CN113110059A - 基于事件触发的单连杆机械臂系统实际跟踪的控制方法 - Google Patents
基于事件触发的单连杆机械臂系统实际跟踪的控制方法 Download PDFInfo
- Publication number
- CN113110059A CN113110059A CN202110454780.7A CN202110454780A CN113110059A CN 113110059 A CN113110059 A CN 113110059A CN 202110454780 A CN202110454780 A CN 202110454780A CN 113110059 A CN113110059 A CN 113110059A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- tracking
- arm system
- control
- control method
- 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
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
本发明公开了基于事件触发的单连杆机械臂系统实际跟踪的控制方法。该方法通过确定具有旋转弹性关节的单连杆机械臂系统的数学模型,通过选择合适的状态以及对未知有界扰动和跟踪轨线进行合适的约束将系统转化为下三角形式;然后给出了高增益观测器并提出了基于事件触发机制的控制器;最后通过结合反证法、构造Lyapunov函数的方法验证系统的有界性以及跟踪特性,减少了系统的保守性;最后,仿真例子验证了该方法的有效性。该方法能对非线性机械臂系统进行有效控制,使其能够跟踪特定轨线运行且跟踪误差保持在预先设定的范围内,并且可以减少不必要的信息传输,节约带宽资源以及能在一定程度上减少马达的磨损,更符合实际的需要。
Description
技术领域
本发明属于控制理论与控制工程领域,涉及基于事件触发的单连杆机械臂系统实际跟踪的控制方法,具体涉及一种基于事件触发的具有有界扰动的单连杆机械臂系统实际跟踪的控制方法。
背景技术
随着科学技术不断向智能化方向发展,机器人应用领域不断拓展和深化,工业机器人已成为一种高新技术产业,为工业自动化水平发挥了巨大作用。机器人是先进制造技术和自动化装备的典型代表,是人造机器的“终极”代表,涉及到机械、电子、自动控制、计算机、人工智能、传感器、通讯与网络等多个学科和领域,是多种高新技术发展成果的综合集成,因此它的发展与众多学科发展密切相关。机械臂作为工业机器人的一种典型代表,能模仿人手和臂的某些动作功能,是一种以按固定程序抓取、搬运物件或操作工具的自动操作装置。它可代替人的繁重劳动,以实现生产的机械化和自动化,能在有害环境下操作以保护人身安全,因而广泛应用于机械制造、冶金、电子、轻工和原子能等部门。
自适应技术是研究非线性系统的有效方法之一。在日常生活中,所谓自适应是指生物能改变自己的习性以适应新的环境的一种特征。因此,直观地讲,自适应控制器应当是这样一种控制器,它能修正自己的特性以适应对象和扰动的动态特性的变化。自适应控制的研究对象是具有一定程度不确定性的系统,这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的,其中包含一些未知因素和随机因素。总之,自适应技术是通过时变的动态增益来解决系统中的“不确定性”,体现了“以动制动”的思想。
所谓实际跟踪就是希望系统的输出按照预先设定的形式运行,但由于实际系统不可避免的存在各种干扰,因此系统的输出不可能复现预先设定的形式,但可以要求系统的输出与预先设计的形式的误差在一定可以接受的范围内。实际跟踪在实际生活中有很多的应用,例如智能车按照预定的轨线前行以及最常见的无人机按照预定的方式进行编队变换等,因此研究机械臂系统的实际跟踪是有必要的。
事件触发机制是一种新型的控制策略,只有当特定的事件发生时,其控制任务才会被执行,这不同于传统的周期控制,其控制任务是周期执行的。典型的事件触发机制的设计核心就是保持系统的稳定性和性能,也就是说只有当系统的稳定性和性能有要求的时候,传感器才会对系统的状态或者输出进行采样和传输并更新控制信号,因此事件触发控制能在保持系统的稳定性和性能的情况下相应地减少对计算机资源的浪费。因此在实际机械臂系统中为了减少马达的磨损,设计基于事件触发机制的控制器方案是有必要的。
发明内容
针对现有技术的不足,本发明提出了基于事件触发的单连杆机械臂系统实际跟踪的控制方法,利用自适应技术提出一种基于事件触发机制的输出反馈实际跟踪的控制方法,通过构造事件触发条件和设计事件触发控制器,减少浪费机械臂运行时的有限资源以及降低马达磨损,实现机械臂的实际跟踪。
基于事件触发的单连杆机械臂系统实际跟踪的控制方法,该方法包括以下步骤:
步骤1、建立系统空间状态模型。
根据牛顿定理以及相关的物理学原理,对单连杆机械臂系统进行分析,建立系统的动态描述方程:
其中,q1、q2分别表示t时刻连杆位移、电机转子位移,·、··分别表示一次求导与两次求导,Jl、Jm分别表示连杆惯性、电机转子惯性,k0代表弹性常数,g代表重力常数,m代表连接质量,l0代表质心,Fl、Fm分别表示连杆、电子转子的粘性摩擦系数,控制u代表马达传递的扭矩,u*为未知有界干扰。
步骤2、设计高增益观测器。
在单连杆机械臂系统只有连杆位移q1是可测的,因此步骤1建立的系统空间状态模型中只有y是已知的。利用系统输入输出信息来设计观测器重构系统状态以及未知的扰动,同时构造合适的自适应增益L,用于补偿系统不确定信息以及扰动带来的影响,得到高增益观测器:
其中是公式(3)中状态x=[x1,x2,x3,x4,x5]T的估计值,a1、a2、a3、a4、a5均大于0,是赫尔维茨多项式p(s)=s5+a1s4+a2s3+a3s2+a4s+a5的系数,τ是任意的正常数。
步骤3、设计基于事件触发的输出反馈控制器。
基于经典控制方法,引入动态增益,并补偿系统中的扰动项,得到控制器:
其中k1、k2、k3、k4均大于0,是赫尔维茨多项式p(s)=s4+k1s3+k2s2+k3s+k4的系数。
设计事件触发决策机制:
得到基于事件触发的控制器:
本发明具有以下有益效果:
1、非线性机械臂系统的较为复杂,已知信息较少,而且存在传感器、执行机构或者其他因素产生的误差或者干扰,现有的研究结果无法给出合适的事件触发控制方案,本发明提出的控制器填充了这一领域的空白。
2、非线性系统的实际跟踪问题要求连杆位移跟踪预先给定的轨迹,更符合实际生活的要求。
3、实现非线性机械臂系统进行有效控制,使得其在运行时是稳定有界的,采用的事件触发控制是一种采样控制,可以减少不必要的信息传输,节省计算机的资源,进而减少机械臂系统马达的磨损。
附图说明
图1为单连杆机械臂系统结构图;
图2为基于状态观测器的输出反馈控制原理;
图3为基于事件触发的控制系统原理;
图4是系统输出y的轨迹图;
图5是状态η1和η2的状态轨迹图;
图6是状态η3和η4的状态轨迹图;
图9是动态增益L的状态轨迹图;
图10是控制信号u的状态轨迹图。
具体实施方式
以下结合附图对本发明作进一步的解释说明;
基于事件触发的单连杆机械臂系统实际跟踪的控制方法,该方法包括以下步骤:
步骤1、建立系统空间状态模型。
根据牛顿定理以及相关的物理学原理,对如图1所示的单连杆机械臂系统进行分析,在不考虑机械臂系统本身形变的影响下,建立系统的动态描述方程:
其中,q1、q2分别表示t时刻连杆位移、电机转子位移,·、··分别表示一次求导与两次求导,Jl、Jm分别表示连杆惯性、电机转子惯性,k0代表弹性常数,g代表重力常数,m代表连接质量,l0代表质心,Fl、Fm分别表示连杆、电子转子的粘性摩擦系数,控制u代表马达传递的扭矩,u*代表由于传感器或者其他因素所造成的未知有界干扰,u*≤c,c是一个未知的正常数。
步骤2、设计高增益观测器。
由步骤1建立的系统空间状态模型可知,系统的状态大都不可测,因此无法用状态反馈控制方法来对系统进行控制,针对这种情况可以采用如图2所示的带有状态观测器的输出反馈控制方法,为了实现准确的控制,需要状态的确切信息,因此需要设计观测器对原系统状态进行估计,为了保证观测器能准确估计原系统的状态,首先要求观测器在形式上和原系统是一致的,又因为在单连杆机械臂系统只有连杆位移q1是可测的,因此模型中只有y是已知的。利用系统输入输出信息来设计观测器重构系统状态以及未知的扰动,同时构造合适的自适应增益L,用于补偿系统不确定信息以及扰动带来的影响,得到高增益观测器:
其中是公式(3)中状态x=[x1,x2,x3,x4,x5]T的估计值,a1、a2、a3、a4、a5均大于0,是赫尔维茨多项式p(s)=s5+a1s4+a2s3+a3s2+a4s+a5的系数,τ是任意的正常数。L是自适应增益表达式中第一项保证系统的输出最终保持在[-λ,λ]范围内,第二项保证此增益是有界的,第三项保证增益单调递增,初值使得增益始终大于1。
步骤3、设计基于事件触发的输出反馈控制器。
将步骤1建立的空间状态模型与步骤2建立的观测器视为一个新的系统,新系统的输出为观测器估计的状态,基于经典控制方法得到控制器:
公式(5)展示的控制器并不能处理非线性系统,因此引入动态增益,并补偿系统中的扰动项,得到新的控制器:
其中k1、k2、k3、k4均大于0,是赫尔维茨多项式p(s)=s4+k1s3+k2s2+k3s+k4的系数。
如图3所示,为了减少不必要的信息传输,引入一种机制来决定是否传输“控制信息”,且保证该传输的信息确实可以保证系统的稳定运行,从而减少传输信息的量,减少马达的磨损,设计事件触发决策机制:
得到基于事件触发的控制器:
步骤5、确定控制器参数。
选择两组合适的赫尔维茨多项式系数,a1=2,a2=10,a3=6,a4=10.2,a5=1以及k1=5,k2=5,k3=6,k4=5。设置最大允许跟踪误差λ=0.2、参照信号yr=sint、控制器触发阈值γ=5以及增益参数τ=0.2,得到的观测器如下:
基于事件触发的控制器如下:
将其用于如表1所示参数的单连杆机械臂系统中,进行仿真实验。
表1
图4代表系统输出的状态轨迹图,可以看到系统的输出最总保持在[-0.2,0.2]范围内实现了系统的实际跟踪,图5代表原系统状态η1和η2的状态轨迹图,图6是原系统状态η3和η4的状态轨迹图,图7是观测器估计状态和的状态轨迹图,图8是观测器估计状态和的状态轨迹图,从图上可以看出系统在设计的控制器下的状态轨迹是有界的,图9代表动态增益L的状态轨迹,图10代表控制器u的轨迹。
以下内容从理论角度,证明本方法得到的基于事件触发的控制器的有效性:
定义矩阵A,K,D1和D2如下:
因为A和K是赫尔维茨矩阵,所以存在正定矩阵Q=QT和P=PT满足:
其中I代表适当维数的单位矩阵。
首先选择如下的动态变换:
可以将系统空间状态模型(3)和高增益观测器(4)转换为如下的形式:
其中:
采用李亚普诺夫函数证明控制器可以实现系统的稳定运行以及实际跟踪。首先为机械臂系统构造一个李亚普诺夫函数
V=Vz+μVε=zTPz+μεTQε (14)
进而可以得到:
证明(1)、证明L是有界的:
根据解的存在唯一性定理和延拓定理,可以知道对于任意的初始条件闭环系统存在唯一的解在最大存在区间[0,Tm)上。采用反证法,首先假设L是无界的,即那么一定存在一个时间T1,使得当t∈[T1,Tm),成立,从而有
其中γ1是满足γ1V≤‖ε‖2+||z||2≤γ2V的常数。这意味着存在一个时间t2∈[t1,Tm),使得当t2≤t≤tm有
进而可以得到
定义Λ=LV,求导可得
证明(2)、证明状态z是有界的。
从证明(1)可知L是有界的,设置:
注意到Lyapunov函数Vz=zTPz,对其求导可得:
由公式(24)可以知道状态z是有界的。
证明(3)、证明状态ε是有界的。
重新选择坐标变换得到:
其中A在上述已经定义,而
构造一个正定的Lyapunov函数Vη=ηTQη,对其求导可得:
因此对t∈[0,Tm)积分可以得到
由公式(29)可以知道状态η有界的,通过(12)和(25),可以知道状态ε也是有界的。
(4)证明Tm=+∞、没有Zeno现象发生。
所述Zeno现象为在有限时间内控制无限次触发。
首先假设Tm<+∞,可以得到:
由基于事件触发的控制器可知,存在一个正实数M使得下式成立
进一步可以得到:
进而可以得到:
从动态增益更新率中可以得知存在一个时间Tλ,当t>Tλ时
综上所述,设计的利用自适应技术基于事件触发的控制器方案最终可以实现机械臂系统的跟踪运行。
Claims (5)
1.基于事件触发的单连杆机械臂系统实际跟踪的控制方法,其特征在于:该方法包括以下步骤:
步骤1、建立系统空间状态模型;
对单连杆机械臂系统进行分析,建立系统的动态描述方程:
其中,q1、q2分别表示t时刻连杆位移、电机转子位移,·、··分别表示一次求导与两次求导,Jl、Jm分别表示连杆惯性、电机转子惯性,k0代表弹性常数,g代表重力常数,m代表连接质量,l0代表质心,Fl、Fm分别表示连杆、电子转子的粘性摩擦系数,控制u代表马达传递的扭矩,u*为未知有界干扰;
步骤2、设计观测器;
设计如公式(4)所示高增益观测器:
其中是公式(3)中状态x=[x1,x2,x3,x4,x5]T的估计值,a1、a2、a3、a4、a5均大于0,是赫尔维茨多项式p(s)=s5+a1s4+a2s3+a3s2+a4s+a5的系数,L为自适应增益,τ为大于0的常数;
步骤3、设计基于事件触发的输出反馈控制器;
基于经典控制方法,引入动态增益,并补偿系统中的扰动项,得到控制器:
其中k1、k2、k3、k4均大于0,是赫尔维茨多项式p(s)=s4+k1s3+k2s2+k3s+k4的系数;
设计事件触发决策机制:
得到基于事件触发的控制器:
2.如权利要求1所述基于事件触发的单连杆机械臂系统实际跟踪的控制方法,其特征在于:u*为传感器造成的未知有界干扰。
3.如权利要求1或2所述基于事件触发的单连杆机械臂系统实际跟踪的控制方法,其特征在于:u*≤c,c为大于0的常数。
4.如权利要求1所述基于事件触发的单连杆机械臂系统实际跟踪的控制方法,其特征在于:高增益观测器中的自适应增益L用于补偿系统不确定信息和扰动带来的影响以及使得跟踪误差保持在预先设定的范围内。
5.如权利要求1所述基于事件触发的单连杆机械臂系统实际跟踪的控制方法,其特征在于:设置两组赫尔维茨多项式系数分别为a1=2,a2=10,a3=6,a4=10.2,a5=1以及k1=5,k2=5,k3=6,k4=5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110454780.7A CN113110059B (zh) | 2021-04-26 | 2021-04-26 | 基于事件触发的单连杆机械臂系统实际跟踪的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110454780.7A CN113110059B (zh) | 2021-04-26 | 2021-04-26 | 基于事件触发的单连杆机械臂系统实际跟踪的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113110059A true CN113110059A (zh) | 2021-07-13 |
CN113110059B CN113110059B (zh) | 2022-04-19 |
Family
ID=76721825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110454780.7A Active CN113110059B (zh) | 2021-04-26 | 2021-04-26 | 基于事件触发的单连杆机械臂系统实际跟踪的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113110059B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534666A (zh) * | 2021-07-29 | 2021-10-22 | 河南科技大学 | 多目标约束下单关节机械臂系统的轨迹跟踪控制方法 |
CN113820955A (zh) * | 2021-09-29 | 2021-12-21 | 山东建筑大学 | 未知随机非线性系统自适应控制方法、控制器、终端、介质 |
CN114047694A (zh) * | 2021-10-25 | 2022-02-15 | 南京理工大学 | 一种针对单连杆机械臂的自适应输出反馈控制方法 |
CN114063458A (zh) * | 2021-11-19 | 2022-02-18 | 中国矿业大学 | 一种非三角结构系统不依赖初始条件的预设性能控制方法 |
CN114296351A (zh) * | 2021-12-29 | 2022-04-08 | 杭州电子科技大学 | 一种非线性机械臂系统的混杂增益控制方法 |
CN114563953A (zh) * | 2022-01-31 | 2022-05-31 | 四川大学 | 兼顾多因素影响的轮式机器人自适应容错可靠控制系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105807634A (zh) * | 2016-05-11 | 2016-07-27 | 天津大学 | 基于扩张状态观测器非线性系统事件触发控制器设计方法 |
CN108628172A (zh) * | 2018-06-25 | 2018-10-09 | 南京理工大学 | 一种基于扩张状态观测器的机械臂高精度运动控制方法 |
CN108803326A (zh) * | 2018-06-06 | 2018-11-13 | 黄山学院 | 具有干扰和时延的工业机械臂线性自抗扰跟踪控制方法 |
CN110253572A (zh) * | 2019-05-31 | 2019-09-20 | 广东工业大学 | 一种基于扰动观测器的输入饱和多单臂机械手的事件触发控制方法 |
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 |
CN111152225A (zh) * | 2020-01-15 | 2020-05-15 | 北京科技大学 | 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 |
CN111812973A (zh) * | 2020-05-21 | 2020-10-23 | 天津大学 | 一种离散时间非线性系统的事件触发优化控制方法 |
CN112621759A (zh) * | 2020-12-28 | 2021-04-09 | 燕山大学 | 基于事件触发机制的遥操作系统分数阶滑模同步控制方法 |
-
2021
- 2021-04-26 CN CN202110454780.7A patent/CN113110059B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105807634A (zh) * | 2016-05-11 | 2016-07-27 | 天津大学 | 基于扩张状态观测器非线性系统事件触发控制器设计方法 |
CN108803326A (zh) * | 2018-06-06 | 2018-11-13 | 黄山学院 | 具有干扰和时延的工业机械臂线性自抗扰跟踪控制方法 |
CN108628172A (zh) * | 2018-06-25 | 2018-10-09 | 南京理工大学 | 一种基于扩张状态观测器的机械臂高精度运动控制方法 |
CN110253572A (zh) * | 2019-05-31 | 2019-09-20 | 广东工业大学 | 一种基于扰动观测器的输入饱和多单臂机械手的事件触发控制方法 |
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 |
CN111152225A (zh) * | 2020-01-15 | 2020-05-15 | 北京科技大学 | 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 |
CN111812973A (zh) * | 2020-05-21 | 2020-10-23 | 天津大学 | 一种离散时间非线性系统的事件触发优化控制方法 |
CN112621759A (zh) * | 2020-12-28 | 2021-04-09 | 燕山大学 | 基于事件触发机制的遥操作系统分数阶滑模同步控制方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534666A (zh) * | 2021-07-29 | 2021-10-22 | 河南科技大学 | 多目标约束下单关节机械臂系统的轨迹跟踪控制方法 |
CN113534666B (zh) * | 2021-07-29 | 2023-03-03 | 河南科技大学 | 多目标约束下单关节机械臂系统的轨迹跟踪控制方法 |
CN113820955A (zh) * | 2021-09-29 | 2021-12-21 | 山东建筑大学 | 未知随机非线性系统自适应控制方法、控制器、终端、介质 |
CN113820955B (zh) * | 2021-09-29 | 2023-10-17 | 山东建筑大学 | 未知随机非线性系统自适应控制方法、控制器、终端、介质 |
CN114047694A (zh) * | 2021-10-25 | 2022-02-15 | 南京理工大学 | 一种针对单连杆机械臂的自适应输出反馈控制方法 |
CN114047694B (zh) * | 2021-10-25 | 2024-04-05 | 南京理工大学 | 一种针对单连杆机械臂的自适应输出反馈控制方法 |
CN114063458A (zh) * | 2021-11-19 | 2022-02-18 | 中国矿业大学 | 一种非三角结构系统不依赖初始条件的预设性能控制方法 |
CN114063458B (zh) * | 2021-11-19 | 2022-05-20 | 中国矿业大学 | 一种非三角结构系统不依赖初始条件的预设性能控制方法 |
CN114296351A (zh) * | 2021-12-29 | 2022-04-08 | 杭州电子科技大学 | 一种非线性机械臂系统的混杂增益控制方法 |
CN114296351B (zh) * | 2021-12-29 | 2024-03-26 | 杭州电子科技大学 | 一种非线性机械臂系统的混杂增益控制方法 |
CN114563953A (zh) * | 2022-01-31 | 2022-05-31 | 四川大学 | 兼顾多因素影响的轮式机器人自适应容错可靠控制系统及方法 |
CN114563953B (zh) * | 2022-01-31 | 2023-05-09 | 四川大学 | 兼顾多因素影响的轮式机器人自适应容错可靠控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113110059B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113110059B (zh) | 基于事件触发的单连杆机械臂系统实际跟踪的控制方法 | |
CN109240086B (zh) | 一种非线性双边遥操作系统的自适应鲁棒控制方法 | |
Sun et al. | Neural network-based adaptive controller design of robotic manipulators with an observer | |
CN110262256B (zh) | 一种非线性遥操作系统的多边自适应滑模控制方法 | |
CN111941432B (zh) | 一种高性能机械臂人工智能输出反馈控制方法 | |
US7080055B2 (en) | Backlash compensation with filtered prediction in discrete time nonlinear systems by dynamic inversion using neural networks | |
CN108388114B (zh) | 一种基于输出重定义的柔性机械臂复合控制方法 | |
Slawiñski et al. | PD‐like controllers for delayed bilateral teleoperation of manipulators robots | |
CN108646569B (zh) | 离散时间状态下的遥操作系统的控制方法 | |
CN112904728A (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
Qi et al. | Stable indirect adaptive control based on discrete-time T–S fuzzy model | |
CN108983734B (zh) | 一种考虑三角形结构下遥操作系统的有限时间控制方法 | |
Yang et al. | Multi‐manipulators coordination for bilateral teleoperation system using fixed‐time control approach | |
Cheng et al. | Event-triggered-based adaptive command-filtered asymptotic tracking control for flexible robotic manipulators | |
WO2022257185A1 (zh) | 一种基于人工神经网络的机器人外界接触力估计方法 | |
CN113219826B (zh) | 基于事件触发机制的非线性振荡器的自适应跟踪控制方法 | |
Chaudhary et al. | Fractional order fast terminal sliding mode control scheme for tracking control of robot manipulators | |
CN114063457A (zh) | 一种机械臂系统的事件触发容错控制方法 | |
CN114114928A (zh) | 一种压电微定位平台的固定时间自适应事件触发控制方法 | |
CN113625781A (zh) | 基于事件的欧拉-拉格朗日系统跟踪控制方法 | |
Aksman et al. | Force estimation based compliance control of harmonically driven manipulators | |
CN111427264B (zh) | 一种复杂遥操作技术的神经自适应固定时间控制方法 | |
CN109995278B (zh) | 一种考虑输入受限的电机伺服系统自调节控制方法 | |
CN110187637A (zh) | 在控制方向和期望轨迹不确定下的机器人系统控制方法 | |
CN114047694B (zh) | 一种针对单连杆机械臂的自适应输出反馈控制方法 |
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 |