CN112873207B - 一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法 - Google Patents
一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法 Download PDFInfo
- Publication number
- CN112873207B CN112873207B CN202110098464.0A CN202110098464A CN112873207B CN 112873207 B CN112873207 B CN 112873207B CN 202110098464 A CN202110098464 A CN 202110098464A CN 112873207 B CN112873207 B CN 112873207B
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- tracking
- flexible joint
- derivation
- formula
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000009795 derivation Methods 0.000 claims description 33
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical group C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004044 response Effects 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
- B25J9/16—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)
- Control Of Position Or Direction (AREA)
Abstract
本发明公开了一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法:(1)建立柔性关节机械臂系统模型,初始化系统状态及控制参数;(2)设计未知系统动态估计器估计柔性关节机械臂系统模型的不确定干扰和外部干扰;(3)构造funnel变量,结合反演法设计控制器。本发明通过未知系统动态估计器实现对模型不确定和外部干扰进行估计,并设计新型funnel变量,通过构造指数衰减的约束边界,使得系统有较好的瞬态性能,并能够满足系统的稳态性能要求,保证系统输出快速准确跟踪期望轨迹。
Description
技术领域
本发明涉及一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法,特别是系统带有模型不确定和外部干扰以及输出约束的柔性关节机械臂系统的预设性能控制方法。
背景技术
随着科技的进步和发展,机械臂在工业、国防、医疗卫生等领域发挥着重要作用,提高机械臂系统的控制精度和稳定性是当前机械臂控制的研究热点。机械臂系统本身存在模型不确定及外部干扰,从而影响控制系统性能,甚至导致系统不稳定。因此通过设计合适的干扰观测器补偿系统模型不确定和外部干扰,从而提升机械臂系统的鲁棒性和稳态精度,是机械臂控制中的一个研究重点。
针对提高机械臂系统的运动性能,除去最传统PID控制和结合其他策略的控制算法,常见的控制算法有自适应控制、滑模变结构控制、反演控制和智能控制等方法。其中,反演控制是一种递归控制算法,其基本思想是将原来的系统分解为不超过系统阶数个数的子系统,再对每一个子系统设计虚拟控制律,一直反演推算到整个系统,最后实现对整个系统的控制,在机械臂系统中应用较多。如公开号为CN107662208A的中国专利公开了一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法、公开号为CN110687787A的中国专利公开了一种基于时变非对称障碍李雅普诺夫函数的机械臂伺服系统自适应控制方法。
但这些控制方法一般仅能保证系统的稳态性能,难以保证系统瞬态性能。因此针对控制系统瞬态响应问题,增强系统瞬态性能并保证系统的稳态性能也是急需解决的难点。
发明内容
本发明的目的在于提供一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法,该方法保证系统有更好的瞬态、稳态性能及鲁棒性,实现柔性关节机械臂系统输出对期望轨迹的快速准确跟踪。
为了解决上述技术问题提出的技术方案为:
一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法,所述控制方法包括以下步骤:
步骤1,建立柔性关节机械臂系统模型,初始化系统状态及控制参数;
步骤2,设计未知系统动态估计器估计柔性关节机械臂系统模型的不确定干扰和外部干扰;
步骤3,构造funnel变量,结合反演法设计控制器。
具体地:
步骤1,建立柔性关节机械臂系统模型,初始化系统状态及控制参数;
1.1,柔性关节机械臂系统模型表示成如下形式:
其中M,g,L分别为机械臂质量、重力加速度和机械臂长度,q,θ分别为机械臂连杆和电机角度,为机械臂连杆角加速度,为电机角加速度,I、J分别为连杆和电机的惯量,K为弹性系数,τ为控制力矩,d1和d2是包含模型不确定和外部干扰的未知系统动态,表达式为:
其中,da和db分别为非匹配和匹配干扰。
步骤2,设计未知系统动态估计器估计柔性关节机械臂系统模型的不确定干扰和外部干扰;
令a=x1-x3,b=sin(x1)。定义x2f、x4f、af、bf和τf为x2、x4、a、b和τ的滤波变量,分别满足:
和
其中,k>0表示滤波常数。
由不变流形β1、β2可设计如下未知系统动态估计器:
其中:
对β1求导可得:
证明β2为不变流形的过程如下:
对β2求导可得:
其中,未知系统动态估计器的误差收敛性证明如下:
定义未知系统动态估计器的估计误差:
将式(10)代入(11)中,可得:
对式(12)求导可得:
步骤3,构造funnel变量,结合反演法设计控制器;
3.1,定义机械臂跟踪误差为:
e=y-yd (15)
其中,yd是期望轨迹。
设计如下形式的funnel变量:
对式(16)求导可得:
3.2,构造李雅普诺夫函数V1:
对其求导,可得:
其中,z2=x2-α1,α1为虚拟控制律,根据式(19)可设计α1为:
将式(20)代入式(19)可得:
3.3,构造李雅普诺夫函数V2:
对其求导可得:
由式(23)设计虚拟控制律α2:
将式(25)代入式(23)可得:
3.4,构造李雅普诺夫函数V3:
对其求导可得:
设计如下形式的跟踪微分器:
由式(28)设计虚拟控制律α3:
将式(30)代入式(28)可得:
3.5,构造李雅普诺夫函数V4:
对其求导可得:
设计如下形式的跟踪微分器:
将式(35)代入式(33)可得:
跟踪微分器具有如下性质:即存在一个正常数ωi,满足:
其中,Ttd是跟踪微分器的调节时间。
3.6,稳定性分析:
构造李雅普诺夫函数为Vs:
求导放缩可得:
其中,ρ,γ的表达式分别为:
对式(40)两边同时积分可得:
0≤Vs(t)≤μ(t) (42)
由式(38)和式(42)可得:
解不等式(43)可得:
本发明的技术构思为:为了解决模型不确定和外部干扰对柔性关节机械臂系统的影响,并且提升系统的瞬态性能。本发明提供了一种基于未知系统动态估计器的预设性能控制方法,基于低通滤波器设计未知系统动态估计器,用于估计模型不确定和外部干扰,增强系统鲁棒性。同时,构造带有时变约束边界的新型funnel变量(通过构造指数衰减的约束边界),保证系统跟踪误差被限制在预先设定的边界内,进而改善系统瞬态性能。在此基础上,设计反演控制器,保证系统输出快速准确跟踪期望轨迹(跟踪控制)。
本发明的有益效果为:通过未知系统动态估计器实现对模型不确定和外部干扰的准确估计,增强系统鲁棒性;构造funnel变量,使得系统有较好的瞬态性能,并能满足系统的稳态性能要求;从而柔性关节机械臂系统输出对期望轨迹的快速准确跟踪。
附图说明
图1为本发明的控制流程图;
图2为参考轨迹yd=0.5sin(t)时本发明的位置跟踪轨迹示意图;
图3为参考轨迹yd=0.5sin(t)时本发明的位置跟踪误差示意图;
图4为参考轨迹yd=0.5sin(t)时本发明控制信号示意图;
图5为参考轨迹yd=0.5sin(t)时本发明未知系统动态d1估计示意图;
图6为参考轨迹yd=0.5sin(t)时本发明未知系统动态d2估计示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1-图6,本发明提供的基于未知系统动态估计器的柔性关节机械臂预设性能控制方法包括以下步骤:
步骤1,建立柔性关节机械臂系统模型,初始化系统状态及控制参数;
1.1,柔性关节机械臂系统模型表示成如下形式:
其中M,g,L分别为机械臂质量、重力加速度和机械臂长度,q,θ分别为机械臂连杆和电机角度,为机械臂连杆角加速度,为电机角加速度,I、J分别为连杆和电机的惯量,K为弹性系数,τ为控制力矩,d1和d2是包含模型不确定和外部干扰的未知系统动态,表达式为:
其中,da和db分别为非匹配和匹配干扰。
步骤2,设计未知系统动态估计器;
2.1,令a=x1-x3,b=sin(x1)。定义x2f、x4f、af、bf和τf为x2、x4、a、b和τ的滤波变量,分别满足:
和
其中,k>0表示滤波常数。
对β1求导可得:
证明β2为不变流形的过程如下:
对β2求导可得:
由不变流形β1、β2可设计如下未知系统动态估计器:
2.2,估计器误差收敛性证明如下:
定义未知系统动态估计器的估计误差:
将式(10)代入(11)中,可得:
对式(12)求导可得:
步骤3,funnel控制器设计及稳定性分析;
3.1,定义机械臂跟踪误差为:
e=y-yd (15)
其中,yd是期望轨迹。
设计如下形式的funnel变量:
对式(16)求导可得:
3.2,构造李雅普诺夫函数V1:
对其求导,可得:
其中,z2=x2-α1,α1为虚拟控制律,根据式(19)可设计α1为:
将式(20)代入式(19)可得:
3.3,构造李雅普诺夫函数V2:
对其求导可得:
由式(23)设计虚拟控制律α2:
将式(25)代入式(23)可得:
3.4,构造李雅普诺夫函数V3:
对其求导可得:
设计如下形式的跟踪微分器:
由式(28)设计虚拟控制律α3:
将式(30)代入式(28)可得:
3.5,构造李雅普诺夫函数V4:
对其求导可得:
设计如下形式的跟踪微分器:
将式(35)代入式(33)可得:
跟踪微分器具有如下性质:即存在一个正常数ωi,满足:
其中,Ttd是跟踪微分器的调节时间。
3.6,稳定性分析:
构造李雅普诺夫函数为Vs:
求导放缩可得:
其中,ρ,γ的表达式分别为:
对式(40)两边同时积分可得:
0≤Vs(t)≤μ(t) (42)
由式(38)和式(42)可得:
解不等式(43)可得:
为验证所提方法的有效性,本发明对虚拟控制律(20)、(25)、(30)和控制器(35)表示的funnel控制器的控制效果进行仿真实验,设置仿真实验中的初始条件如下:期望轨迹设置为yd=0.5sin(t);系统模型参数为MgL=5,I=1,J=1,K=40;系统初始状态为x1(0)=0.4,xj(0)=0(j=2,3,4);虚拟控制律和控制器增益参数设置为k1=1.4,k2=5,k3=25,k4=15;滤波常数设置为k=0.01;跟踪参数设置为ri=1(i=1,2,3);预设性能函数设置为未知系统动态设置为
图2-图6为同参数情况下,本文控制方法与反演控制方法的对比。图2-4分别描述了柔性关节机械臂关节角位置跟踪性能、角位置跟踪误差以及控制器输出信号。由图2可以看出,两种控制方法均可以跟踪上期望轨迹。由图3可以看出,相较于反演法,本文所提出的方法有更好的瞬态、稳态性能和鲁棒性。此外,反演法的跟踪误差会越过边界图4为控制器输出效果图。未知系统动态估计器(10)的估计效果如图5和图6所示,可以看出估计器能够准确估计模型不确定和外部干扰。
综上,本文提出的控制方法能够保证系统有更好的瞬态、稳态性能及鲁棒性,实现柔性关节机械臂系统输出对期望轨迹的快速准确跟踪。
以上阐述的是本发明给出的仿真实验表明本发明所设计方法的有效性,但显然本发明不只是局限于上述实例,在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。本发明所设计的控制方案对带有模型不确定和外部干扰的柔性关节机械臂是有效的,在所提出的控制器作用下,能实现系统输出对期望轨迹的快速准确跟踪。
Claims (5)
1.一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法,其特征在于,所述控制方法包括以下步骤:
(1)建立柔性关节机械臂系统模型,初始化系统状态及控制参数;
(2)设计未知系统动态估计器估计柔性关节机械臂系统模型的不确定干扰和外部干扰;
(3)构造funnel变量,结合反演法设计控制器;
在步骤(1)中,建立柔性关节机械臂系统模型,初始化系统状态及控制参数的方法为:
1.1,柔性关节机械臂系统模型表示成如下形式:
其中M,g,L分别为机械臂质量、重力加速度和机械臂长度,q,θ分别为机械臂连杆和电机角度,为机械臂连杆角加速度,为电机角加速度,I、J分别为连杆和电机的惯量,K为弹性系数,τ为控制力矩,d1和d2是包含模型不确定干扰和外部干扰的未知系统动态,表达式为:
其中,da和db分别为非匹配干扰和匹配干扰;
在步骤(2)中,设计未知系统动态估计器估计柔性关节机械臂系统模型的不确定干扰和外部干扰的方法包括:
和
其中,k>0表示滤波常数;
由不变流形β1、β2可设计如下未知系统动态估计器:
2.根据权利要求1所述的基于未知系统动态估计器的柔性关节机械臂预设性能控制方法,其特征在于,证明β1为不变流形的过程如下:根据未知系统动态的物理建模可知,di及其导数有界,即: 为di的上界,ηi为的上界,i=1,2;
对β1求导可得:
证明β2为不变流形的过程如下:
对β2求导可得:
4.根据权利要求3所述的基于未知系统动态估计器的柔性关节机械臂预设性能控制方法,其特征在于,在步骤(3)中,构造funnel变量,结合反演法设计控制器的方法包括:
3.1,定义机械臂跟踪误差为:
e=y-yd (15)
其中,yd是期望轨迹;
设计如下形式的funnel变量:
对式(16)求导可得:
3.2,构造李雅普诺夫函数V1:
对其求导,可得:
其中,z2=x2-α1,α1为虚拟控制律,根据式(19)可设计α1为:
将式(20)代入式(19)可得:
3.3,构造李雅普诺夫函数V2:
对其求导可得:
其中,z3=x3-α2,α2为虚拟控制律;
由式(23)设计虚拟控制律α2:
将式(25)代入式(23)可得:
3.4,构造李雅普诺夫函数V3:
对其求导可得:
设计如下形式的跟踪微分器:
由式(28)设计虚拟控制律α3:
将式(30)代入式(28)可得:
3.5,构造李雅普诺夫函数V4:
对其求导可得:
设计如下形式的跟踪微分器:
由式(33)设计控制器τ:
将式(35)代入式(33)可得:
跟踪微分器具有如下性质:即存在一个正常数ωi,满足:
其中,Ttd是跟踪微分器的调节时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110098464.0A CN112873207B (zh) | 2021-01-25 | 2021-01-25 | 一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110098464.0A CN112873207B (zh) | 2021-01-25 | 2021-01-25 | 一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112873207A CN112873207A (zh) | 2021-06-01 |
CN112873207B true CN112873207B (zh) | 2022-03-08 |
Family
ID=76051796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110098464.0A Active CN112873207B (zh) | 2021-01-25 | 2021-01-25 | 一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112873207B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113977571B (zh) * | 2021-07-12 | 2023-08-11 | 洛阳尚奇机器人科技有限公司 | 一种柔性关节机器人输出力矩控制方法 |
CN113478490B (zh) * | 2021-08-24 | 2022-08-19 | 苏州玖钧智能装备有限公司 | 一种具有预设性能的工业机器人pid控制方法 |
CN114571451B (zh) * | 2022-02-25 | 2023-08-22 | 山东新一代信息产业技术研究院有限公司 | 一种可调漏斗边界的自适应滑模控制方法及设备 |
CN115202216A (zh) * | 2022-09-14 | 2022-10-18 | 沈阳工业大学 | 考虑输入约束的机械臂抗干扰有限时间控制方法 |
CN116000919A (zh) * | 2022-12-08 | 2023-04-25 | 广州大学 | 一种带死区的单连杆机械臂系统的全状态约束控制方法 |
CN116500908B (zh) * | 2023-02-27 | 2024-04-09 | 扬州大学 | 一种双扰动观测器的机械臂抗干扰约束控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106113040A (zh) * | 2016-07-19 | 2016-11-16 | 浙江工业大学 | 基于串并联估计模型的柔性机械臂系统模糊控制方法 |
CN107662208A (zh) * | 2017-08-24 | 2018-02-06 | 浙江工业大学 | 一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法 |
CN110687787A (zh) * | 2019-10-11 | 2020-01-14 | 浙江工业大学 | 一种基于时变非对称障碍李雅普诺夫函数的机械臂系统自适应控制方法 |
CN110750050A (zh) * | 2019-10-11 | 2020-02-04 | 浙江工业大学 | 一种基于神经网络的机械臂系统预设性能控制方法 |
CN110877333A (zh) * | 2019-04-12 | 2020-03-13 | 国网宁夏电力有限公司电力科学研究院 | 一种柔性关节机械臂控制方法 |
CN111496796A (zh) * | 2020-05-08 | 2020-08-07 | 哈尔滨工业大学 | 基于指令滤波器的机械臂轨迹跟踪控制方法及装置 |
-
2021
- 2021-01-25 CN CN202110098464.0A patent/CN112873207B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106113040A (zh) * | 2016-07-19 | 2016-11-16 | 浙江工业大学 | 基于串并联估计模型的柔性机械臂系统模糊控制方法 |
CN107662208A (zh) * | 2017-08-24 | 2018-02-06 | 浙江工业大学 | 一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法 |
CN110877333A (zh) * | 2019-04-12 | 2020-03-13 | 国网宁夏电力有限公司电力科学研究院 | 一种柔性关节机械臂控制方法 |
CN110687787A (zh) * | 2019-10-11 | 2020-01-14 | 浙江工业大学 | 一种基于时变非对称障碍李雅普诺夫函数的机械臂系统自适应控制方法 |
CN110750050A (zh) * | 2019-10-11 | 2020-02-04 | 浙江工业大学 | 一种基于神经网络的机械臂系统预设性能控制方法 |
CN111496796A (zh) * | 2020-05-08 | 2020-08-07 | 哈尔滨工业大学 | 基于指令滤波器的机械臂轨迹跟踪控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112873207A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112873207B (zh) | 一种基于未知系统动态估计器的柔性关节机械臂预设性能控制方法 | |
CN110687787B (zh) | 一种机械臂系统自适应控制方法 | |
CN110750050B (zh) | 一种基于神经网络的机械臂系统预设性能控制方法 | |
CN104950678B (zh) | 一种柔性机械臂系统的神经网络反演控制方法 | |
CN104950677B (zh) | 基于反演滑模控制的机械臂系统饱和补偿控制方法 | |
CN107984472B (zh) | 一种用于冗余度机械臂运动规划的变参神经求解器设计方法 | |
CN113183154B (zh) | 一种柔性关节机械臂的自适应反演控制方法 | |
CN104698846B (zh) | 一种机械臂伺服系统的指定性能反演控制方法 | |
CN110221541B (zh) | 伺服系统中前馈控制器的前馈系数获取装置、方法 | |
JPH10133703A (ja) | 適応的ロバスト制御装置 | |
CN105223808A (zh) | 基于神经网络动态面滑模控制的机械臂系统饱和补偿控制方法 | |
CN112207834B (zh) | 一种基于干扰观测器的机器人关节系统控制方法及系统 | |
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 | |
CN108829123B (zh) | 一种四旋翼飞行器控制方法、系统和装置 | |
CN104965412B (zh) | 受控化发射平台的自适应鲁棒输出反馈控制方法 | |
CN107065559B (zh) | 一种工业机器人增量自适应控制方法 | |
Chen et al. | Finite-time attitude control with chattering suppression for quadrotors based on high-order extended state observer | |
CN107263455B (zh) | 二自由度scara机器人的位置跟踪控制方法 | |
CN116079741B (zh) | 一种电机驱动单连杆机械臂的自适应控制方法 | |
CN110095989B (zh) | 一种基于反步法的分布式多拉格朗日系统跟踪控制策略 | |
CN116872197A (zh) | 单杆机械臂的自适应神经网络反演控制方法及其控制系统 | |
CN116755481A (zh) | 一种基于神经网络的pid振动主动控制与可靠性分析方法 | |
CN116068893A (zh) | 一种机械臂自适应分数阶滑模控制方法、设备及介质 | |
CN109397284A (zh) | 一种含有未知参数的主从机械臂系统的同步控制方法 | |
Feiler et al. | Adaptive speed control of a two-mass system |
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 |