CN108710302B - 无源性全方位移动机器人轨迹跟踪自抗扰控制方法 - Google Patents
无源性全方位移动机器人轨迹跟踪自抗扰控制方法 Download PDFInfo
- Publication number
- CN108710302B CN108710302B CN201810636828.4A CN201810636828A CN108710302B CN 108710302 B CN108710302 B CN 108710302B CN 201810636828 A CN201810636828 A CN 201810636828A CN 108710302 B CN108710302 B CN 108710302B
- Authority
- CN
- China
- Prior art keywords
- disturbance
- mobile robot
- control
- matrix
- observer
- 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
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
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
本发明涉及全方位移动机器人轨迹跟踪的控制,为实现全方位移动机器人在动力学模型不确定及外部扰动同时存在的条件下的精确控制,避免求逆运算,本发明采用的技术方案是,无源性全方位移动机器人轨迹跟踪自抗扰控制方法,采用优化的降阶扩张状态观测器估计全方位移动机器人系统的总扰动,包括未建模部分、参数不确定性及外部扰动,并利用基于全方位移动机器人系统无源特性设计的无源性控制器来补偿观测器所估计的扰动,实现轨迹跟踪控制,其中,利用扩张状态观测器主动从被控对象的输入输出信号中把扰动的信息提炼出来,从而在扰动影响系统之前用控制信号将干扰消除。本发明主要应用于移动机器人轨迹跟踪与控制场合。
Description
技术领域
本发明涉及一种三轮全方位移动机器人轨迹跟踪的控制问题。针对全方位移动机器人系统存在的外部扰动及模型参数不确定的问题,利用机器人动力学系统本身的结构特性,提出一种基于全方位移动机器人动力学系统无源特性的自抗扰控制方法。
背景技术
全方位移动机器人是一种具有完全的3个自由度,可以同时且独立得进行平移和旋转运动的移动机器人,非常适合工作在空间狭窄有限、对机器人机动性要求高的场合中,因此越来越被广泛应用。移动机器人的轨迹跟踪是移动机器人自主导航的重要组成部分。具有很好地轨迹跟踪能力的移动机器人可以更高效、准确地完成工作。由于全方位移动机器人系统是非常复杂的非线性、强耦合系统,很难建立准确的系统模型,因此其轨迹跟踪控制成为机器人研究领域的一个具有挑战性的热点问题。
针对移动机器人的轨迹跟踪问题,国内外已经有众多学者进行了研究。日本佐贺大学学者研究了解析加速度控制方法、比例积分微分(PID)控制方法、模糊模型法和随机模糊伺服法四种经典控制方法(会议:Second International Conference on Knowledge-Based Intelligent Electronic SystemsSecond International Conference onKnowledge-Based Intelligent Electronic Systems;著者:Watanabe K;出版年月:1998;文章题目:Control of an omnidirectional mobile robot;页码:51-60);美国俄亥俄大学学者研究了一种基于沿期望轨迹的线性化及逆动力学的轨迹线性化控制方法,并通过仿真说明该方法的控制效果(会议:American Control Conference;著者:Y.Liu,X.Wu,J.Zhu,J.Lew;出版年月:2003;文章题目:Omni-directional mobile robot controllerdesign by trajectory linearization;页码:3423-3428);康奈尔大学学者针对理想的全方位移动机器人研究了一种近似最佳的控制算法,并利用仿真验证了算法的有效性(期刊:Robotics&Autonomous Systems;著者:T.Kalmár-Nagy,R.D’Andrea,P.Ganguly;出版年月:2004;文章题目:Near-optimal dynamic trajectory generation and control of anomnidirectional vehicle;页码:47-64);墨西哥学者研究了一种基于动力学模型的计算转矩控制方法(会议:International Conference on Electrical and ElectronicsEngineering IEEE;著者:Vazquez,J.A.,M.Velasco-Villa;出版年月:2007;文章题目:Computed-Torque Control of an Omnidirectional Mobile Robot;页码:274-277);蒂宾根大学学者研究了一种模型预测控制算法(会议:International Conference onRobotics and Automation;著者:K.Kanjanawanishkul,A.Zell;出版年月:2009;文章题目:Path following for an omnidirectional mobile robot based on modelpredictive control;页码:3341-3346)。
发明内容
当前各种控制方法均有各自的局限性。目前大多数算法都是基于控制误差来消除系统的干扰,是一种被动的控制,模型依赖性较强,且都忽略了机器人系统本身的结构特性,没有充分利用机器人本身的耗散性。在这些方法中,为了引入系统阻尼,往往需要较大的微分反馈增益,但同时也容易引入高频噪声。另外,传统的线性扩张状态观测器需要对惯性矩阵进行求逆运算,复杂且耗时。为克服现有技术的不足,避免求逆运算,实现全方位移动机器人在动力学模型不确定及外部扰动同时存在的条件下的精确控制,本发明采用的技术方案是,无源性全方位移动机器人轨迹跟踪自抗扰控制方法,采用优化的降阶扩张状态观测器估计全方位移动机器人系统的总扰动,包括未建模部分、参数不确定性及外部扰动,并利用基于全方位移动机器人系统无源特性设计的无源性控制器来补偿观测器所估计的扰动,实现轨迹跟踪控制,其中,利用扩张状态观测器主动从被控对象的输入输出信号中把扰动的信息提炼出来,从而在扰动影响系统之前用控制信号将干扰消除。
具体步骤细化如下:
步骤一:
建立全方位移动机器人系统动力学模型:定义世界坐标系{W}和移动坐标系{M},并用一个未知向量表示系统的总扰动,包括未建模部分、参数的不确定性以及外部扰动等,从而得到含有未知总扰动的全方位移动机器人动力学模型:
式中,q=[x y θ]T表示世界坐标系下机器人的位姿,[·]T表示矩阵的转置,x、y和θ分别表示三个自由度的方向,M∈R3×3表示一个惯性矩阵,∈表示集合间的“属于”关系,R3 ×3表示3行3列的实数矩阵,C∈R3×3表示离心力矩和哥氏力矩;D∈R3×3为正定对角矩阵,表示系统的耗散力;F∈R3×1表示系统总扰动;τ=Bu∈R3×1表示虚拟控制输入,B∈R3×3表示输入矩阵;
开环动力系统(1)的总能量为:
时间导数为:
步骤二:
其中βi(i=1,2)为观测器的增益矩阵,
假设总扰动的一阶导数是有界的,则对于任意的ωo>0,存在一个常向量σ=[σ1 σ2]T∈R2×1,且σi>0(i=1,2),使得在有限时间内,估计误差中的每个元素满足:即扩张状态观测器的估计误差是有界的,稳定性证明过程如下:
由式(4)和式(5)可得观测器估计误差方程:
解方程(7)得到:
令:
其中μ=[μ11 μ12 μ13 … μ23]T∈R6×1,由于f(t)是有界的,即|fi(t)|<γ(i=1,2,3),其中γ是一个正数,因此:
其中|μ(t)|表示各元素的绝对值组成的向量,γ=[γ γ γ]T∈R3×1是一个正常向量;
由于Ao是赫尔维茨的,因此存在一个有限的时间T1>0,使得:
其中k>6且为一个正整数,
由式(10)和(11)可知,对于所有的t≥T1都有:
结合式(11),得到对于所有t≥T1都有:
由式(8),(10)和(13)可得:
其中:
从式(15)可以看出,ESO的估计误差是有界的,并且估计误差随着观测器带宽的增加而减小,然而,观测器的带宽不可能无限增大,因此,估计误差也只能是收敛于一定范围内;
步骤三:
设计无源性控制器:无源性控制器由两部分组成,一部分用于补偿系统扰动,一部分用于机器人的轨迹跟踪控制;
扰动补偿部分设计如下:
基于无源性的轨迹跟踪部分设计如下:
闭环误差动力学方程为:
原始的能量函数被修改为:
为了实现稳定的轨迹跟踪的目的,系统中需引入阻尼,因此选取:
v=-Kds (20)
所以,基于无源性的轨迹跟踪控制部分设计为:
最终,控制律为:
式中,Kp∈R3×3,Kd∈R3×3为控制器的控制增益,均为正定对角矩阵;
结合(1)和(22)得闭环系统误差动力学方程:
选取李雅普诺夫函数为:
对李雅普诺夫函数(24)求导可得:
进一步推导得:
设Λ=diag(λ,λ,λ),结合不等式组(25)并利用柯西不等式,可得:
由于-γt≤0,则e-γt∈(0,1],不等式(31)右侧取最大值,则有
因此:
||s||≤α1+α2||w|(33)
本发明的特点及有益效果是:
针对全方位移动机器人的轨迹跟踪控制中存在的外部扰动及模型参数不确定的问题,本发明采用基于机器人系统无源特性的自抗扰控制方法进行了研究。该方法利用扩张状态观测器对控制系统的扰动进行有效的估计,并利用控制器对扰动进行补偿,同时利用无源性方法进行轨迹跟踪控制,从而提高了系统的鲁棒性。此外,该控制算法较为简单,计算量小,且控制器保留了系统的耗散项,大大降低了对微分反馈的要求,可以有效减少微分引起的高频干扰。仿真实验表明,该方法对全方位移动机器人轨迹跟踪控制系统中存在的干扰具有很好的鲁棒性,当扰动发生时,系统能快速恢复到稳定状态。
附图说明:
图1是本发明中全方位移动机器人的模型示意图。
图2是全方位移动机器人正方形轨迹跟踪控制仿真效果图,图中:
a是平面轨迹曲线;
b是各方向轨迹追踪曲线;
c是各方向轨迹跟踪误差变化曲线;
d是扩张状态观测器对总扰动的估计值变化曲线;
e是控制输入变化曲线;
图3是全方位移动机器人圆形轨迹跟踪控制仿真效果图,图中:
a是平面轨迹曲线;
b是各方向轨迹追踪曲线;
c是各方向轨迹跟踪误差变化曲线;
d是扩张状态观测器对总扰动的估计值变化曲线;
e是控制输入变化曲线。
具体实施方式
基于无源性的全方位移动机器人轨迹跟踪的自抗扰控制方法。该方案采用扩张状态观测器估计系统的总扰动,包括未建模部分、参数不确定性及外部扰动,并利用基于全方位移动机器人系统无源特性设计的无源性控制器来补偿观测器所估计的扰动,实现精确轨迹跟踪控制的目标。扩张状态观测器会主动从被控对象的输入输出信号中把扰动的信息提炼出来,从而可以在扰动影响系统之前用控制信号将干扰消除,本方案是一种主动的消除扰动的控制。无源性控制器充分利用了系统本身的结构特性,保留系统中的耗散力,减少了对微分反馈的需求,从而有效避免了系统高频干扰的引入。此外,本方案计算式简单,精确模型依赖度低,在实际工程应用中易于实现。
本发明采用的技术方案是,基于无源性的全方位移动机器人轨迹跟踪的自抗扰控制方法。步骤如下:
步骤一:
建立全方位移动机器人系统动力学模型:定义世界坐标系{W}和移动坐标系{M},并用一个未知向量表示系统的总扰动,包括未建模部分、参数的不确定性以及外部扰动等,从而得到含有未知总扰动的全方位移动机器人动力学模型:
式中,q=[x yθ]T表示世界坐标系下机器人的位姿,[·]T表示矩阵的转置,x、y和θ分别表示三个自由度的方向,M∈R3×3表示一个惯性矩阵,∈表示集合间的“属于”关系,R3×3表示3行3列的实数矩阵,C∈R3×3表示离心力矩和哥氏力矩;D∈R3×3为正定对角矩阵,表示系统的耗散力;F∈R3×1表示系统总扰动;τ=Bu∈R3×1表示虚拟控制输入,B∈R3×3表示输入矩阵;
开环动力系统(1)的总能量为:
时间导数为:
步骤二:
其中βi(i=1,2)为观测器的增益矩阵,
假设总扰动的一阶导数是有界的,则对于任意的ωo>0,存在一个常向量σ=[σ1 σ2]T∈R2×1,且σi>0(i=1,2),使得在有限时间内,估计误差中的每个元素满足:即扩张状态观测器的估计误差是有界的,稳定性证明过程如下:
由式(4)和式(5)可得观测器估计误差方程:
解方程(7)得到:
令:
其中μ=[μ11 μ12 μ13 … μ23]T∈R6×1,由于f(t)是有界的,即|fi(t)|<γ(i=1,2,3),其中γ是一个正数,因此:
其中|μ(t)|表示各元素的绝对值组成的向量,γ=[γ γ γ]T∈R3×1是一个正常向量;
由于Ao是赫尔维茨的,因此存在一个有限的时间T1>0,使得:
其中k>6且为一个正整数,
由式(10)和(11)可知,对于所有的t≥T1都有:
结合式(11),得到对于所有t≥T1都有:
由式(8),(10)和(13)可得:
其中:
从式(15)可以看出,ESO的估计误差是有界的,并且估计误差随着观测器带宽的增加而减小,然而,观测器的带宽不可能无限增大,因此,估计误差也只能是收敛于一定范围内;
步骤三:
设计无源性控制器:无源性控制器由两部分组成,一部分用于补偿系统扰动,一部分用于机器人的轨迹跟踪控制;
扰动补偿部分设计如下:
基于无源性的轨迹跟踪部分设计如下:
闭环误差动力学方程为:
原始的能量函数被修改为:
为了实现稳定的轨迹跟踪的目的,系统中需引入阻尼,因此选取:
v=-Kds (20)
所以,基于无源性的轨迹跟踪控制部分设计为:
最终,控制律为:
式中,Kp∈R3×3,Kd∈R3×3为控制器的控制增益,均为正定对角矩阵;
结合(1)和(22)可得闭环系统误差动力学方程:
选取李雅普诺夫函数为:
对李雅普诺夫函数(24)求导可得:
进一步推导得:
设Λ=diag(λ,λ,λ),结合不等式组(25)并利用柯西不等式,可得:
由于-γt≤0,则e-γt∈(0,1],不等式(31)右侧取最大值,则有
因此:
||s||≤α1+α2||w|| (33)
为验证本发明所设计的控制算法的有效性,以MATLAB作为仿真平台,以三轮全方位移动机器人(图1所示)为控制对象进行了全方位移动机器人轨迹跟踪控制仿真实验的验证。下面结合仿真实验和附图,在控制系统中存在外部扰动及模型参数变化的条件下,对本发明中提出的全方位移动机器人的轨迹跟踪控制方法作出详细说明。
本发明针对存在外部扰动及模型参数不确定性的全方位移动机器人系统的轨迹跟踪控制问题,设计了扩张状态观测器对系统总扰动进行了观测估计,然后利用控制器对扰动进行补偿,再利用无源性方法进行轨迹跟踪控制,最终实现了全方位移动机器人轨迹跟踪控制系统在存在扰动的条件下的稳定控制。
如图1所示,仿真中全方位移动机器人的任务为按照给定轨迹在平面上运动。仿真中各参数取值如下:机器人质量为10千克,车轮半径为0.05米,多项摩擦系数为1×10-4牛顿·毫秒/弧度,以机器人中心为轴的转动惯量为0.65千克·米2,以电机轴为旋转轴的转动惯量为1.47×10-6千克·米2,接触半径为0.2425米,电机反向电动势为0.02076伏特/转每分,电机力矩常数为0.02078牛顿·米/安培,减速比71,电机电阻2.53欧姆。本发明方法中控制器各参数:状态观测器带宽ωo=20,比例控制增益微分控制增益辅助对角矩阵仿真时间为40秒,采样频率为200赫兹。
正方形参考轨迹为关于时间t的函数,t的单位为秒,如下:
即每经过10秒,轨迹会有一个直角拐点,可以看做是有一个突加外部扰动,正方形轨迹跟踪仿真结果如图2(a)、2(b)、2(c)、2(d)、2(e)所示。从图2(a)、2(b)可以看出,采用本发明的控制系统在有外部干扰的条件下有较好的跟踪性能,基本可以准确跟踪期望轨迹;同时,可以从图2(c)中得到,系统的跟踪误差很小,在正方形轨迹的四个拐角处,有较大的误差,但系统很快就进行了调节;图2(d)说明扩张状态观测器可以及时观测并估计系统受到的外部扰动;图2(e)显示了控制电压随时间的变化曲线。
圆形参考轨迹为关于时间t的函数,如下:
在仿真第30秒之后,将机器人模型参数多项摩擦系数扩大为之前的3倍,即系统存在模型参数的变化,圆形轨迹跟踪仿真结果如图3(a)、3(b)、3(c)、3(d)、3(e)所示。从图3(a)、3(b)可以看出,采用本发明的控制系统在有模型参数变化的条件下有较好的跟踪性能,基本可以准确跟踪期望轨迹;同时,可以从图3(c)中得到,系统的跟踪误差很小,在模型参数发生改变后,系统能够能够较快地进行调节,跟上期望轨迹;图3(d)说明扩张状态观测器可以及时观测并估计系统的参数变化;图3(e)显示了控制电压随时间的变化曲线。
经过上述分析,证明了本发明算法的有效性。
Claims (2)
1.一种无源性全方位移动机器人轨迹跟踪自抗扰控制方法,其特征是,采用优化的降阶扩张状态观测器估计全方位移动机器人系统的总扰动,包括未建模部分、参数不确定性及外部扰动,并利用基于全方位移动机器人系统无源特性设计的无源性控制器来补偿观测器所估计的扰动,实现轨迹跟踪控制,其中,利用扩张状态观测器主动从被控对象的输入输出信号中把扰动的信息提炼出来,从而在扰动影响系统之前用控制信号将干扰消除;具体步骤细化如下:
步骤一:
建立全方位移动机器人系统动力学模型:定义世界坐标系{W}和移动坐标系{M},并用一个未知向量表示系统的总扰动,包括未建模部分、参数的不确定性以及外部扰动等,从而得到含有未知总扰动的全方位移动机器人动力学模型:
式中,q=[x y θ]T表示世界坐标系下机器人的位姿,[·]T表示矩阵的转置,x、y和θ分别表示三个自由度的方向,M∈R3×3表示一个惯性矩阵,∈表示集合间的“属于”关系,R3×3表示3行3列的实数矩阵,C∈R3×3表示离心力矩和哥氏力矩;D∈R3×3为正定对角矩阵,表示系统的耗散力;F∈R3×1表示系统总扰动;τ=Bu∈R3×1表示虚拟控制输入,B∈R3×3表示输入矩阵;
开环动力系统(1)的总能量为:
时间导数为:
步骤二:
其中βi(i=1,2)为观测器的增益矩阵,
假设总扰动的一阶导数是有界的,则对于任意的ωo>0,存在一个常向量σ=[σ1σ2]T∈R2×1,且σi>0(i=1,2),使得在有限时间内,估计误差中的每个元素满足:即扩张状态观测器的估计误差是有界的,稳定性证明过程如下:
由式(4)和式(5)可得观测器估计误差方程:
解方程(7)得到:
令:
其中μ=[μ11 μ12 μ13 … μ23]T∈R6×1,由于f(t)是有界的,即|fi(t)|<γ(i=1,2,3),其中γ是一个正数,因此:
其中|μ(t)|表示各元素的绝对值组成的向量,γ=[γ γ γ]T∈R3×1是一个正常向量;
由于Ao是赫尔维茨的,因此存在一个有限的时间T1>0,使得:
其中k>6且为一个正整数,
由式(10)和(11)可知,对于所有的t≥T1都有:
结合式(11),得到对于所有t≥T1都有:
由式(8),(10)和(13)可得:
其中:
从式(15)可以看出,ESO的估计误差是有界的,并且估计误差随着观测器带宽的增加而减小,然而,观测器的带宽不可能无限增大,因此,估计误差也只能是收敛于一定范围内;
步骤三:
设计无源性控制器:无源性控制器由两部分组成,一部分用于补偿系统扰动,一部分用于机器人的轨迹跟踪控制;
扰动补偿部分设计如下:
基于无源性的轨迹跟踪部分设计如下:
闭环误差动力学方程为:
原始的能量函数被修改为:
为了实现稳定的轨迹跟踪的目的,系统中需引入阻尼,因此选取:
v=-Kds (20)
所以,基于无源性的轨迹跟踪控制部分设计为:
v=-Kds (21)
最终,控制律为:
式中,Kp∈R3×3,Kd∈R3×3为控制器的控制增益,均为正定对角矩阵。
2.如权利要求1所述的无源性全方位移动机器人轨迹跟踪自抗扰控制方法,其特征是,验证步骤如下:
结合(1)和(22)得闭环系统误差动力学方程:
选取李雅普诺夫函数为:
对李雅普诺夫函数(24)求导可得:
进一步推导得:
设Λ=diag(λ,λ,λ),结合不等式组(25)并利用柯西不等式,可得:
由于-κt≤0,则e-κt∈(0,1],不等式(31)右侧取最大值,则有
因此:
||s||≤α1+α2||w|| (33)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810636828.4A CN108710302B (zh) | 2018-06-20 | 2018-06-20 | 无源性全方位移动机器人轨迹跟踪自抗扰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810636828.4A CN108710302B (zh) | 2018-06-20 | 2018-06-20 | 无源性全方位移动机器人轨迹跟踪自抗扰控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108710302A CN108710302A (zh) | 2018-10-26 |
CN108710302B true CN108710302B (zh) | 2021-07-06 |
Family
ID=63872901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810636828.4A Active CN108710302B (zh) | 2018-06-20 | 2018-06-20 | 无源性全方位移动机器人轨迹跟踪自抗扰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108710302B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109709810B (zh) * | 2019-01-22 | 2022-03-15 | 天津大学 | 全方位移动机器人轨迹跟踪无模型自抗扰控制方法 |
CN109648566B (zh) * | 2019-01-22 | 2021-07-30 | 天津大学 | 电机参数未知的全方位移动机器人的轨迹跟踪控制方法 |
CN109814386B (zh) * | 2019-01-24 | 2021-08-31 | 天津大学 | 基于无模型外环补偿的机器人轨迹跟踪自抗扰控制方法 |
CN109597310B (zh) * | 2019-02-01 | 2021-09-07 | 东南大学 | 一种基于扰动观测器的轮式移动机器人轨迹跟踪方法 |
CN110376882A (zh) * | 2019-04-28 | 2019-10-25 | 天津大学 | 基于有限时间扩张状态观测器的预定性能控制方法 |
CN110286589B (zh) * | 2019-06-12 | 2020-12-18 | 中南大学 | 一种非线性全驱动mimo系统的自抗扰控制方法 |
CN110304135B (zh) * | 2019-07-10 | 2021-08-06 | 上海交通大学 | 一种基于扩张干扰观测器的线控转向系统齿条力估计方法 |
CN111216146B (zh) * | 2020-01-20 | 2021-05-28 | 中国地质大学(武汉) | 一种适用于网络化机器人系统的二部一致性量化控制方法 |
CN111522341A (zh) * | 2020-04-23 | 2020-08-11 | 中国地质大学(武汉) | 网络异构机器人系统的多时变编队跟踪控制方法及系统 |
FR3110257A1 (fr) * | 2020-05-12 | 2021-11-19 | Institut National De Recherche En Informatique Et En Automatique (Inria) | Utilisation de l’homogénéité généralisée pour améliorer une commande PID |
CN112631245B (zh) * | 2020-06-11 | 2022-12-13 | 江苏航空职业技术学院 | 一种基于扩展状态观测器的飞机机电作动系统故障检测方法 |
CN111813110B (zh) * | 2020-06-28 | 2024-01-30 | 天津大学 | 一种蛇形机器人路径跟随自抗扰控制方法 |
CN112016194A (zh) * | 2020-08-10 | 2020-12-01 | 天津大学 | 基于Koopman算子的全方位移动机械臂数据驱动模型预测控制方法 |
CN111949036B (zh) * | 2020-08-25 | 2022-08-02 | 重庆邮电大学 | 一种轨迹跟踪控制方法、系统及两轮差速移动机器人 |
CN112008728B (zh) * | 2020-09-01 | 2022-07-08 | 天津大学 | 基于选择性扰动补偿的全向移动机器人轨迹跟踪控制方法 |
CN112140098B (zh) * | 2020-09-15 | 2022-06-21 | 天津大学 | 基于近端策略优化的水下蛇形机器人高速步态生成方法 |
CN112364505A (zh) * | 2020-11-10 | 2021-02-12 | 合肥工业大学 | 一种三轮全向移动平台的轨迹跟踪控制器的设计方法 |
CN112632803A (zh) * | 2021-01-12 | 2021-04-09 | 四川大学 | 跟踪控制方法和装置、电子设备及存储介质 |
CN113009828B (zh) * | 2021-02-23 | 2022-07-22 | 桂林电子科技大学 | 一种复杂力学系统动力学参数的抗干扰标定方法 |
CN113894843B (zh) * | 2021-07-22 | 2024-05-31 | 深兰机器人产业发展(河南)有限公司 | 移动机器人的打滑检测方法及相关装置 |
CN113848712B (zh) * | 2021-09-22 | 2023-10-31 | 南京邮电大学 | 一种基于云的多移动机器人输出一致性控制系统 |
CN114167721B (zh) * | 2021-11-08 | 2023-07-25 | 中国民航大学 | 一种载人机器人的线性自抗扰轨迹跟踪控制方法和控制器 |
CN114035588B (zh) * | 2021-11-30 | 2023-03-07 | 黄山学院 | 一种移动机器人轨迹跟踪事件触发控制方法 |
CN115422764B (zh) * | 2022-09-22 | 2023-11-24 | 西北工业大学太仓长三角研究院 | 一种基于无源性的侧向车速估计方法 |
CN115629620B (zh) * | 2022-12-21 | 2023-03-10 | 北京航空航天大学 | 一种针对侦察任务的无人机主动抗干扰飞行控制方法 |
CN117950317A (zh) * | 2024-01-02 | 2024-04-30 | 南开大学 | 一种基于在线规划调节的机器人轨迹复原控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049617A (zh) * | 2012-12-27 | 2013-04-17 | 天津大学 | 保留无源性的大规模配电网络电磁暂态仿真模型化简方法 |
CN103643027A (zh) * | 2013-12-12 | 2014-03-19 | 中国兵器工业新技术推广研究所 | 基于线性降阶自抗扰控制技术的热处理电阻炉控制方法 |
CN104267743A (zh) * | 2014-07-22 | 2015-01-07 | 浙江工业大学 | 一种采用自抗扰控制技术的船载摄像稳定平台控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8180464B2 (en) * | 2002-04-18 | 2012-05-15 | Cleveland State University | Extended active disturbance rejection controller |
-
2018
- 2018-06-20 CN CN201810636828.4A patent/CN108710302B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049617A (zh) * | 2012-12-27 | 2013-04-17 | 天津大学 | 保留无源性的大规模配电网络电磁暂态仿真模型化简方法 |
CN103643027A (zh) * | 2013-12-12 | 2014-03-19 | 中国兵器工业新技术推广研究所 | 基于线性降阶自抗扰控制技术的热处理电阻炉控制方法 |
CN104267743A (zh) * | 2014-07-22 | 2015-01-07 | 浙江工业大学 | 一种采用自抗扰控制技术的船载摄像稳定平台控制方法 |
Non-Patent Citations (6)
Title |
---|
A structure-improved extended state observer based control with application to an omnidirectional mobile robot;Chao Ren 等;《ISA Transactions》;20200122;第335-345页 * |
Extended active observer for force estimation and disturbance rejection of robotic manipulators;Linping Chan 等;《Robotics and Autonomous Systems》;20130921;第1277-1287页 * |
Passivity-based Model Free Control of an Omnidirectional Mobile Robot;Chao Ren 等;《Proceeding of the IEEE International Conference on mechatronics》;20151231;第262-267页 * |
Passivity-based tracking control of an omnidirectional mobile robot using only one geometrical parameter;Chao Ren 等;《Control Engineering Practice》;20190705;第160-168页 * |
基于无源性的全方位移动机器人自抗扰控制;马书根 等;《控制与决策》;20170913;第1081-1086页 * |
基于降阶状态观测器的压水堆功率自抗扰控制;刘玉燕 等;《中国电机工程学报》;20170926;第6666-6675页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108710302A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108710302B (zh) | 无源性全方位移动机器人轨迹跟踪自抗扰控制方法 | |
CN109814386B (zh) | 基于无模型外环补偿的机器人轨迹跟踪自抗扰控制方法 | |
Ouyang et al. | PD with sliding mode control for trajectory tracking of robotic system | |
Wang et al. | Robust adaptive tracking control for servo mechanisms with continuous friction compensation | |
Li et al. | Vibration control of uncertain multiple launch rocket system using radial basis function neural network | |
Liu et al. | Adaptive control of manipulator based on neural network | |
CN102033548A (zh) | 基于rbf神经网络的伺服控制系统及方法 | |
CN109709810B (zh) | 全方位移动机器人轨迹跟踪无模型自抗扰控制方法 | |
Guo et al. | Robust finite-time trajectory tracking control of wheeled mobile robots with parametric uncertainties and disturbances | |
Qiao et al. | Adaptive control of missile attitude based on BP–ADRC | |
Fang et al. | Robust tracking control for magnetic wheeled mobile robots using adaptive dynamic programming | |
Hu et al. | Impedance sliding mode control with adaptive fuzzy compensation for robot-environment interacting | |
Li et al. | Trajectory tracking control for four‐mecanum‐wheel mobile vehicle: A variable gain active disturbance rejection control approach | |
Wang et al. | Cascaded continuous sliding mode control for tracked mobile robot via nonlinear disturbance observer | |
CN112008728B (zh) | 基于选择性扰动补偿的全向移动机器人轨迹跟踪控制方法 | |
Swadi et al. | Fuzzy-backstepping controller based on optimization method for trajectory tracking of wheeled mobile robot | |
Yin et al. | An adaptive terminal sliding mode control of stone-carving robotic manipulators based on radial basis function neural network | |
Zheng et al. | Nonlinear motor-mechanism coupling tank gun control system based on adaptive radial basis function neural network optimised computed torque control | |
CN109648566B (zh) | 电机参数未知的全方位移动机器人的轨迹跟踪控制方法 | |
Zhang et al. | The application of sliding mode control with improved approaching law in manipulator control | |
Ayten et al. | Real-time trajectory tracking control for electric-powered wheelchairs using model-based multivariable sliding mode control | |
Yu et al. | Sliding mode control for trajectory tracking of mobile robots | |
Zhang et al. | Adaptive inverse control based on kriging algorithm and lyapunov theory of crawler electromechanical system | |
Liao et al. | Adaptive robust control of skid steer mobile robot with independent driving torque allocation | |
Chen et al. | A novel finite-time extended state observer for a class of nonlinear system with external disturbance |
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 |