CN111775142A - 一种液压机械臂的模型辨识与自适应控制方法 - Google Patents
一种液压机械臂的模型辨识与自适应控制方法 Download PDFInfo
- Publication number
- CN111775142A CN111775142A CN202010806599.3A CN202010806599A CN111775142A CN 111775142 A CN111775142 A CN 111775142A CN 202010806599 A CN202010806599 A CN 202010806599A CN 111775142 A CN111775142 A CN 111775142A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- hydraulic
- model
- parameters
- adaptive
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005284 excitation Effects 0.000 claims abstract description 26
- 230000003044 adaptive effect Effects 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000002474 experimental method Methods 0.000 claims abstract description 12
- 238000013461 design Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000001133 acceleration Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 10
- 210000002310 elbow joint Anatomy 0.000 description 7
- 239000003921 oil Substances 0.000 description 6
- 210000000323 shoulder joint Anatomy 0.000 description 6
- 210000001503 joint Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
- B25J9/14—Programme-controlled manipulators characterised by positioning means for manipulator elements fluid
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种液压机械臂的模型辨识与自适应控制方法,包括以下步骤:S1、建立包含未知参数的机械臂动力学模型;S2、采用NFO算法设计在特定物理约束下机械臂的激励轨迹并进行激励实验,对机械臂动力学模型中的未知参数进行辨识;S3、设计自适应反步控制器,并采用新的控制变量对自适应反步控制器的控制输出进行修正。本发明利用关节角和扭矩信息,采用邻域优化算法设计具有特定物理约束的激励轨迹进行激励实验,对二自由度液压机械臂的拉格朗日模型参数进行辨识;然后在辨识模型的基础上设计参数自适应反步控制器,可以有效地对不稳定的液压参数进行动态的自适应,最终实现液压系统对机械臂的稳定控制。
Description
技术领域
本发明属于液压控制机械臂技术领域,特别涉及一种液压机械臂的模型辨识与自适应控制方法。
背景技术
电液伺服系统由于具有较高的负载效率和较大的输出功率,在机电工程中得到了广泛的应用。然而,由于未知的粘滞阻尼、负载刚度、控制液量变化、阀的物理特性、体积模量和油温变化,存在液压参数的不确定性。这些不确定的液压参数会给实际的液压控制系统中带来很多的问题,如导致系统的控制精度,控制稳定性不能到达预定要求。针对这个问题,设计了参数自适应控制器,以解决电液参数的不确定性和外界干扰。此外,液压系统驱动的机械臂往往也会由于机械机构的不规则性,传感器依附等原因,使得动力学模型中的参数难以准确获得,本发明针对应用广泛的拉格朗日动力学建模方法所得的动力学模型中的不确定参数,通过NFO(Neighborhood Field Optimization,邻域优化算法)对其进行模型辨识。
NFO(Neighborhood Field Optimization,邻域优化算法)算法的基本原理是:根据优化模型的复杂程度,确定搜索空间上的个体数和优化结束条件,并计算出每个个体的相邻优势个体和相邻劣势个体,并以此获得变异因子和变异向量,在选择的适应度函数下进行个体的更新,直至优化结束条件满足。
随着液压机器臂在工程领域中的应用日益扩大,对解决液压参数不稳定的问题越来越迫切,对于机械臂参数辨识的精度要求越来越高;而现有的模型辨识方法往往达不到实际要求的辨识精度和误差收敛速度,而缺少精度高,收敛快的模型辨识方法的研究。
发明内容
本发明的目的在于克服现有技术的不足,提供一种利用关节角和扭矩信息,采用邻域优化算法设计具有特定物理约束的激励轨迹进行激励实验,对液压机械臂的拉格朗日模型参数进行辨识;然后在辨识模型的基础上,设计参数自适应反步控制器的液压机械臂的模型辨识与自适应控制方法。
本发明的目的是通过以下技术方案来实现的:一种液压机械臂的模型辨识与自适应控制方法,包括以下步骤:
S1、建立包含未知参数的机械臂动力学模型,并将其转化成线性形式;
S2、采用NFO算法设计在特定物理约束下机械臂的激励轨迹并进行激励实验,根据激励实验所获得的数据对机械臂动力学模型中的未知参数进行辨识;
S3、根据机械臂动力学模型参数设计自适应反步控制器,对机械臂动力学模型进行驱动;并采用新的控制变量,对自适应反步控制器的控制输出进行修正。
进一步地,所述步骤S1具体实现方法为:建立机械臂的二阶拉格朗日模型和电液伺服系统的三阶非线性模型,并将二者进行模型整合。
进一步地,步骤S2中,在特定物理约束下的机械臂的激励轨迹具体为:机械臂的关节角度,关节角速度,关节角加速度满足在指定的物理约束值以内。
进一步地,步骤S2中,采用如下傅里叶级数的形式表征激励轨迹:
其中,θd是期望的关节角度,表示期望的关节角速度、表示期望的关节角加速度;θ0是关节的偏移量;ak,bk是待优化的傅里叶级数系数;wf是基波频率,t为时间;k为频率系数,在1和N之间取值,N为傅里叶级数的周期。
进一步地,所述步骤S2中采用NFO算法,通过优化以下适应度函数进行动力学模型的未知参数辨识:
进一步地,所述步骤S3具体包括以下子步骤:
S31、设计电液伺服参数的估计率如下:
S32、采用如下新的控制变量,对系统最终的控制量进行修正:
S33、基于S31和S32,通过反步迭代,设计如下自适应控制率u:
z1=x1-θd,z2=x2-α1,z3=x3-α2
其中,α1,α2为虚拟控制量,||·||表示求·的二范数;δ(t)为一个有界函数,在0到∞上满足积分有界;分别表示H,C,G的辨识数据,H(θ)∈R2×2、G(θ)∈R2×1分别表示惯性矩阵、科里奥利矩阵、重力矩阵;分别表示对应的不确定参数的最大边界;J-1,JT分别表示J的逆和转置,J为系统二自由度机械臂的雅可比矩阵;其中y1(θ1),y2(θ2)分别表示大臂液压缸和小臂液压缸的动态长度,表示y1(θ1),y2(θ2)的导数。
本发明的有益效果是:本发明利用关节角和扭矩信息,采用邻域优化算法(NFO)设计了具有特定物理约束的激励轨迹进行激励实验,并根据采样数据集对二自由度液压机械臂的拉格朗日模型参数进行辨识。采用了转矩估计的均方误差作为NFO算法的适应度函数,从而获得高精度的集总估计参数。然后在辨识模型的基础上,设计了参数自适应反步控制器,以解决电液参数的不确定性和外界干扰,并重新设计了一种新的稳定控制变量,对自适应反步控制器的控制输出进行修正,以避免电液执行器的冗余输入饱和,可以有效地对不稳定的液压参数进行动态的自适应,最终实现液压系统对机械臂的稳定控制。
附图说明
图1为本发明的一种液压机械臂的模型辨识与自适应控制方法的流程图;
图2为本发明实施例提供的2-DOF机械臂的机构示意图。
具体实施方式
针对现阶段液压控制机械臂领域内,机械臂动力学模型不精确,电液伺服系统参数波动和存在外界扰动的相关问题。本发明利用关节角和扭矩信息,采用邻域优化算法(NFO)对二自由度液压机械臂的拉格朗日模型参数进行辨识。设计了NFO的适应度函数来优化转矩估计的最小平方误差,从而获得高精度的集总估计参数。然后在辨识模型的基础上,设计了参数自适应反步控制器,以解决电液参数的不确定性和外界干扰。此外,重新设计了一种新的稳定控制变量,以避免电液执行器的冗余输入饱和。
本发明首先建立机械臂的二阶拉格朗日模型,并将其和电液伺服模型进行模型整合。接着采用NFO算法设计在特定物理约束下的机械臂的激励轨迹并进行激励实验,根据激励实验所获得的数据对机械臂的动力学模型中的未知参数进行模型辨识。最后采用新的控制变量,对设计的自适应反步控制器的控制输出进行修正。
下面结合附图进一步说明本发明的技术方案。
如图1所示,本发明的一种液压机械臂的模型辨识与自适应控制方法,包括以下步骤:
S1、建立包含未知参数的机械臂动力学模型,并将其转化成线性形式;具体实现方法为:建立机械臂的二阶拉格朗日模型和电液伺服系统的三阶非线性模型,并将二者进行模型整合。
本实施例以如图2所示的2-DOF(degree of freedom)液压驱动机械臂装置为例对本发明的内容进行说明,本领域的技术人员应注意,本发明的技术方案不仅限于2自由度的机械臂,对于其他自由度的机械臂(如单自由度机械臂,三自由度机械臂)同样适用。
如图2所示,该液压驱动机械臂包括:3个机械连杆,包括:第一连杆、第二连杆(大臂)、第三连杆(小臂),2个电液伺服阀,2个双作用液压缸,1个伺服电机,1个定量柱塞泵,1个油箱;其中第一连杆与第二连杆之间铰接称作为肩关节,第二连杆与第三连杆铰接称作为肘关节;肩关节与肘关节处分别设置一个电液伺服阀与双作用液压缸;整个机械臂设置1个伺服电机、1个定量柱塞泵和1个油箱;第二连杆与第三连杆上分别设置一光电编码器,用于测量两个关节的运动角度和角速度;在两个液压缸进油口和出油口各设置1个压力传感器,测量液压缸的负载力,在定量柱塞泵出口安装1个压力表,监测系统的供油压力。
在本发明的一个可选实施例中,步骤S1采用拉格朗日方法建立起了2-DOF下肢外骨骼的动力学模型,表示为:
其中,θ∈R2×1是机械臂的两个关节角度(R表示实数集,下同),分别表示角速度和角加速度;T∈R2×1是液压驱动的关节力矩,H(θ)∈R2×2、G(θ)∈R2×1分别表示惯性矩阵、科里奥利矩阵、重力矩阵。
其他不同自由度的机械臂对应不同维度的动力学模型,根据本发明的技术方案同样可以对其他不同自由度机械臂动力学模型参数进行辨识。
G1=-m1gP1Pm1 sin(θ1)-m2g[P1P2 sinθ1+P2Pm2 sin(θ1+θ2)]
G2=-m2gP2Pm2 sin(θ1+θ2)
其中,θ1、θ2分别表示肩关节和机械臂肘关节的角度,分别表示肩关节的角速度、角加速度,分别表示机械臂肘关节的角速度、角加速度,I1、I2分别代表机械臂第二连杆、第三连杆的惯量,m1、m2分别表示机械臂第二连杆第三连杆的质量,P1P2表示机械臂第二连杆的长度,P1Pm1、P2Pm2分别表示肩关节到第二连杆质心的长度、肘关节到第三连杆的长度,g表示重力加速度。
为了突出H,C,G中的位置参数,将机械臂的动力学模型重写成如下线性形式,具体为:
未知参数矩阵Λ的表达式为:
根据Θ,Λ,可以将H,C,G重写成如下形式:
为了实现基于模型的液压机械臂控制系统,本发明将二自由度机械臂模型和液压伺服系统模型进行结合,具体包括以下步骤:
S11、获得二自由度机械臂的状态空间模型为:
S12、将力矩T用Jx3-Td-ΔTd代替,J为系统二自由度机械臂的雅可比矩阵,x3=[pL1Ap pL2Ap]T表示伺服阀状态,pL1,pL2分别表示第二连杆和第三连杆上的液压缸的负载压力,Ap表示液压缸横截面积,Td,ΔTd分别表示库伦摩擦力矩和外扰动,可得合并模型的状态空间表达式:
J12=-P1P2 cosθ2sinθ2
J21=0,J22=P2H2 sinθ2
其中,表示系统的状态变量,表示x1,x2,x3的导数,u1,u2表示液压执行器的控制电压,u=[u1,u2]T,对应的输入饱和为χ(u),其中y1(θ1),y2(θ2)分别表示大臂液压缸和小臂液压缸的动态长度,表示y1(θ1),y2(θ2)的导数,Td、ΔTd分别表示库伦摩擦和外扰动,Ap表示液压缸横截面积,βe表示有效体积模量,Ctl表示气缸的总泄漏系数,Vt表示气缸体积的一半,ρ表示液压油密度,Ksv表示伺服阀电压的增益,Ps表示液压缸供给压力,Cd表示流量系数,w表示伺服阀的面积梯度,参照图2,R0P1表示大臂液压缸转轴与肩关节的距离,R0H1表示大臂液压缸的长度,P1H1表示肩关节到大臂液压缸作用点的距离,P2H2表示肘关节到小臂液压缸作用点的距离,P2H3表示肘关节到小臂液压缸转轴的距离;ε1,ε2分别表示R0P1与x轴的夹角,P2H3与P1P2的夹角;sgn表示符号函数。
S2、采用NFO算法设计在特定物理约束下机械臂的激励轨迹并进行激励实验,根据激励实验所获得的数据对机械臂动力学模型中的未知参数进行辨识;
在特定物理约束下的机械臂的激励轨迹具体为:机械臂的关节角度,关节角速度,关节角加速度满足在指定的物理约束值以内。
本步骤中,根据傅里叶级数的性质,将激励轨迹设计成傅里叶级数的形式:
其中,θd是期望的关节角度,表示期望的关节角速度、表示期望的关节角加速度;θ0是关节的偏移量;ak,bk是待优化的傅里叶级数系数;wf是基波频率,t为时间;k为频率系数,是一个正整数,在1和N之间取值,N为傅里叶级数的周期。
本步骤中,采用NFO算法,通过优化以下适应度函数进行动力学模型的未知参数辨识:
S3、为了解决电液伺服参数不稳定,以及辨识存在误差的问题,本发明根据机械臂动力学模型参数设计自适应反步控制器,对机械臂动力学模型进行驱动;并采用新的控制变量,对自适应反步控制器的控制输出进行修正;具体包括以下子步骤:
S31、设计电液伺服参数的估计率如下:
S32、采用如下新的控制变量,对系统最终的控制量进行修正:
S33、基于S31和S32,通过反步迭代,设计如下自适应控制率u:
z1=x1-θd,z2=x2-α1,z3=x3-α2
本发明采用构建的伺服阀的控制电压u作为自适应控制率;其中,α1,α2为虚拟控制量,为反步迭代理论中的通用说法;||·||表示求的二范数;δ(t)为一个有界函数,在0到∞上满足积分有界;分别表示H,C,G的辨识数据,H(θ)∈R2×2、G(θ)∈R2 ×1分别表示惯性矩阵、科里奥利矩阵、重力矩阵;分别表示对应的不确定参数的最大边界;J-1,JT分别表示J的逆和转置,J为系统二自由度机械臂的雅可比矩阵;其中y1(θ1),y2(θ2)分别表示大臂液压缸和小臂液压缸的动态长度,表示y1(θ1),y2(θ2)的导数。(本发明中符号上方加“·”表示对应变量的导数,符号右上方加“-1”,表示对应矩阵的逆,符号右上方加“T”表示对应矩阵或向量的转置,如J-1,JT分别表示J的逆和转置,表示y(x1,x2)的导数)。
反步迭代控制为公知技术,本发明在此不做详细阐述。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种液压机械臂的模型辨识与自适应控制方法,其特征在于,包括以下步骤:
S1、建立包含未知参数的机械臂动力学模型,并将其转化成线性形式;
S2、采用NFO算法设计在特定物理约束下机械臂的激励轨迹并进行激励实验,根据激励实验所获得的数据对机械臂动力学模型中的未知参数进行辨识;
S3、根据机械臂动力学模型参数设计自适应反步控制器,对机械臂动力学模型进行驱动;并采用新的控制变量,对自适应反步控制器的控制输出进行修正。
2.根据权利要求1所述的液压机械臂的模型辨识与自适应控制方法,其特征在于,步骤S1具体实现方法为:建立机械臂的二阶拉格朗日模型和电液伺服系统的三阶非线性模型,并将二者进行模型整合。
3.根据权利要求1所述的液压机械臂的模型辨识与自适应控制方法,其特征在于,步骤S2中,在特定物理约束下的机械臂的激励轨迹具体为:机械臂的关节角度,关节角速度,关节角加速度满足在指定的物理约束值以内。
6.根据权利要求1所述的一种液压机械臂的模型辨识与自适应控制方法,其特征在于,所述步骤S3具体包括以下子步骤:
S31、设计电液伺服参数的估计率如下:
S32、采用如下新的控制变量,对系统最终的控制量进行修正:
S33、基于S31和S32,通过反步迭代,设计如下自适应控制率u:
z1=x1-θd,z2=x2-α1,z3=x3-α2
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010806599.3A CN111775142B (zh) | 2020-08-12 | 2020-08-12 | 一种液压机械臂的模型辨识与自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010806599.3A CN111775142B (zh) | 2020-08-12 | 2020-08-12 | 一种液压机械臂的模型辨识与自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111775142A true CN111775142A (zh) | 2020-10-16 |
CN111775142B CN111775142B (zh) | 2021-12-14 |
Family
ID=72761780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010806599.3A Expired - Fee Related CN111775142B (zh) | 2020-08-12 | 2020-08-12 | 一种液压机械臂的模型辨识与自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111775142B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023226070A1 (zh) * | 2022-05-26 | 2023-11-30 | 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 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009044832A (ja) * | 2007-08-08 | 2009-02-26 | Daihatsu Motor Co Ltd | サーボ制御方法、サーボ制御装置 |
CN104317198A (zh) * | 2014-10-21 | 2015-01-28 | 南京理工大学 | 具有时变输出约束的电液伺服系统非线性鲁棒位置控制方法 |
CN105538310A (zh) * | 2016-01-11 | 2016-05-04 | 电子科技大学 | 一种基于衰减记忆滤波的电液伺服控制方法及2-dof机械臂 |
CN106402089A (zh) * | 2016-10-24 | 2017-02-15 | 电子科技大学 | 一种基于耦合干扰观测器的级联电液伺服系统控制方法及系统 |
CN106438593A (zh) * | 2016-10-21 | 2017-02-22 | 电子科技大学 | 一种存在参数不确定性和负载干扰的电液伺服控制方法及机械臂 |
CN107942683A (zh) * | 2017-12-22 | 2018-04-20 | 南京工程学院 | 模块化机器人关节动力学参数辨识精度提高方法 |
CN109189086A (zh) * | 2018-07-27 | 2019-01-11 | 中国人民解放军战略支援部队航天工程大学 | 一种基于磁悬浮控制敏感陀螺的航天器姿态与振动一体化控制方法 |
CN110096750A (zh) * | 2019-04-02 | 2019-08-06 | 燕山大学 | 考虑非线性主动悬架执行器的自适应动态面控制方法 |
CN110703604A (zh) * | 2019-10-29 | 2020-01-17 | 电子科技大学 | 一种外骨骼动力学模型参数辨识方法及外骨骼装置 |
-
2020
- 2020-08-12 CN CN202010806599.3A patent/CN111775142B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009044832A (ja) * | 2007-08-08 | 2009-02-26 | Daihatsu Motor Co Ltd | サーボ制御方法、サーボ制御装置 |
CN104317198A (zh) * | 2014-10-21 | 2015-01-28 | 南京理工大学 | 具有时变输出约束的电液伺服系统非线性鲁棒位置控制方法 |
CN105538310A (zh) * | 2016-01-11 | 2016-05-04 | 电子科技大学 | 一种基于衰减记忆滤波的电液伺服控制方法及2-dof机械臂 |
CN106438593A (zh) * | 2016-10-21 | 2017-02-22 | 电子科技大学 | 一种存在参数不确定性和负载干扰的电液伺服控制方法及机械臂 |
CN106402089A (zh) * | 2016-10-24 | 2017-02-15 | 电子科技大学 | 一种基于耦合干扰观测器的级联电液伺服系统控制方法及系统 |
CN107942683A (zh) * | 2017-12-22 | 2018-04-20 | 南京工程学院 | 模块化机器人关节动力学参数辨识精度提高方法 |
CN109189086A (zh) * | 2018-07-27 | 2019-01-11 | 中国人民解放军战略支援部队航天工程大学 | 一种基于磁悬浮控制敏感陀螺的航天器姿态与振动一体化控制方法 |
CN110096750A (zh) * | 2019-04-02 | 2019-08-06 | 燕山大学 | 考虑非线性主动悬架执行器的自适应动态面控制方法 |
CN110703604A (zh) * | 2019-10-29 | 2020-01-17 | 电子科技大学 | 一种外骨骼动力学模型参数辨识方法及外骨骼装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023226070A1 (zh) * | 2022-05-26 | 2023-11-30 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN111775142B (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110170992B (zh) | 一种基于动态规划的模块化机械臂多故障容错控制方法 | |
Feng et al. | Identification and compensation of non-linear friction for a electro-hydraulic system | |
Chen et al. | A hybrid multi-objective scheme applied to redundant robot manipulators | |
Guo et al. | Cascade control of a hydraulically driven 6-DOF parallel robot manipulator based on a sliding mode | |
Nikdel et al. | Adaptive backstepping control for an n-degree of freedom robotic manipulator based on combined state augmentation | |
CN106438593B (zh) | 一种存在参数不确定性和负载干扰的电液伺服控制方法及机械臂 | |
CN112743541B (zh) | 一种无力/力矩传感器机械臂软浮动控制方法 | |
CN106402089B (zh) | 一种基于耦合干扰观测器的级联电液伺服系统控制方法及系统 | |
CN104238366B (zh) | 基于神经元网络的压电陶瓷执行器的预测控制方法及装置 | |
Park et al. | Utilizing online learning based on echo-state networks for the control of a hydraulic excavator | |
CN110081046B (zh) | 一种基于反步控制的多电液伺服执行器跟踪同步控制方法 | |
CN110703604B (zh) | 一种外骨骼动力学模型参数辨识方法及外骨骼装置 | |
Guenther et al. | Cascade controlled pneumatic positioning system with LuGre model based friction compensation | |
JP2015077643A (ja) | 鉛直多関節油圧マニピュレータのパラメータ同定法、同定装置および同定用プログラム | |
CN116460860B (zh) | 一种基于模型的机器人离线强化学习控制方法 | |
CN105538310B (zh) | 一种基于衰减记忆滤波的电液伺服控制方法及2‑dof机械臂 | |
CN111775142B (zh) | 一种液压机械臂的模型辨识与自适应控制方法 | |
CN110107563B (zh) | 存在负载干扰情况下多电液伺服执行器分布协同控制方法 | |
Wang et al. | An improved koopman-MPC framework for data-driven modeling and control of soft actuators | |
Ding et al. | Terminal force soft sensing of hydraulic manipulator based on the parameter identification | |
Chen | Hybrid approach for dynamic model identification of an electro-hydraulic parallel platform | |
Liyanage et al. | Design and control of a high performance SCARA type robotic arm with rotary hydraulic actuators | |
Salmasi et al. | A manoeuvre control strategy for flexible-joint manipulators with joint dry friction | |
Xu et al. | Stability analysis of nonlinear dynamic system with linear observer for a multilink flexible manipulator | |
WO2023020036A1 (zh) | 一种基于回声状态网络的冗余机械臂追踪控制方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211214 |