CN108942935A - 基于输出位置的单臂机械手自适应控制器及控制方法 - Google Patents

基于输出位置的单臂机械手自适应控制器及控制方法 Download PDF

Info

Publication number
CN108942935A
CN108942935A CN201810817332.7A CN201810817332A CN108942935A CN 108942935 A CN108942935 A CN 108942935A CN 201810817332 A CN201810817332 A CN 201810817332A CN 108942935 A CN108942935 A CN 108942935A
Authority
CN
China
Prior art keywords
output
unit
backstepping
adp
comparator
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
Application number
CN201810817332.7A
Other languages
English (en)
Inventor
杨杨
徐闯
岳东
许慧文
谈杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201810817332.7A priority Critical patent/CN108942935A/zh
Publication of CN108942935A publication Critical patent/CN108942935A/zh
Pending legal-status Critical Current

Links

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
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明揭示了一种基于输出位置的单臂机械手自适应控制器及控制方法，控制器包括第一比较器单元、观测器单元、反步法第一更新单元、反步法第一逼近单元、反步法第一运算单元、第二比较器单元、反步法第一子控制器单元、第三比较器单元、第四比较器单元、反步法第二更新单元、反步法第二逼近单元、反步法第二运算单元、第五比较器单元、反步法第二子控制器单元、ADP更新单元、ADP逼近单元、ADP运算单元、ADP第一子控制器单元、ADP第二子控制器单元以及第六比较器单元。本发明在保证单臂机械手稳定的同时，减少了系统的性能指标，降低了系统的控制成本，具有很高的使用及推广价值。

Description

基于输出位置的单臂机械手自适应控制器及控制方法
技术领域
本发明涉及一种控制器及控制方法，具体而言，涉及一种基于输出位置的单臂机械手自适应控制器及控制方法，属于工业过程控制领域。
背景技术
单臂机械手的关节角位移作为一个重要的可测量的输出量，是单臂机械手系统中经常使用的控制量之一。在过去的近十年里，大量学者开始研究单臂机械手的控制问题，其中，性能指标函数作为一种评价单臂机械手系统性能的重要的函数，实现性能指标函数的最优化是当前单臂机械手控制器的一个重要的设计目标。
具体而言，目前关于单臂机械手系统控制问题的研究，取得了以下进展和相应的研究成果。
机械臂系统是一个十分复杂的非线性系统，针对机械臂的不确定性问题的解决方案为自适应反步模糊控制策略。在过去十年里，利用模糊逻辑系统的自适应反步控制器设计取得了飞快的发展。自适应反步控制方法是由Ioannis Kanellakopoulos提出来的。基于反步法设计技术，控制器不仅能解决非线性系统的控制问题，还能够保证系统的稳定。
陈冰等人研究了一类具有未知非线性和严格反馈结构的非线性时滞系统的自适应模糊控制问题。陈伟生等人针对一类带有扰动的非线性严格反馈系统，设计一种自适应反步模糊控制器，使得系统实现跟踪控制；张天平等人利用自适应神经网络技术解决了带有未知死区的多输入多输出非线性系统的跟踪控制问题；王欢庆等人在自适应模糊控制技术的基础上考虑了系统的鲁棒性，实现了带有随机项和输入饱和的纯反馈系统的跟踪问题；刘志等人针对具有非线性输出的一类特殊的非线性系统，设计出一种自适应神经网络输出反馈控制方法；华长春等人通过动态输出反馈方法研究了一类不确定非线性时滞系统的鲁棒控制问题；C.L.Philip Chen,结合反演技术，针对一类高阶非线性多智能体系统开发了一种基于观测器的自适应一致跟踪控制策略，其中每个跟随者都由半严格反馈形式组成。
尽管上述方法针对严格反馈非线性系统提出了大量的自适应模糊或神经网络反推控制设计方法，但上述方法并未考虑最优控制问题。
众所周知，最优控制设计在实际工程中具有重要意义，它将对社会生活和国民经济的发展产生巨大的影响。为此，黄玉柱等人针对n阶仿射非线性系统，提出了一种基于状态反馈的鲁棒ADP控制器；杨雄等人提出了一种具有控制约束的非线性系统的在线学习最优控制方法；刘德荣等人将上述方法扩展到多个互联的非线性系统当中，并利用在线学习最优控制方法提出来了一种连续时间非线性互联系统的分散稳定方法。除了状态反馈控制之外，基于观测器的输出反馈控制可以克服需要测量全部状态信息的状态反馈控制技术的缺点。因此，张化光等人研究了仿射非线性系统的基于输出反馈的ADP控制方法。
综上所述，目前对于单臂机械手系统控制问题的研究已经取得了不俗的成果，但是目前仍未出现一种能够提供最优控制的控制方案。因此，如何依据目前现有的研究基础，提供一种能够实现单笔机械手系统优化、便于其控制的技术方案，也就成为了目前行业内技术人员亟待解决的问题。
发明内容
鉴于现有技术存在上述缺陷，本发明的目的是提出一种基于输出位置的单臂机械手自适应控制器及控制方法。
一种基于输出位置的单臂机械手自适应控制器，与单臂机械手系统相连接，其特征在于：包括第一比较器单元、观测器单元、反步法第一更新单元、反步法第一逼近单元、反步法第一运算单元、第二比较器单元、反步法第一子控制器单元、第三比较器单元、第四比较器单元、反步法第二更新单元、反步法第二逼近单元、反步法第二运算单元、第五比较器单元、反步法第二子控制器单元、ADP更新单元、ADP逼近单元、ADP运算单元、ADP第一子控制器单元、ADP第二子控制器单元以及第六比较器单元；
所述第一比较器单元的输入端分别与单臂机械手系统的输出x1和期望信号yd相连接；
所述观测器单元的输入端分别与单臂机械手系统的输出x1、反步法第一逼近单元的输出反步法第二逼近单元观测器单元的输出观测器单元的输出以及第六较器单元的输出u相连接；
所述反步法第一更新单元的输入端分别与反步法第一更新单元的输出第一比较器单元的输出z1以及期望信号yd相连接；
所述反步法第一逼近单元的输入端分别与反步法第一更新单元的输出观测器单元的输出以及观测器单元的输出相连接；
所述反步法第一运算单元的输入端分别与反步法第一更新单元的输出和期望信号yd相连接；
所述第二比较器单元分别与反步法第一逼近单元的输出和反步法第一运算单元的输出相连接；
所述反步法第一控制器单元的输入端分别与反步法第一逼近单元的输出第一比较器单元的输出z1以及期望信号yd相连接；
所述第三比较器单元的输入端分别与反步法第一控制器单元的输出ubs1和ADP第一子控制器单元的输出uadp1相连接；
所述第四比较器单元的输入端分别与观测器单元的输出和第三比较器单元的输出u1相连接；
所述反步法第二更新单元的输入端分别与第三比较器单元的输出u1、第六较器单元的输出u、第四比较器单元的输出z2以及期望信号yd相连接；
所述反步法第二逼近单元的输入端分别与反步法第二更新单元的输出第六比较器单元的输出u、观测器单元的输出和观测器单元的输出相连接；
所述反步法第二运算单元的输入端分别与反步法第二更新单元的输出第三比较器单元的输出u1、第四比较器单元的输出z2以及期望信号yd相连接；
所述第五比较器单元的输入端分别与反步法第二运算单元的输出和反步法第二逼近单元的输出相连接；
所述反步法第二控制器单元的输入端分别与观测器单元的输出观测器单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、反步法第二运算单元的输出期望信号yd以及第三比较器单元的输出u1相连接；
所述ADP更新单元的输入端分别与第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1、ADP第二子控制器单元的输出uadp2、第二比较器单元的输出以及第二比较器单元的输出相连接；
所述ADP逼近单元的输入端分别与ADP更新单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1以及ADP第二子控制器单元的输出uadp2相连接；
所述ADP运算单元的输入端分别与ADP逼近单元的输出第一比较器单元的输出z1以及第四比较器单元的输出z2相连接；
所述ADP第一子控制器单元的输入端与ADP运算单元的输出相连接；
所述ADP第二子控制器单元的输入端为ADP运算单元的输出相连接；
所述第六比较器单元的输入端分别与反步法第二子控制器单元的输出ubs2和ADP第二子控制器单元的输出uadp2相连接；
所述单臂机械手系统的输入端与第六比较器单元的输出u相连接。
优选地，所述单臂机械手系统事件触发ADP控制器结构的系统模型为：
其中，θ为系统输出转角；D0＝4ml2/3为转动惯量；C0为关节转到的粘性摩擦系数；G0＝mglcosθ为机械手的重力项，m为机械手质量，l为质心距连杆转动中心的距离，g为重力加速度；τ为单臂机械手的力矩，即控制量。
优选地，所述单臂机械手系统的状态模型为：
其中，x1＝θ；y为单臂机械手输出的位置信号；u是控制律计算单元的输出，即控制输入； C2和C3为大于零的常数。
一种基于输出位置的单臂机械手自适应控制方法，用于控制单臂机械手系统，包括如下步骤：
S1、将第一比较器单元的输入端分别与单臂机械手系统的输出x1和期望信号yd相连接，通过以下公式的计算得到第一比较器单元的输出z1，
z1＝x1-yd；
S2、将观测器单元的输入端分别与单臂机械手系统的输出x1、反步法第一逼近单元的输出反步法第二逼近单元观测器单元的输出观测器单元的输出以及第六较器单元的输出u相连接，通过以下公式的计算得到观测器单元的输出和
其中，k1和k2为观测器增益，分别为大于零的常数；
S3、将反步法第一更新单元的输入端分别与反步法第一更新单元的输出第一比较器单元的输出z1以及期望信号yd相连接，通过以下公式的计算得到反步法第一更新单元的输出
其中，r1是大于零的常数，为模糊逻辑系统的权值估计矩阵，是N行1列的矩阵；为模糊逻辑系统的隶属函数，是N行1列的矩阵，
l和N分别为大于零的整数，且l≤N；
S4、将反步法第一逼近单元的输入端分别与反步法第一更新单元的输出观测器单元的输出以及观测器单元的输出相连接，通过以下公式的计算得到反步法第一逼近单元的输出
其中，为模糊逻辑系统的隶属函数，是N行1列的矩阵，
S5、将反步法第一运算单元的输入端分别与反步法第一更新单元的输出和期望信号yd相连接，通过以下公式的计算得到反步法第一逼近单元的输出
S6、将第二比较器单元分别与反步法第一逼近单元的输出和反步法第一运算单元的输出相连接，通过以下公式的计算得到第二比较器单元的输出
S7、将反步法第一控制器单元的输入端分别与反步法第一逼近单元的输出第一比较器单元的输出z1以及期望信号yd相连接，通过以下公式的计算得到反步法第一控制器单元的输出ubs1，
其中，γ1是大于零的常数，为期望信号yd关于时间t的导数；
S8、将第三比较器单元的输入端分别与反步法第一控制器单元的输出ubs1和ADP第一子控制器单元的输出uadp1相连接，通过以下公式的计算得到第三比较器单元的输出u1，
u1＝ubs1+uadp1；
S9、将第四比较器单元的输入端分别与观测器单元的输出和第三比较器单元的输出u1相连接，通过以下公式的计算得到第四比较器单元的输出z2，
S10、将反步法第二更新单元的输入端分别与第三比较器单元的输出u1、第六较器单元的输出u、第四比较器单元的输出z2以及期望信号yd相连接，通过以下公式的计算得到反步法第二更新单元的输出
其中，r2是大于零的常数，为模糊逻辑系统的权值估计矩阵，是N行1列的矩阵，为模糊逻辑系统的隶属函数，是N行1列的矩阵，
S11、将反步法第二逼近单元的输入端分别与反步法第二更新单元的输出第六比较器单元的输出u、观测器单元的输出和观测器单元的输出相连接，通过以下公式的计算得到得到反步法第二逼近单元的输出
S12、将反步法第二运算单元的输入端分别与反步法第二更新单元的输出第三比较器单元的输出u1、第四比较器单元的输出z2以及期望信号yd相连接，通过以下公式的计算得到得到反步法第二运算单元的输出
S13、将第五比较器单元的输入端分别与反步法第二运算单元的输出和反步法第二逼近单元的输出相连接，通过以下公式的计算得到第五比较器单元的输出
S14、将反步法第二控制器单元的输入端分别与观测器单元的输出观测器单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、反步法第二运算单元的输出期望信号yd以及第三比较器单元的输出u1相连接，通过以下公式的计算得到反步法第二控制器单元的输出ubs2，
其中，γ2是大于零的常数，为第三比较器单元的输出u1关于时间t的导数；
S15、将ADP更新单元的输入端分别与第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1、ADP第二子控制器单元的输出uadp2、第二比较器单元的输出以及第二比较器单元的输出相连接，通过以下公式的计算得到ADP更新单元的输出的输出
其中，为ADP逼近单元中神经网络隐藏层到输出层的估计权值矩阵，是P行1列矩阵，P为ADP逼近单元中神经网络隐藏层神经元的个数，是大于零的常数；βc为神经网络的学习率，是大于零的常数；∏＝GTR-1G，r1和r2分别是大于零的常数；m(Z)＝VjZ，Vj为ADP更新单元中神经网络输入层到隐藏层的权值矩阵，为P行4列的矩阵，φ(m(Z))为双曲正切函数，是P行1列的矩阵，▽φ(m(Z))是双曲正切函数φ(Z)对的偏导矩阵， q1和q2分别为大于零的常数；
S16、将ADP逼近单元的输入端分别与ADP更新单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1以及ADP第二子控制器单元的输出uadp2相连接，通过以下公式的计算得到ADP逼近单元的输出
S17、将ADP运算单元的输入端分别与ADP逼近单元的输出第一比较器单元的输出z1以及第四比较器单元的输出z2相连接，通过以下公式的计算得到ADP运算单元的输出和
S18、将ADP第一子控制器单元的输入端与ADP运算单元的输出相连接，通过以下公式的计算得到ADP第一子控制器单元的输出uadp1，
S19、将ADP第二子控制器单元的输入端为ADP运算单元的输出相连接，通过以下公式的计算得到ADP第二子控制器单元的输出uadp2，
S20、将第六比较器单元的输入端分别与反步法第二子控制器单元的输出ubs2和ADP第二子控制器单元的输出uadp2相连接，通过以下公式的计算得到第六比较器单元的输出u，并将u作为单臂机械手系统的输入，
u＝ubs2+uadp2。
优选地，在所述S2中，观测器单元的输入端所接入的观测器单元的输出观测器单元的输出在控制器第一次运行过程中，所接入的观测器单元的输出观测器单元的输出均为常数值；在控制器之后的运行过程中，所接入的观测器单元的输出观测器单元的输出均为上一次运行时，观测器单元的输出值。
优选地，在所述S3中，反步法第一更新单元的输入端所接入的反步法第一更新单元的输出在控制器第一次运行过程中，所接入的反步法第一更新单元的输出为常数值；在控制器之后的运行过程中，所接入的反步法第一更新单元的输出为上一次运行时反步法第一更新单元的输出。
优选地，在所述S15中，在控制器第一次运行过程中，为常数矩阵，在控制器之后的运行过程中，ADP更新单元的输出选用ADP更新单元的输出。
与现有技术相比，本发明的优点主要体现在以下几个方面：
本发明提供了一种基于输出位置的单臂机械手自适应控制器及控制方法，针对实际应用中状态不可观测的情况，设计了模糊观测器、并实现了对系统状态重构，相比于基于状态反馈的控制器，本发明的技术方案能够减少系统状态检测装置的数量，显著地降低了系统整体的硬件成本。
同时，本发明还引入了模糊逼近技术和神经网络逼近技术，利用模糊逼近技术来估计出系统中的未知函数和神经网络逼近效果来估计单臂机械手的性能指标，有效地解决了单臂机械手系统的近似优化控制问题。
此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于领域内其他自适应控制技术的相关方案中，具有十分广阔的应用前景。
综上所述，本发明在单臂机械手系统中利用模糊观测器估计单臂机械手的输出转角和角速度，采用自适应模糊控制技术设计自适应模糊控制器，并在此基础上，采用神经网络技术估计单臂机械手的性能指标和ADP控制方法设计出最优控制器，在自适应模糊控制器和最优控制器的共同作用下，在保证单臂机械手稳定的同时，减少了系统的性能指标，降低了系统的控制成本，具有很高的使用及推广价值。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明中基于输出位置的单臂机械手自适应控制器的结构示意图；
图2本发明的基于输出位置的单臂机械手自适应控制器的角位置跟踪期望信号的效果图；
图3本发明的基于输出位置的单臂机械手自适应控制器的角位置跟踪期望信号的误差效果图；
图4本发明的基于输出位置的单臂机械手自适应最优控制器的的角位置观测效果图；
图5本发明的基于输出位置的单臂机械手自适应控制器的角速度观测效果图；
图6本发明的基于输出位置的单臂机械手自适应控制器的反步法第二子控制律；
图7本发明的基于输出位置的单臂机械手自适应控制器的ADP第二子控制律；
图8本发明的基于输出位置的单臂机械手自适应控制器的控制律；
图9本发明的基于输出位置的单臂机械手自适应控制方法与不带有ADP的自适应控制方法关于性能指标的对比图。
具体实施方式
如图1所示，本发明揭示了一种基于输出位置的单臂机械手自适应控制器及控制方法。
本发明在控制器的设计过程中，基于输出位置的前提下，利用模糊逻辑系统和自适应反步控制设计方法，设计反步法控制器，接着利用自适应动态规划方法(AdaptiveDynamic Programming,ADP)和神经网络技术设计ADP控制器，使得单臂机械手系统的性能指标达到最优，结合反步法控制器和ADP控制器设计出了一种基于输出位置的自适应模糊最优控制器。
具体而言，一种基于输出位置的单臂机械手自适应控制器，与单臂机械手系统相连接，其特征在于：包括第一比较器单元、观测器单元、反步法第一更新单元、反步法第一逼近单元、反步法第一运算单元、第二比较器单元、反步法第一子控制器单元、第三比较器单元、第四比较器单元、反步法第二更新单元、反步法第二逼近单元、反步法第二运算单元、第五比较器单元、反步法第二子控制器单元、ADP更新单元、ADP逼近单元、ADP运算单元、ADP第一子控制器单元、ADP第二子控制器单元以及第六比较器单元；
所述第一比较器单元、即B1的输入端分别与单臂机械手系统的输出x1和期望信号yd相连接；
所述观测器单元的输入端分别与单臂机械手系统的输出x1、反步法第一逼近单元的输出反步法第二逼近单元观测器单元的输出观测器单元的输出以及第六较器单元的输出u相连接；
所述反步法第一更新单元的输入端分别与反步法第一更新单元的输出第一比较器单元的输出z1以及期望信号yd相连接；
所述反步法第一逼近单元的输入端分别与反步法第一更新单元的输出观测器单元的输出以及观测器单元的输出相连接；
所述反步法第一运算单元的输入端分别与反步法第一更新单元的输出和期望信号yd相连接；
所述第二比较器单元、即B2分别与反步法第一逼近单元的输出和反步法第一运算单元的输出相连接；
所述反步法第一控制器单元的输入端分别与反步法第一逼近单元的输出第一比较器单元的输出z1以及期望信号yd相连接；
所述第三比较器单元、即B3的输入端分别与反步法第一控制器单元的输出ubs1和ADP第一子控制器单元的输出uadp1相连接；
所述第四比较器单元、即B4的输入端分别与观测器单元的输出和第三比较器单元的输出u1相连接；
所述反步法第二更新单元的输入端分别与第三比较器单元的输出u1、第六较器单元的输出u、第四比较器单元的输出z2以及期望信号yd相连接；
所述反步法第二逼近单元的输入端分别与反步法第二更新单元的输出第六比较器单元的输出u、观测器单元的输出和观测器单元的输出相连接；
所述反步法第二运算单元的输入端分别与反步法第二更新单元的输出第三比较器单元的输出u1、第四比较器单元的输出z2以及期望信号yd相连接；
所述第五比较器单元、即B5的输入端分别与反步法第二运算单元的输出和反步法第二逼近单元的输出相连接；
所述反步法第二控制器单元的输入端分别与观测器单元的输出观测器单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、反步法第二运算单元的输出期望信号yd以及第三比较器单元的输出u1相连接；
所述ADP更新单元的输入端分别与第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1、ADP第二子控制器单元的输出uadp2、第二比较器单元的输出以及第二比较器单元的输出相连接；
所述ADP逼近单元的输入端分别与ADP更新单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1以及ADP第二子控制器单元的输出uadp2相连接；
所述ADP运算单元的输入端分别与ADP逼近单元的输出第一比较器单元的输出z1以及第四比较器单元的输出z2相连接；
所述ADP第一子控制器单元的输入端与ADP运算单元的输出相连接；
所述ADP第二子控制器单元的输入端为ADP运算单元的输出相连接；
所述第六比较器单元、即B6的输入端分别与反步法第二子控制器单元的输出ubs2和ADP第二子控制器单元的输出uadp2相连接；
所述单臂机械手系统的输入端与第六比较器单元的输出u相连接。
本发明选用电机作为单臂机械手的驱动机构，基于对单臂机械手系统运转过程的了解，对其建立数学模型，单臂机械手系统的自适应最优控制器结构的系统模型为：
其中，θ为系统输出转角；D0＝4ml2/3为转动惯量；C0为关节转到的粘性摩擦系数；G0＝mglcosθ为机械手的重力项，m为机械手质量，l为质心距连杆转动中心的距离，g为重力加速度；τ为单臂机械手的力矩，也是控制量。
所述单臂机械手系统的状态模型为：
其中，x1＝θ；y为单臂机械手输出的位置信号；u是控制律计算单元的输出，即控制输入；x 2＝[x1 x2]T；F1(x 2)+C2x2＝x2；C2和C3为大于零的常数。
本发明还包括一种基于输出位置的单臂机械手自适应控制方法，用于控制单臂机械手系统，包括如下步骤：
S1、将第一比较器单元的输入端分别与单臂机械手系统的输出x1和期望信号yd相连接，通过以下公式的计算得到第一比较器单元的输出z1，
z1＝x1-yd；
S2、将观测器单元的输入端分别与单臂机械手系统的输出x1、反步法第一逼近单元的输出反步法第二逼近单元观测器单元的输出观测器单元的输出以及第六较器单元的输出u相连接，通过以下公式的计算得到观测器单元的输出和
其中，k1和k2为观测器增益，分别为大于零的常数；
S3、将反步法第一更新单元的输入端分别与反步法第一更新单元的输出第一比较器单元的输出z1以及期望信号yd相连接，通过以下公式的计算得到反步法第一更新单元的输出
其中，r1是大于零的常数，为模糊逻辑系统的权值估计矩阵，是N行1列的矩阵；为模糊逻辑系统的隶属函数，是N行1列的矩阵， l和N分别为大于零的整数，且l≤N；
S4、将反步法第一逼近单元的输入端分别与反步法第一更新单元的输出观测器单元的输出以及观测器单元的输出相连接，通过以下公式的计算得到反步法第一逼近单元的输出
其中，为模糊逻辑系统的隶属函数，是N行1列的矩阵，
S5、将反步法第一运算单元的输入端分别与反步法第一更新单元的输出和期望信号yd相连接，通过以下公式的计算得到反步法第一逼近单元的输出
S6、将第二比较器单元分别与反步法第一逼近单元的输出和反步法第一运算单元的输出相连接，通过以下公式的计算得到第二比较器单元的输出
S7、将反步法第一控制器单元的输入端分别与反步法第一逼近单元的输出第一比较器单元的输出z1以及期望信号yd相连接，通过以下公式的计算得到反步法第一控制器单元的输出ubs1，
其中，γ1是大于零的常数，为期望信号yd关于时间t的导数；
S8、将第三比较器单元的输入端分别与反步法第一控制器单元的输出ubs1和ADP第一子控制器单元的输出uadp1相连接，通过以下公式的计算得到第三比较器单元的输出u1，
u1＝ubs1+uadp1；
S9、将第四比较器单元的输入端分别与观测器单元的输出和第三比较器单元的输出u1相连接，通过以下公式的计算得到第四比较器单元的输出z2，
S10、将反步法第二更新单元的输入端分别与第三比较器单元的输出u1、第六较器单元的输出u、第四比较器单元的输出z2以及期望信号yd相连接，通过以下公式的计算得到反步法第二更新单元的输出
其中，r2是大于零的常数，为模糊逻辑系统的权值估计矩阵，是N行1列的矩阵，为模糊逻辑系统的隶属函数，是N行1列的矩阵，
S11、将反步法第二逼近单元的输入端分别与反步法第二更新单元的输出第六比较器单元的输出u、观测器单元的输出和观测器单元的输出相连接，通过以下公式的计算得到得到反步法第二逼近单元的输出
S12、将反步法第二运算单元的输入端分别与反步法第二更新单元的输出第三比较器单元的输出u1、第四比较器单元的输出z2以及期望信号yd相连接，通过以下公式的计算得到得到反步法第二运算单元的输出
S13、将第五比较器单元的输入端分别与反步法第二运算单元的输出和反步法第二逼近单元的输出相连接，通过以下公式的计算得到第五比较器单元的输出
S14、将反步法第二控制器单元的输入端分别与观测器单元的输出观测器单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、反步法第二运算单元的输出期望信号yd以及第三比较器单元的输出u1相连接，通过以下公式的计算得到反步法第二控制器单元的输出ubs2，
其中，γ2是大于零的常数，为第三比较器单元的输出u1关于时间t的导数；
S15、将ADP更新单元的输入端分别与第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1、ADP第二子控制器单元的输出uadp2、第二比较器单元的输出以及第二比较器单元的输出相连接，通过以下公式的计算得到ADP更新单元的输出的输出
其中，为ADP逼近单元中神经网络隐藏层到输出层的估计权值矩阵，是P行1列矩阵，P为ADP逼近单元中神经网络隐藏层神经元的个数，是大于零的常数；βc为神经网络的学习率，是大于零的常数；Π＝GTR-1G，r′1和r′2分别是大于零的常数；m(Z)＝VjZ，Vj为ADP更新单元中神经网络输入层到隐藏层的权值矩阵，为P行4列的矩阵，φ(m(Z))为双曲正切函数，是P行1列的矩阵，▽φ(m(Z))是双曲正切函数φ(Z)对的偏导矩阵， q1和q2分别为大于零的常数；
S16、将ADP逼近单元的输入端分别与ADP更新单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1以及ADP第二子控制器单元的输出uadp2相连接，通过以下公式的计算得到ADP逼近单元的输出
S17、将ADP运算单元的输入端分别与ADP逼近单元的输出第一比较器单元的输出z1以及第四比较器单元的输出z2相连接，通过以下公式的计算得到ADP运算单元的输出和
S18、将ADP第一子控制器单元的输入端与ADP运算单元的输出相连接，通过以下公式的计算得到ADP第一子控制器单元的输出uadp1，
S19、将ADP第二子控制器单元的输入端为ADP运算单元的输出相连接，通过以下公式的计算得到ADP第二子控制器单元的输出uadp2，
S20、将第六比较器单元的输入端分别与反步法第二子控制器单元的输出ubs2和ADP第二子控制器单元的输出uadp2相连接，通过以下公式的计算得到第六比较器单元的输出u，并将u作为单臂机械手系统的输入，
u＝ubs2+uadp2。
需要补充说明的是，在所述S2中，观测器单元的输入端所接入的观测器单元的输出观测器单元的输出在控制器第一次运行过程中，所接入的观测器单元的输出观测器单元的输出均为常数值；在控制器之后的运行过程中，所接入的观测器单元的输出观测器单元的输出均为上一次运行时，观测器单元的输出值。
在所述S3中，反步法第一更新单元的输入端所接入的反步法第一更新单元的输出在控制器第一次运行过程中，所接入的反步法第一更新单元的输出为常数值；在控制器之后的运行过程中，所接入的反步法第一更新单元的输出为上一次运行时反步法第一更新单元的输出。
在所述S15中，在控制器第一次运行过程中，为常数矩阵，在控制器之后的运行过程中，ADP更新单元的输出选用ADP更新单元的输出。
本发明采用采用“模块化”的思想对参数进行整定，通过各模块中参数之间存在的相互联系，依靠反复的仿真实验来确定相对适应的值如下：
单臂机械手的状态x1x2的初始值分别为0.1和0.1，m＝1kg，g＝9.8m/s，l＝0.25m，C2＝1,C3＝10；观测器单元状态和的初始值都为0，k1＝3，k2＝200；期望信号yd为sin(t)；反步法第一更新单元中，r1＝10，N＝5，权值估计矩阵中各个元素的初始值为0.1；反步法第一控制器单元中，γ1＝25；反步法第二更新单元中，r2＝10，权值估计矩阵中各个元素的初始值为0.1；反步法第二控制器单元中，γ2＝100；ADP更新单元中，βc＝0.01，r′1＝0.5，r′2＝0.5，q1＝5，q2＝5，其中权值矩阵和Vj中各个元素的初始值可在-1到1中选取；
仿真结果如图2～图9所示，根据图2～图3所知，单臂机械手的输出角位置能够很快的跟踪上期望信号yd，且跟踪误差收敛到一个很小的界内。根据图4-图5所知，利用模糊逼近技术的观测器单元能够有效的估计系统中的未知状态。图6为反步法第二控制器单元的输出ubs2，图7为ADP第一控制器单元的输出uadp2，图8为单臂机械手的输入u；图9为带有ADP的控制器与不带ADP的控制器的性能指标比较图，由图可以看出，当带有ADP的控制器的性能指标随着时间将远远低于不带有ADP的控制器的性能指标。
本发明提供了一种基于输出位置的单臂机械手自适应控制器及控制方法，针对实际应用中状态不可观测的情况，设计了模糊观测器、并实现了对系统状态重构，相比于基于状态反馈的控制器，本发明的技术方案能够减少系统状态检测装置的数量，显著地降低了系统整体的硬件成本。
同时，本发明还引入了模糊逼近技术和神经网络逼近技术，利用模糊逼近技术来估计出系统中的未知函数和神经网络逼近效果来估计单臂机械手的性能指标，有效地解决了单臂机械手系统的近似优化控制问题。
此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于领域内其他自适应控制技术的相关方案中，具有十分广阔的应用前景。
综上所述，本发明在单臂机械手系统中利用模糊观测器估计单臂机械手的输出转角和角速度，采用自适应模糊控制技术设计自适应模糊控制器，并在此基础上，采用神经网络技术估计单臂机械手的性能指标和ADP控制方法设计出最优控制器，在自适应模糊控制器和最优控制器的共同作用下，在保证单臂机械手稳定的同时，减少了系统的性能指标，降低了系统的控制成本，具有很高的使用及推广价值。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种基于输出位置的单臂机械手自适应控制器，与单臂机械手系统相连接，其特征在于：包括第一比较器单元、观测器单元、反步法第一更新单元、反步法第一逼近单元、反步法第一运算单元、第二比较器单元、反步法第一子控制器单元、第三比较器单元、第四比较器单元、反步法第二更新单元、反步法第二逼近单元、反步法第二运算单元、第五比较器单元、反步法第二子控制器单元、ADP更新单元、ADP逼近单元、ADP运算单元、ADP第一子控制器单元、ADP第二子控制器单元以及第六比较器单元；
所述第一比较器单元的输入端分别与单臂机械手系统的输出x1和期望信号yd相连接；
所述观测器单元的输入端分别与单臂机械手系统的输出x1、反步法第一逼近单元的输出反步法第二逼近单元观测器单元的输出观测器单元的输出以及第六较器单元的输出u相连接；
所述反步法第一更新单元的输入端分别与反步法第一更新单元的输出第一比较器单元的输出z1以及期望信号yd相连接；
所述反步法第一逼近单元的输入端分别与反步法第一更新单元的输出观测器单元的输出以及观测器单元的输出相连接；
所述反步法第一运算单元的输入端分别与反步法第一更新单元的输出和期望信号yd相连接；
所述第二比较器单元分别与反步法第一逼近单元的输出和反步法第一运算单元的输出相连接；
所述反步法第一控制器单元的输入端分别与反步法第一逼近单元的输出第一比较器单元的输出z1以及期望信号yd相连接；
所述第三比较器单元的输入端分别与反步法第一控制器单元的输出ubs1和ADP第一子控制器单元的输出uadp1相连接；
所述第四比较器单元的输入端分别与观测器单元的输出和第三比较器单元的输出u1相连接；
所述反步法第二更新单元的输入端分别与第三比较器单元的输出u1、第六较器单元的输出u、第四比较器单元的输出z2以及期望信号yd相连接；
所述反步法第二逼近单元的输入端分别与反步法第二更新单元的输出第六比较器单元的输出u、观测器单元的输出和观测器单元的输出相连接；
所述反步法第二运算单元的输入端分别与反步法第二更新单元的输出第三比较器单元的输出u1、第四比较器单元的输出z2以及期望信号yd相连接；
所述第五比较器单元的输入端分别与反步法第二运算单元的输出和反步法第二逼近单元的输出相连接；
所述反步法第二控制器单元的输入端分别与观测器单元的输出观测器单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、反步法第二运算单元的输出期望信号yd以及第三比较器单元的输出u1相连接；
所述ADP更新单元的输入端分别与第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1、ADP第二子控制器单元的输出uadp2、第二比较器单元的输出以及第二比较器单元的输出相连接；
所述ADP逼近单元的输入端分别与ADP更新单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1以及ADP第二子控制器单元的输出uadp2相连接；
所述ADP运算单元的输入端分别与ADP逼近单元的输出第一比较器单元的输出z1以及第四比较器单元的输出z2相连接；
所述ADP第一子控制器单元的输入端与ADP运算单元的输出相连接；
所述ADP第二子控制器单元的输入端为ADP运算单元的输出相连接；
所述第六比较器单元的输入端分别与反步法第二子控制器单元的输出ubs2和ADP第二子控制器单元的输出uadp2相连接；
所述单臂机械手系统的输入端与第六比较器单元的输出u相连接。
2.根据权利要求1所述的基于输出位置的单臂机械手自适应控制器，其特征在于，所述单臂机械手系统事件触发ADP控制器结构的系统模型为：
其中，θ为系统输出转角；D0＝4ml2/3为转动惯量；C0为关节转到的粘性摩擦系数；G0＝mglcosθ为机械手的重力项，m为机械手质量，l为质心距连杆转动中心的距离，g为重力加速度；τ为单臂机械手的力矩，即控制量。
3.根据权利要求1所述的基于输出位置的单臂机械手自适应控制器，其特征在于，所述单臂机械手系统的状态模型为：
其中，x1＝θ；y为单臂机械手输出的位置信号；u是控制律计算单元的输出，即控制输入；x 2＝[x1 x2]T；F1(x 2)+C2x2＝x2；C2和C3为大于零的常数。
4.一种基于输出位置的单臂机械手自适应控制方法，用于控制单臂机械手系统，其特征在于，包括如下步骤：
S1、将第一比较器单元的输入端分别与单臂机械手系统的输出x1和期望信号yd相连接，通过以下公式的计算得到第一比较器单元的输出z1，
z1＝x1-yd；
S2、将观测器单元的输入端分别与单臂机械手系统的输出x1、反步法第一逼近单元的输出反步法第二逼近单元观测器单元的输出观测器单元的输出以及第六较器单元的输出u相连接，通过以下公式的计算得到观测器单元的输出和
其中，k1和k2为观测器增益，分别为大于零的常数；
S3、将反步法第一更新单元的输入端分别与反步法第一更新单元的输出第一比较器单元的输出z1以及期望信号yd相连接，通过以下公式的计算得到反步法第一更新单元的输出
其中，r1是大于零的常数，为模糊逻辑系统的权值估计矩阵，是N行1列的矩阵；为模糊逻辑系统的隶属函数，是N行1列的矩阵， l和N分别为大于零的整数，且l≤N；
S4、将反步法第一逼近单元的输入端分别与反步法第一更新单元的输出观测器单元的输出以及观测器单元的输出相连接，通过以下公式的计算得到反步法第一逼近单元的输出
其中，为模糊逻辑系统的隶属函数，是N行1列的矩阵，
S5、将反步法第一运算单元的输入端分别与反步法第一更新单元的输出和期望信号yd相连接，通过以下公式的计算得到反步法第一逼近单元的输出
S6、将第二比较器单元分别与反步法第一逼近单元的输出和反步法第一运算单元的输出相连接，通过以下公式的计算得到第二比较器单元的输出
S7、将反步法第一控制器单元的输入端分别与反步法第一逼近单元的输出第一比较器单元的输出z1以及期望信号yd相连接，通过以下公式的计算得到反步法第一控制器单元的输出ubs1，
其中，γ1是大于零的常数，为期望信号yd关于时间t的导数；
S8、将第三比较器单元的输入端分别与反步法第一控制器单元的输出ubs1和ADP第一子控制器单元的输出uadp1相连接，通过以下公式的计算得到第三比较器单元的输出u1，
u1＝ubs1+uadp1；
S9、将第四比较器单元的输入端分别与观测器单元的输出和第三比较器单元的输出u1相连接，通过以下公式的计算得到第四比较器单元的输出z2，
S10、将反步法第二更新单元的输入端分别与第三比较器单元的输出u1、第六较器单元的输出u、第四比较器单元的输出z2以及期望信号yd相连接，通过以下公式的计算得到反步法第二更新单元的输出
其中，r2是大于零的常数，为模糊逻辑系统的权值估计矩阵，是N行1列的矩阵，为模糊逻辑系统的隶属函数，是N行1列的矩阵，
S11、将反步法第二逼近单元的输入端分别与反步法第二更新单元的输出第六比较器单元的输出u、观测器单元的输出和观测器单元的输出相连接，通过以下公式的计算得到得到反步法第二逼近单元的输出
S12、将反步法第二运算单元的输入端分别与反步法第二更新单元的输出第三比较器单元的输出u1、第四比较器单元的输出z2以及期望信号yd相连接，通过以下公式的计算得到得到反步法第二运算单元的输出
S13、将第五比较器单元的输入端分别与反步法第二运算单元的输出和反步法第二逼近单元的输出相连接，通过以下公式的计算得到第五比较器单元的输出
S14、将反步法第二控制器单元的输入端分别与观测器单元的输出观测器单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、反步法第二运算单元的输出期望信号yd以及第三比较器单元的输出u1相连接，通过以下公式的计算得到反步法第二控制器单元的输出ubs2，
其中，γ2是大于零的常数，为第三比较器单元的输出u1关于时间t的导数；
S15、将ADP更新单元的输入端分别与第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1、ADP第二子控制器单元的输出uadp2、第二比较器单元的输出以及第二比较器单元的输出相连接，通过以下公式的计算得到ADP更新单元的输出的输出
其中，为ADP逼近单元中神经网络隐藏层到输出层的估计权值矩阵，是P行1列矩阵，P为ADP逼近单元中神经网络隐藏层神经元的个数，是大于零的常数；βc为神经网络的学习率，是大于零的常数；Π＝GTR-1G，
r′1和r′2分别是大于零的常数；m(Z)＝VjZ，Vj为ADP更新单元中神经网络输入层到隐藏层的权值矩阵，为P行4列的矩阵，φ(m(Z))为双曲正切函数，是P行1列的矩阵，是双曲正切函数φ(Z)对的偏导矩阵， q1和q2分别为大于零的常数；
S16、将ADP逼近单元的输入端分别与ADP更新单元的输出第一比较器单元的输出z1、第四比较器单元的输出z2、ADP第一子控制器单元的输出uadp1以及ADP第二子控制器单元的输出uadp2相连接，通过以下公式的计算得到ADP逼近单元的输出
S17、将ADP运算单元的输入端分别与ADP逼近单元的输出第一比较器单元的输出z1以及第四比较器单元的输出z2相连接，通过以下公式的计算得到ADP运算单元的输出和
S18、将ADP第一子控制器单元的输入端与ADP运算单元的输出相连接，通过以下公式的计算得到ADP第一子控制器单元的输出uadp1，
S19、将ADP第二子控制器单元的输入端为ADP运算单元的输出相连接，通过以下公式的计算得到ADP第二子控制器单元的输出uadp2，
S20、将第六比较器单元的输入端分别与反步法第二子控制器单元的输出ubs2和ADP第二子控制器单元的输出uadp2相连接，通过以下公式的计算得到第六比较器单元的输出u，并将u作为单臂机械手系统的输入，
u＝ubs2+uadp2。
5.根据权利要求4所述的基于输出位置的单臂机械手自适应控制方法，其特征在于：在所述S2中，观测器单元的输入端所接入的观测器单元的输出观测器单元的输出在控制器第一次运行过程中，所接入的观测器单元的输出观测器单元的输出均为常数值；在控制器之后的运行过程中，所接入的观测器单元的输出观测器单元的输出均为上一次运行时，观测器单元的输出值。
6.根据权利要求4所述的基于输出位置的单臂机械手自适应控制方法，其特征在于：在所述S3中，反步法第一更新单元的输入端所接入的反步法第一更新单元的输出在控制器第一次运行过程中，所接入的反步法第一更新单元的输出为常数值；在控制器之后的运行过程中，所接入的反步法第一更新单元的输出为上一次运行时反步法第一更新单元的输出。
7.根据权利要求4所述的基于输出位置的单臂机械手自适应控制方法，其特征在于：在所述S15中，在控制器第一次运行过程中，为常数矩阵，在控制器之后的运行过程中，ADP更新单元的输出选用ADP更新单元的输出。
CN201810817332.7A 2018-07-24 2018-07-24 基于输出位置的单臂机械手自适应控制器及控制方法 Pending CN108942935A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810817332.7A CN108942935A (zh) 2018-07-24 2018-07-24 基于输出位置的单臂机械手自适应控制器及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810817332.7A CN108942935A (zh) 2018-07-24 2018-07-24 基于输出位置的单臂机械手自适应控制器及控制方法

Publications (1)

Publication Number Publication Date
CN108942935A true CN108942935A (zh) 2018-12-07

Family

ID=64464498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810817332.7A Pending CN108942935A (zh) 2018-07-24 2018-07-24 基于输出位置的单臂机械手自适应控制器及控制方法

Country Status (1)

Country Link
CN (1) CN108942935A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739089A (zh) * 2019-01-07 2019-05-10 大连海事大学 一种无人驾驶船舶非周期采样远程操控系统及设计方法
CN109932900A (zh) * 2019-04-28 2019-06-25 东华大学 一种非线性连续系统的权重更新方法
CN110193833A (zh) * 2019-06-27 2019-09-03 青岛大学 多机械臂系统的自适应有限时间命令滤波反步控制方法
CN110315527A (zh) * 2019-02-26 2019-10-11 浙江树人学院（浙江树人大学） 一种自适应动态规划的柔性机械臂控制方法
CN110434858A (zh) * 2019-09-11 2019-11-12 青岛大学 一种基于命令滤波的多机械臂系统的力/位混合控制方法
CN110687784A (zh) * 2019-09-16 2020-01-14 广东工业大学 一种针对非线性不确定系统的自适应事件触发控制方法
CN113419427A (zh) * 2021-07-14 2021-09-21 南京邮电大学 一种基于极限学习机的分散式自适应跟踪控制方法
CN113867150A (zh) * 2021-10-14 2021-12-31 北京工业大学 一种具有饱和输入的多智能体的事件驱动控制方法
CN114371616A (zh) * 2021-12-09 2022-04-19 上海工程技术大学 一种死区非线性时滞系统的跟踪控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102385316A (zh) * 2011-09-16 2012-03-21 哈尔滨工程大学 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法
US20150051734A1 (en) * 2013-08-15 2015-02-19 Yu Zheng Human motion tracking control with strict contact force contstraints for floating-base humanoid robots
CN104834218A (zh) * 2015-04-29 2015-08-12 南京邮电大学 一种平行单级双倒立摆的动态面控制器结构及设计方法
CN107717986A (zh) * 2017-09-25 2018-02-23 珠海市领创智能物联网研究院有限公司 一种智能机器人的控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102385316A (zh) * 2011-09-16 2012-03-21 哈尔滨工程大学 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法
US20150051734A1 (en) * 2013-08-15 2015-02-19 Yu Zheng Human motion tracking control with strict contact force contstraints for floating-base humanoid robots
CN104834218A (zh) * 2015-04-29 2015-08-12 南京邮电大学 一种平行单级双倒立摆的动态面控制器结构及设计方法
CN107717986A (zh) * 2017-09-25 2018-02-23 珠海市领创智能物联网研究院有限公司 一种智能机器人的控制方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739089A (zh) * 2019-01-07 2019-05-10 大连海事大学 一种无人驾驶船舶非周期采样远程操控系统及设计方法
CN109739089B (zh) * 2019-01-07 2021-08-10 大连海事大学 一种无人驾驶船舶非周期采样远程操控系统及设计方法
CN110315527A (zh) * 2019-02-26 2019-10-11 浙江树人学院（浙江树人大学） 一种自适应动态规划的柔性机械臂控制方法
CN109932900A (zh) * 2019-04-28 2019-06-25 东华大学 一种非线性连续系统的权重更新方法
CN110193833A (zh) * 2019-06-27 2019-09-03 青岛大学 多机械臂系统的自适应有限时间命令滤波反步控制方法
CN110434858B (zh) * 2019-09-11 2020-11-17 青岛大学 一种基于命令滤波的多机械臂系统的力/位混合控制方法
CN110434858A (zh) * 2019-09-11 2019-11-12 青岛大学 一种基于命令滤波的多机械臂系统的力/位混合控制方法
CN110687784A (zh) * 2019-09-16 2020-01-14 广东工业大学 一种针对非线性不确定系统的自适应事件触发控制方法
CN110687784B (zh) * 2019-09-16 2022-10-04 广东工业大学 一种针对非线性不确定系统的自适应事件触发控制方法
CN113419427A (zh) * 2021-07-14 2021-09-21 南京邮电大学 一种基于极限学习机的分散式自适应跟踪控制方法
CN113419427B (zh) * 2021-07-14 2022-04-01 南京邮电大学 一种基于极限学习机的分散式自适应跟踪控制方法
CN113867150A (zh) * 2021-10-14 2021-12-31 北京工业大学 一种具有饱和输入的多智能体的事件驱动控制方法
CN114371616A (zh) * 2021-12-09 2022-04-19 上海工程技术大学 一种死区非线性时滞系统的跟踪控制方法
CN114371616B (zh) * 2021-12-09 2023-09-12 上海工程技术大学 一种死区非线性时滞系统的跟踪控制方法

Similar Documents

Publication Publication Date Title
CN108942935A (zh) 基于输出位置的单臂机械手自适应控制器及控制方法
Sun et al. Adaptive fuzzy control for nontriangular structural stochastic switched nonlinear systems with full state constraints
Sui et al. Finite-time filter decentralized control for nonstrict-feedback nonlinear large-scale systems
Liang et al. Adaptive fuzzy asymptotic tracking for nonlinear systems with nonstrict-feedback structure
Ma et al. Output tracking and regulation of nonlinear system based on Takagi-Sugeno fuzzy model
Yang et al. Adaptive neural prescribed performance tracking control for near space vehicles with input nonlinearity
CN108445766A (zh) 基于rpd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法
Liu et al. Adaptive tracking control for a class of nonlinear systems with a fuzzy dead-zone input
Wang et al. Passivity and passification of memristive recurrent neural networks with multi-proportional delays and impulse
Liu et al. Adaptive fuzzy finite-time stability of uncertain nonlinear systems based on prescribed performance
Zhang et al. A penalty strategy combined varying-parameter recurrent neural network for solving time-varying multi-type constrained quadratic programming problems
Radac et al. Three-level hierarchical model-free learning approach to trajectory tracking control
Zhang et al. Adaptive dynamic programming-based event-triggered robust control for multiplayer nonzero-sum games with unknown dynamics
Sui et al. Prescribed performance fuzzy adaptive output feedback control for nonlinear MIMO systems in a finite time
CN109164824A (zh) 一种考虑飞轮不确定性的航天器姿态控制方法
CN105137999A (zh) 一种具有输入饱和的飞行器跟踪控制直接法
Dou et al. Identification of nonlinear aeroelastic system using fuzzy wavelet neural network
CN105955284A (zh) 一种在轨加注航天器姿态控制方法
CN108356816A (zh) 基于输出位置的单臂机械手事件触发adp控制器结构
CN115990888B (zh) 一种具有死区和时变约束功能的机械臂控制方法
CN110471281A (zh) 一种轨迹跟踪控制的变论域模糊控制系统及控制方法
Fan et al. Event-triggered integral sliding mode control for uncertain fuzzy systems
Luo et al. Dynamical analysis of the fractional-order centrifugal flywheel governor system and its accelerated adaptive stabilization with the optimality
CN106647241B (zh) 一种新型的非线性pid控制器
Yao et al. Finite-time control of complex networked systems with structural uncertainty and network induced delay

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181207