CN109358506B - 一种基于干扰观测器的自适应模糊遥操作控制方法 - Google Patents
一种基于干扰观测器的自适应模糊遥操作控制方法 Download PDFInfo
- Publication number
- CN109358506B CN109358506B CN201811258782.3A CN201811258782A CN109358506B CN 109358506 B CN109358506 B CN 109358506B CN 201811258782 A CN201811258782 A CN 201811258782A CN 109358506 B CN109358506 B CN 109358506B
- Authority
- CN
- China
- Prior art keywords
- slave
- fuzzy
- master
- adaptive
- mechanical arm
- 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)
- Manipulator (AREA)
Abstract
本发明公开了一种基于干扰观测器的自适应模糊遥操作控制方法,包括以下步骤:步骤S1:对双边遥操作系统的主、从端机械臂建立动力学模型;步骤S2:针对从边的未知干扰,设计相应的干扰观测器;步骤S3:针对机械臂的运动学和动力学不确定性,利用模糊自适应控制器对其进行估计补偿,并设计从端的基于干扰观测器的自适应模糊控制器。本发明给出了外部干扰观测器的设计方法;同时,针对主从两端的运动学和动力学不确定性,本发明利用模糊自适应的控制方法,以抵消不确定性对系统的稳定及同步性能的影响,同时从端控制器在此设计的基础上结合干扰观测器,进一步消除外部未知干扰对系统的影响。
Description
技术领域
本发明涉及遥操作机器人控制技术领域,涉及一种基于干扰观测器的双边遥操作系统的自适应模糊控制方法。
背景技术
遥操作技术通过将人类的能动性和机器人的适应能力相结合,实现对处于危险有害环境的远程任务的操作控制。
双边遥操人类作系统主要由操作者、主端及其控制器、通信网络、从端及其控制器和外界环境5部分组成,在双边遥操作系统中,主端机器人和操作者一起,而从机器人处于将要执行任务的环境中,比如遥远的地方,或者人类难以接近的危险的环境中。主从式遥操作控制下,人类操作者操纵主机器人执行某项任务或进行某一动作,通过通信网络将该动作指令传输到从机器人,从机器人接受指令并在远程工作环境中执行任务或完成指定动作,同时将与环境相接触得到的力信息等工作状态反馈回主机器人,使得操作者可以在本地感知远端环境的变化。
遥操作系统的性能指标主要包括稳定性和透明性,而实现对遥操作系统的有效控制面临着很多挑战,一方面由于系统本身的复杂性、非线性及主从系统间的耦合性,另一方面由于环境的变化使得系统的动力学及运动学参数存在不确定性,同时存在于环境中的未知扰动也会对系统的性能造成影响。遥操作系统一般处于网络化通信环境中,通信时延就不可避免了,时延的存在往往对系统的性能产生不利的影响,因此设计控制器时应同时考虑以上诸多因素。
干扰观测器是通过构造新的动态系统对原系统的中的不确定因素进行观测或估计,利用观测的输出值对系统的不确定性进行补偿。而自适应控制方法对于一类不确定性问题行之有效,能够有针对性的解决系统运动学参数不确定的问题,同时模糊模糊逻辑系统能任意逼近非线性系统,将模糊逻辑控制结合自适应控制,可以有效的解决遥操作系统中的很多难题。
发明内容
本发明针对遥操作系统主、从端存在的各种不确定性,提出基于干扰观测器的模糊自适应控制方法,使用非线性干扰观测器对外部干扰进行估计、补偿,结合模糊自适应控制克服不确定性及时延对系统性能的影响,提高遥操作系统的稳定性和主、从端的同步性。
为达到以上目标,本发明采用以下技术方案,并按如下步骤实施:
第一步:对双边遥操作系统的主、从端机械臂建立动力学模型;
第二步:针对从边的未知干扰,设计相应的干扰观测器;
第三步:针对机械臂的运动学不确定性,分别在主、从端设计基于干扰观测器的自适应模糊控制器。
首先,建立机械臂动力学模型:
其中,下标i∈{m,s},m,s分别表示主端和从端;qi,分别表示机械臂关节的位置、速度和角速度,Mqi(qi)∈Rp×p是正定对称的惯性矩阵,是离心力/科里奥利力矩阵,Gqi(qi)∈Rp是重力矩阵,ds∈Rp表示从边环境的未知外部干扰项,Ji(qi)∈Rp ×p为Jacobin矩阵,Fh,Fe∈Rp分别为主端操作者和环境施加的力,τm,τs∈Rp分别为主端和从端的控制器输入力矩。
利用关节空间与任务空间之间的转换关系:
xm=hm(qm),xs=hs(qs)
引入雅可比矩阵:
其中,hi(qi)是关节空间到任务空间的非线性转换关系,
人类操作者与环境的动态模型分别建立如下:
结合操作端和环境的动态模型,主、从端机械臂的模型为:
其中,
进一步的,第二步进行从端干扰观测器的设计
滤波操作后的从端模型为:
从端模型进一步变形为:
利用不变流形思想,在不使用加速度信号的情况下设计干扰观测器:
第三步,进行主从控制器的设计,具体的首先构造滑模面,根据在线测得的主、从端机械臂的位置矢量,定义位置误差项:
em(t)=qm(t)-qs(t-Ts),es(t)=qs(t)-qm(t-Tm)
其中,Tm,Ts分别为信号传输的主、从端的时延。
定义系统的滑模面为:
系统的主、从端动力学模型就变为:
其中,G′m(Zm),G′s(Zs)为模糊逻辑系统需要逼近的函数式,
其中输入量为:
通过设计基于模糊逻辑的自适应控制算法对G′m(Zm),G′s(Zs)进行估计和补偿,
其中,i={m,s},是最优化近似参数,表示已知的模糊基函数向量,εi(Zi)是近似估计函数,通过该模糊逻辑控制算法消除主、从端动力学参数不确定性对系统性能的影响,G′m(Zm),G′s(Zs)的近似估计值表示为:
进一步地,针对遥操作系统的动力学参数不确定性,分别在主、从端添加模糊自适应控制器进行估计和补偿,并相应的在从端添加干扰观测器,完善系统性能,控制器具体设计如下:
其中,Km,Ks为正定对称矩阵,ξm,ξs为模糊自适应估计误差值的上界,满足
模糊逻辑自适应律设计为:
误差项的调节律为:
与现有技术相比,本发明具有如下有益效果:
本发明采用基于干扰观测器的的自适应模糊控制方法,利用自适应模糊控制方法在线估计系统的动力学参数不确定性,进而利用控制中的自适应项抵消不确定项对系统性能的影响,在此基础上,针对从端模型处于遥远未知环境中的干扰,设计干扰观测器,将滤波器引入观测器的设计,不仅能有效的估计外部干扰,还能避免加速度信号的使用,从而减小测量误差,最后将观测到的干扰值作为前馈在控制器输出中进行补偿,从而克服了未知干扰对系统的影响,保证了双边遥操作系统在存在不确定性及未知干扰的情况下,实现主、从端操作的稳定和同步性能。
附图说明
图1为双边遥操作系统的结构框图;
图2为本发明的控制系统结构图;
图3为仿真过程中主、从机械臂关节位置及速度的跟踪轨迹,
其中:图3(a)为仿真过程中主机械臂关节位置跟踪轨迹,
图3(b)为仿真过程中从机械臂关节位置跟踪轨迹,
图3(c)为仿真过程中从机械臂关节速度的跟踪轨迹,
图3(d)为仿真过程中从机械臂关节速度的跟踪轨迹;
图4为仿真过程中主、从机械臂末端执行器位置及速度的跟踪轨迹,
其中:图4(a)为仿真过程中主机械臂末端执行器位置的跟踪轨迹,
图4(b)为仿真过程中从机械臂末端执行器位置的跟踪轨迹,
图4(c)为仿真过程中主机械臂末端执行器速度的跟踪轨迹,
图4(d)为仿真过程中从机械臂末端执行器速度的跟踪轨迹。
具体实施方式
下面结合附图对本发明的实施例作进一步描述,以下实施例用于说明本发明,并不限制本发明的应用。
本基于干扰观测器的自适应模糊遥操作控制方法,主要包括以下操作偶不在:S1:建立遥操作系统的动力学模型和运动学数学模型,S2:针对从端的未知外部干扰,在从端添加干扰观测器,S3:针对遥操作系统的不确定性,设计主、从端自适应模糊控制器,对不确定参数进行在线估计,实现主从操作的稳定和同步。
具体的实施步骤如下:
第一步:对主、从端机械臂建立动力学模型,
在与操作端和环境相互接触的情况下,具有p自由度的机械臂的遥操作系统的主、从端的关节空间模型为:
其中,下标i∈{m,s},m,s分别表示主端和从端;qi,分别表示机械臂关节的位置、速度和角速度,Mqi(qi)∈Rp×p是正定对称的惯性矩,是离心力/科里奥利力矩阵,Gqi(qi)∈Rp是重力矩阵,ds∈Rp是从边的未知外部干扰项,Ji(qi)∈Rp×p为Jacobin矩阵,Fh,Fe∈Rp分别为主端操作者和环境施加的力,τm,τs∈Rp分别为主端和从端的控制器输入力矩。
性质1:惯性矩阵Mqi(qi)∈Rp×p对称正定且上下有界,即存在正常量mi1和mi2使得mi1I≤Mqi(qi)≤mi2I成立,其中i∈{m,s}。
性质3:对于所有的qi,x,y∈Rp,存在正标量ai使得||Cqi(qi,x)y||≤ai||x||·||y||成立,其中||·||表示向量的欧几里得范数和相应的诱导矩阵范数。
性质4:重力向量Gqi(qi)有界且由关于qi的三角函数构成,存在正常量μgi使得||Gqi(qi)||≤μgi成立。
机器人运动学是指机器人的关节空间角度和任务空间位置之间的数学关系。设主、从端机器人末端的位置分别为xm,xs∈Rp,关节空间与任务空间之间的转换关系可表示为:
xm=hm(qm),xs=hs(qs)
引入雅可比矩阵:
当主、从端分别与操作者和环境相接触时,人类操作者与环境的任务空间动力学模型分别为:
根据关节空间和任务空间的转换关系并结合操作端及环境的动力学模型,主、从端机械臂的动力学模型为:
在融入了操作者和环境的模型之后,对于新的惯性矩阵、离心力\科里奥利扭矩以及重力项不再成立,取而代之,是一个新的性质:
第二步进行从端干扰观测器的设计,
干扰观测器对不可预测的或随机的外部干扰具有很好的抑制效果,基本思想是是通过构造新的动态系统对原系统中不确定因素进行观测或估计,然后利用估计输出设计补偿控制律消除不确定影响,从而提高控制器的性能。
首先通过定义新的辅助变量,将从端机械臂的动力学模型转换形式,辅助变量定义如下:
则从端机械臂的动力学模型可重新写成:
滤波操作后的从端模型为:
从端模型进一步变形为:
利用不变流形思想,在不使用加速度信号的情况下设计干扰观测器:
第三步,进行主从控制器的设计,具体的首先构造滑模面,根据在线测得的主、从端机械臂的位置矢量,定义位置误差项:
em(t)=qm(t)-qs(t-Ts),es(t)=qs(t)-qm(t-Tm)
其中,Tm,Ts分别为信号传输的主、从端的时延。
定义系统的滑模面为:
系统的主、从端动力学模型就变为:
其中,G′m(Zm),G′s(Zs)为模糊逻辑系统需要逼近的函数式,
其中输入量为:
通过设计基于模糊逻辑的自适应控制算法对G′m(Zm),G′s(Zs)进行估计和补偿,
通过该模糊逻辑控制算法消除主、从端动力学参数不确定性对系统性能的影响,
G′m(Zm),G′s(Zs)的近似估计值表示为:
进一步地,针对遥操作系统的动力学参数不确定性,分别在主、从端添加模糊自适应控制器进行估计和补偿,并相应的在从端添加干扰观测器,完善系统性能,控制器具体设计如下:
其中,Km,Ks为正定对称矩阵,ξm,ξs为模糊自适应估计误差值的上界,满足
模糊逻辑自适应律设计为:
误差项的调节律为:
至此,阐述了本发明使用的遥操作系统的模型、设计的从端基于干扰观测器的自适应模糊控制器和主端的自适应模糊控制器的具体结构。
为进一步说明本发明的实施步骤,并展示其有效的控制效果,以下对本发明提出的控制方法在MATLAB\Simulink上进行仿真。
在仿真中,选取的双边遥操作系统结构图如图1所示,其中主、从端机械臂均为2-DOF的关节机械臂,具体的控制结构示意图如图2所示。
根据图2在Simulink中搭建遥操作的模型框架,并根据主、从端机械臂的动力学模型及人类操作者和环境力的动态模型进行建模,利用干扰观测器对从端受到的外部干扰进行观测,并根据设计出的自适应模糊控制器搭建控制器框架。
其中,主从机械臂相关的参数矩阵具体形式如下:
关节空间与笛卡尔空间之间的坐标关系为:
需要观测的从端的外部干扰为:
其中,g为重力加速度,取为g=9.8m/s2。仿真中用到的其他机器人参数设置为:m1=1kg,m2=1.5kg,l1=1m,l2=0.8m。
对于所设计的控制器来说,考虑到稳定性及跟踪性能的要求,参数设置如下:滤波器参数k=0.1,控制器参数α=0.5,Km=10I,Ks=10I。
此外,主从间的通信时延设为T=1s,以模拟实际遥操作环境中回路时延对系统传输信号的影响。对程序进行仿真,得到主从机械臂的关节和末端执行器的位置及速度跟踪曲线图。
从图3和图4可以看出,从端机械臂的两个关节角都能够很好的跟踪主端关节的变化,同时在笛卡尔空间中,从端的末端执行器也能够在时延存在的条件下,较好的跟踪主端的运动。通过仿真可以证实,本发明设计的主从控制器可以在有界时延及外部干扰的影响下,实现主、从端操作的稳定性及良好的跟踪性能。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (2)
1.一种基于干扰观测器的自适应模糊遥操作控制方法,其特征在于,包括以下步骤:
步骤S1:对双边遥操作系统的主、从端机械臂建立动力学模型;
建立主、从端机械臂的动力学模型的具体方法是:
在与操作端和环境相互接触的情况下,基于关节空间的具有p自由度的机械臂的拉格朗日动力学模型:
其中,下标i∈{m,s},m,s分别表示主端和从端;分别表示机械臂关节的位置、速度和角速度,Mqi(qi)∈Rp×p是正定对称的惯性矩阵,是离心力/科里奥利力矩阵,Gqi(qi)∈Rp是重力矩阵,ds∈Rp表示从边环境的未知外部干扰项,Ji(qi)∈Rp×p为Jacobin矩阵,Fh,Fe∈Rp分别为主端操作者和环境施加的力,τm,τs∈Rp分别为主端和从端的控制器输入力矩,
设主、从端机器人末端的位置分别为xm,xs∈Rp,关节空间与任务空间之间的转换关系可表示为:
xm=hm(qm),xs=hs(qs) (2)
引入雅可比矩阵:
当主、从端分别与操作者和环境相接触时,人类操作者与环境的任务空间动力学模型分别为:
根据关节空间和任务空间的转换关系并结合操作端及环境的动力学模型,主、从端机械臂的动力学模型为:
步骤S2:针对从边的未知干扰,设计相应的干扰观测器;
针对从边的未知干扰,设计相应的干扰观测器的具体方法是:
首先通过定义新的辅助变量,将从端机械臂的动力学模型转换形式,辅助变量定义如下:
则从端机械臂的动力学模型可重新写成:
滤波操作后的从端模型为:
从端模型进一步变形为:
利用不变流形思想,在不使用加速度信号的情况下设计干扰观测器:
步骤S3:针对机械臂的运动学和动力学不确定性,利用模糊自适应控制器对其进行估计补偿,并设计从端的基于干扰观测器的自适应模糊控制器。
2.根据权利要求1所述的一种基于干扰观测器的自适应模糊遥操作控制方法,其特征在于,所述步骤S3操作中,针对机械臂的运动学和动力学不确定性,利用模糊自适应控制器对其进行估计补偿,并设计从端的基于干扰观测器的自适应模糊控制器的具体方法是:
首先构造滑模面,根据在线测得的主、从端机械臂的位置矢量,定义位置误差项:
em(t)=qm(t)-qs(t-Ts),es(t)=qs(t)-qm(t-Tm) (14)
其中,Tm,Ts分别为信号传输的主、从端的时延,定义系统的滑模面为:
系统的主、从端动力学模型就变为:
其中,G′m(Zm),G′s(Zs)为模糊逻辑系统需要逼近的函数式,
通过设计基于模糊逻辑的自适应控制算法对G′m(Zm),G′s(Zs)进行估计和补偿,
通过该模糊逻辑控制算法消除主、从端动力学参数不确定性对系统性能的影响,
G′m(Zm),G′s(Zs)的近似估计值表示为:
其中输入量为:
进一步地,针对遥操作系统的动力学参数不确定性,分别在主、从端添加模糊自适应控制器进行估计和补偿,并相应的在从端添加干扰观测器,完善系统性能,控制器具体设计如下:
其中,Km,Ks为正定对称矩阵,ξm,ξs为模糊自适应估计误差值的上界,满足
模糊逻辑自适应律设计为:
误差项的调节律为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811258782.3A CN109358506B (zh) | 2018-10-26 | 2018-10-26 | 一种基于干扰观测器的自适应模糊遥操作控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811258782.3A CN109358506B (zh) | 2018-10-26 | 2018-10-26 | 一种基于干扰观测器的自适应模糊遥操作控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109358506A CN109358506A (zh) | 2019-02-19 |
CN109358506B true CN109358506B (zh) | 2021-07-23 |
Family
ID=65347031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811258782.3A Active CN109358506B (zh) | 2018-10-26 | 2018-10-26 | 一种基于干扰观测器的自适应模糊遥操作控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109358506B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111973279B (zh) * | 2019-05-21 | 2021-07-16 | 复旦大学 | 一种血管介入手术机器人的主从位置自适应跟踪控制方法 |
CN110253572B (zh) * | 2019-05-31 | 2021-03-30 | 广东工业大学 | 一种输入饱和多单臂机械手的事件触发控制方法 |
CN110253573A (zh) * | 2019-06-05 | 2019-09-20 | 重庆工商职业学院 | 一种基于串并联估计模型的柔性机械臂系统模糊控制方法 |
CN110471375B (zh) * | 2019-07-08 | 2020-07-28 | 杭州电子科技大学 | 一种水泥脱硝过程的抗干扰优化跟踪方法 |
CN110262256B (zh) * | 2019-07-18 | 2020-09-11 | 浙江大学 | 一种非线性遥操作系统的多边自适应滑模控制方法 |
CN110340894B (zh) * | 2019-07-18 | 2020-10-16 | 浙江大学 | 一种基于模糊逻辑的遥操作系统自适应多边控制方法 |
CN110426957B (zh) * | 2019-07-31 | 2020-03-13 | 深圳信息职业技术学院 | 一种基于时延观测器的水厂投药系统自适应滑模控制方法 |
CN110794678B (zh) * | 2019-11-05 | 2021-07-30 | 燕山大学 | 一种磁滞非线性受限下的四通道遥操作力反馈控制方法 |
CN111216130B (zh) * | 2020-01-10 | 2021-04-20 | 电子科技大学 | 一种基于变化阻抗控制的不确定机器人自适应控制方法 |
CN111258220B (zh) * | 2020-01-21 | 2022-12-06 | 重庆邮电大学 | 一种基于干扰观测器的柔性机械臂级联控制方法及系统 |
CN111198502B (zh) * | 2020-02-28 | 2021-04-09 | 浙江大学 | 基于干扰观测器和模糊系统的无人艇航迹跟踪控制方法 |
CN111427264B (zh) * | 2020-03-15 | 2021-12-14 | 中国地质大学(武汉) | 一种复杂遥操作技术的神经自适应固定时间控制方法 |
CN111515951A (zh) * | 2020-04-29 | 2020-08-11 | 江苏集萃华科智能装备科技有限公司 | 机器人的遥操作系统及遥操作控制方法 |
CN111673750B (zh) * | 2020-06-12 | 2022-03-04 | 南京邮电大学 | 欺骗攻击下的主从式多机械臂系统的速度同步控制方案 |
CN112783046B (zh) * | 2020-12-31 | 2022-03-15 | 西北工业大学 | 基于模糊策略的双边遥操作末端平滑行为规划控制方法 |
CN113427483A (zh) * | 2021-05-19 | 2021-09-24 | 广州中国科学院先进技术研究所 | 一种基于强化学习的双机器人力/位多元数据驱动方法 |
CN113820978B (zh) * | 2021-09-08 | 2023-05-26 | 华侨大学 | 一种网络遥操作机器人系统的准同步控制方法 |
CN114280924B (zh) * | 2021-12-21 | 2023-10-31 | 南京理工大学 | 基于模糊观测器的柔性关节机器人系统事件触发控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120012722A (ko) * | 2010-08-03 | 2012-02-10 | 한국기술교육대학교 산학협력단 | 시간영역 수동성 기법을 이용하여 시간 지연에서의 안정적인 원격제어를 보장하는 양방향 제어기 |
CN103389650A (zh) * | 2013-08-08 | 2013-11-13 | 西华大学 | 四通道遥操作系统的双边未知死区自适应控制系统 |
CN106647281A (zh) * | 2017-01-18 | 2017-05-10 | 燕山大学 | 一种基于终端滑模的遥操作系统干扰有限时间补偿方法 |
CN106737668A (zh) * | 2016-12-09 | 2017-05-31 | 南京理工大学 | 一种基于虚拟现实的带电作业机器人遥操作方法 |
CN106938462A (zh) * | 2016-12-07 | 2017-07-11 | 北京邮电大学 | 一种基于自适应pd和模糊逻辑的遥操作双边控制方法 |
CN106945043A (zh) * | 2017-04-18 | 2017-07-14 | 中国科学院重庆绿色智能技术研究院 | 一种主从式遥操作手术机器人多臂协同控制系统 |
KR20170086302A (ko) * | 2016-01-18 | 2017-07-26 | 한국기술교육대학교 산학협력단 | 다자간 원격제어를 안정화하기 위한 방법 및 이를 위한 시스템 |
CN107255922A (zh) * | 2017-05-27 | 2017-10-17 | 燕山大学 | 一种基于自适应双层滑模的遥操作系统快速力估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9358975B1 (en) * | 2015-04-10 | 2016-06-07 | Google Inc. | Virtual moving safety limits for vehicles transporting objects |
-
2018
- 2018-10-26 CN CN201811258782.3A patent/CN109358506B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120012722A (ko) * | 2010-08-03 | 2012-02-10 | 한국기술교육대학교 산학협력단 | 시간영역 수동성 기법을 이용하여 시간 지연에서의 안정적인 원격제어를 보장하는 양방향 제어기 |
CN103389650A (zh) * | 2013-08-08 | 2013-11-13 | 西华大学 | 四通道遥操作系统的双边未知死区自适应控制系统 |
KR20170086302A (ko) * | 2016-01-18 | 2017-07-26 | 한국기술교육대학교 산학협력단 | 다자간 원격제어를 안정화하기 위한 방법 및 이를 위한 시스템 |
CN106938462A (zh) * | 2016-12-07 | 2017-07-11 | 北京邮电大学 | 一种基于自适应pd和模糊逻辑的遥操作双边控制方法 |
CN106737668A (zh) * | 2016-12-09 | 2017-05-31 | 南京理工大学 | 一种基于虚拟现实的带电作业机器人遥操作方法 |
CN106647281A (zh) * | 2017-01-18 | 2017-05-10 | 燕山大学 | 一种基于终端滑模的遥操作系统干扰有限时间补偿方法 |
CN106945043A (zh) * | 2017-04-18 | 2017-07-14 | 中国科学院重庆绿色智能技术研究院 | 一种主从式遥操作手术机器人多臂协同控制系统 |
CN107255922A (zh) * | 2017-05-27 | 2017-10-17 | 燕山大学 | 一种基于自适应双层滑模的遥操作系统快速力估计方法 |
Non-Patent Citations (1)
Title |
---|
Reliable control for bilateral teleoperation systems with actuator faults using fuzzy disturbance observer;Jian-Ning Li;《 IET Control Theory & Applications》;20170119;第11卷(第3期);第446-455页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109358506A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109358506B (zh) | 一种基于干扰观测器的自适应模糊遥操作控制方法 | |
Liu et al. | Adaptive neural control for dual-arm coordination of humanoid robot with unknown nonlinearities in output mechanism | |
Mohammadi et al. | Disturbance observer-based control of non-linear haptic teleoperation systems | |
CN106945043B (zh) | 一种主从式遥操作手术机器人多臂协同控制系统 | |
Zhang et al. | Neuroadaptive cooperative control without velocity measurement for multiple humanoid robots under full-state constraints | |
CN107577147B (zh) | 一种基于自适应Smith预估器的遥操作双边PID控制方法 | |
CN110262256B (zh) | 一种非线性遥操作系统的多边自适应滑模控制方法 | |
CN105772917B (zh) | 一种三关节点焊机器人轨迹跟踪控制方法 | |
CN109015634B (zh) | 基于性能函数的多臂遥操作机器人力/位置混合控制方法 | |
CN110543184B (zh) | 一种刚性飞行器的固定时间神经网络控制方法 | |
CN106113040B (zh) | 基于串并联估计模型的柔性机械臂系统模糊控制方法 | |
CN109085749A (zh) | 一种基于自适应模糊反演的非线性遥操作双边控制方法 | |
Aldana et al. | Bilateral teleoperation of cooperative manipulators | |
Wang et al. | Adaptive neural network-based visual servoing control for manipulator with unknown output nonlinearities | |
CN115890735B (zh) | 机械臂系统、机械臂及其控制方法、控制器和存储介质 | |
CN109514559B (zh) | 基于输出重定义的柔性机械臂时标分离鲁棒控制方法 | |
Yang et al. | Fixed-time coordination control for bilateral telerobotics system with asymmetric time-varying delays | |
CN109514558A (zh) | 基于奇异摄动的柔性机械臂时标分离鲁棒控制方法 | |
CN112269317A (zh) | 一种基于扩展卡尔曼滤波器的双边遥操作控制方法 | |
Rasouli et al. | Fault-tolerant control of teleoperation systems with flexible-link slave robot and disturbance compensation | |
CN108406766B (zh) | 一种基于复合积分滑模的多机械臂系统同步控制方法 | |
Wei et al. | Wavelet neural networks robust control of farm transmission line deicing robot manipulators | |
CN108170028B (zh) | 一种基于部分神经网络的机器人混沌反控制方法 | |
CN113110070A (zh) | 一种执行器饱和下遥操作系统自适应控制方法 | |
CN115473467A (zh) | 基于模糊观测器的柔性关节机械臂指令滤波反步控制方法 |
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 |