | 2019-10-10 | 2021-03-26 | 燕山大学 | 考虑输出离散性的电液伺服系统非线性自抗扰控制方法 |
CN110703609A (zh) * | 2019-11-18 | 2020-01-17 | 南京工业大学 | 一种电机伺服系统智能运动控制方法 |
CN111007728A (zh) * | 2019-12-30 | 2020-04-14 | 安徽工业大学 | 一种考虑全状态约束的电机自抗扰自适应控制方法 |
CN112949180A (zh) * | 2021-03-02 | 2021-06-11 | 南京工业大学 | 一种基于hgdob与rbf神经网络的盾构风电回转支承试验台液压加载控制方法 |
CN112949180B (zh) * | 2021-03-02 | 2022-09-06 | 南京工业大学 | 一种基于hgdob与rbf神经网络的盾构风电回转支承试验台液压加载控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108469734B (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469734A (zh) | 考虑状态约束的电机伺服系统自抗扰控制方法 | |
CN105116725B (zh) | 基于扩张状态观测器的伺服系统自适应滑模控制方法 | |
Chi et al. | Constrained data-driven optimal iterative learning control | |
CN107561935B (zh) | 基于多层神经网络的电机位置伺服系统摩擦补偿控制方法 | |
CN104485866B (zh) | 基于高阶滑模微分器的电机间接自适应鲁棒输出反馈控制方法 | |
CN104252134B (zh) | 基于扩张状态观测器的电机伺服系统自适应鲁棒位置控制方法 | |
CN105629727B (zh) | 一种电机位置伺服系统自适应输出反馈鲁棒控制方法 | |
CN108803324A (zh) | 多关节工业机械臂反步有限时间滑模控制方法 | |
CN108303885A (zh) | 一种基于干扰观测器的电机位置伺服系统自适应控制方法 | |
CN108614426A (zh) | 一种基于干扰观测器的多移动机器人编队鲁棒控制方法 | |
Tripathi et al. | Finite‐time super twisting sliding mode controller based on higher‐order sliding mode observer for real‐time trajectory tracking of a quadrotor | |
CN104730922B (zh) | 基于扩张状态观测器的伺服系统线性反馈控制和极点配置确定参数方法 | |
CN106125553B (zh) | 一种考虑状态约束的液压系统自适应控制方法 | |
CN111546346B (zh) | 一种柔性关节扰动观测方法、力矩控制方法和设备 | |
CN107121932A (zh) | 电机伺服系统误差符号积分鲁棒自适应控制方法 | |
US20180316291A1 (en) | Disturbance observer for permanent magnet direct current machines | |
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 | |
CN113589689A (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 | |
CN105446140A (zh) | 一种稳定平台伺服系统基于有限时间收敛的复合控制方法 | |
CN111487868B (zh) | 一种适用于积分反馈增广系统l1自适应控制系统和方法 | |
US20230333518A1 (en) | Adjustment system, adjustment method, and adjustment program | |
Zhang et al. | Low-level control technology of micro autonomous underwater vehicle based on intelligent computing | |
CN105759616A (zh) | 考虑死区特性的伺服系统有限时间控制方法 | |
CN104991445B (zh) | 一种全局稳定的电机伺服系统自适应输出反馈鲁棒控制方法 | |
CN104090487A (zh) | 基于反演设计微陀螺仪自适应动态滑模控制系统及方法 |
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 |