CN113110059B - 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 PDF

Info

Publication number
CN113110059B
CN113110059B CN202110454780.7A CN202110454780A CN113110059B CN 113110059 B CN113110059 B CN 113110059B CN 202110454780 A CN202110454780 A CN 202110454780A CN 113110059 B CN113110059 B CN 113110059B
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.)
Active
Application number
CN202110454780.7A
Other languages
English (en)
Other versions
CN113110059A (zh
Inventor
鞠昕旭
贾祥磊
邵一鸣
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi 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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202110454780.7A priority Critical patent/CN113110059B/zh
Publication of CN113110059A publication Critical patent/CN113110059A/zh
Application granted granted Critical
Publication of CN113110059B publication Critical patent/CN113110059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

基于事件触发的单连杆机械臂系统实际跟踪的控制方法
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：
Figure BDA0003040169180000021
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。
设置控制目标为：在只有连杆位移q1可测的情况下，使q1跟踪参照信号yr，且最大允许误差为λ，参照信号yr满足
Figure BDA0003040169180000022
定义状态η1＝q1，η2＝q2，
Figure BDA0003040169180000023
和
Figure BDA0003040169180000024
将系统的动态模型转换为空间状态表达：
Figure BDA0003040169180000025
其中，
Figure BDA0003040169180000031
是一个已知的常数，y是系统的输出信号。
定义x5＝u*，
Figure BDA0003040169180000032
和
Figure BDA0003040169180000033
i＝2,3,4，将系统的空间状态表达转换为下三角结构的形式：
Figure BDA0003040169180000034
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：
Figure BDA0003040169180000035
其中
Figure BDA0003040169180000036
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，
Figure BDA0003040169180000037
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：
Figure BDA0003040169180000041
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：
Figure BDA0003040169180000042
其中tk代表上一控制转换时刻，tk+1代表即将要控制转换的时刻，γ＞0是可设计的参数代表控制器触发阈值，当
Figure BDA0003040169180000043
满足事件触发决策才传输控制信号，否则一直沿用tk时刻的控制信号。
得到基于事件触发的控制器：
Figure BDA0003040169180000044
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7是估计状态
Figure BDA0003040169180000051
和
Figure BDA0003040169180000052
的状态轨迹图；
图8是估计状态
Figure BDA0003040169180000053
和
Figure BDA0003040169180000054
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：
Figure BDA0003040169180000055
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。
设置控制目标为：在只有连杆位移q1可测的情况下，使q1跟踪参照信号yr，且最大允许误差为λ，参照信号yr满足
Figure BDA0003040169180000056
定义状态η1＝q1，η2＝q2，
Figure BDA0003040169180000057
和
Figure BDA0003040169180000058
将系统的动态模型转换为空间状态表达：
Figure BDA0003040169180000059
其中，
Figure BDA0003040169180000061
是一个已知的常数，y是系统的输出信号。
为了消去输入u前面的系数，定义x5＝u*，
Figure BDA0003040169180000062
和
Figure BDA0003040169180000063
i＝2,3,4，将系统的空间状态表达转换为下三角结构的形式：
Figure BDA0003040169180000064
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：
Figure BDA0003040169180000065
其中
Figure BDA0003040169180000066
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，
Figure BDA0003040169180000071
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：
Figure BDA0003040169180000072
其中u是控制信号，K是一系列设计参数，
Figure BDA0003040169180000073
是观测器的输出状态。
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：
Figure BDA0003040169180000074
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：
Figure BDA0003040169180000075
其中tk代表上一控制转换时刻，tk+1代表即将要控制转换的时刻，γ＞0是可设计的参数代表控制器触发阈值，当
Figure BDA0003040169180000076
满足事件触发决策才传输控制信号，否则一直沿用tk时刻的控制信号。
得到基于事件触发的控制器：
Figure BDA0003040169180000077
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：
Figure BDA0003040169180000081
基于事件触发的控制器如下：
Figure BDA0003040169180000082
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。
Figure BDA0003040169180000083
表1
利用表1中的参数值，可以得到原机械臂非线性系统的较确切的表达式，同时假设该系统的系统初始条件
Figure BDA0003040169180000084
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
Figure BDA0003040169180000085
和
Figure BDA0003040169180000086
的状态轨迹图，图8是观测器估计状态
Figure BDA0003040169180000087
和
Figure BDA0003040169180000088
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：
Figure BDA0003040169180000091
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：
Figure BDA0003040169180000092
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：
Figure BDA0003040169180000093
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：
Figure BDA0003040169180000094
其中：
Figure BDA0003040169180000095
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)
其中
Figure BDA0003040169180000096
基于上述变换对该李亚普诺夫函数求导可以得到：
Figure BDA0003040169180000101
进而可以得到：
Figure BDA0003040169180000102
其中
Figure BDA0003040169180000103
和△＝2γ2||PC‖2以及θ是未知的常数。
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
Figure BDA0003040169180000104
那么一定存在一个时间T1，使得当t∈[T1,Tm)，
Figure BDA0003040169180000105
成立，从而有
Figure BDA0003040169180000106
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
Figure BDA0003040169180000111
进而可以得到
Figure BDA0003040169180000112
定义Λ＝LV，求导可得
Figure BDA0003040169180000113
这就意味着Λ是有界的，同时也意味着V是有界的且
Figure BDA0003040169180000114
因此：
Figure BDA0003040169180000115
而公式(19)和
Figure BDA0003040169180000116
矛盾，因此假设L无界不成立，即L是有界的。
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：
Figure BDA0003040169180000117
注意到Lyapunov函数Vz＝zTPz，对其求导可得：
Figure BDA0003040169180000118
其中
Figure BDA0003040169180000119
λmax(P)代表矩阵P的最大特征值。
注意到
Figure BDA00030401691800001110
进而可以得到
Figure BDA0003040169180000121
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：
Figure BDA0003040169180000122
其中
Figure BDA0003040169180000123
通过系统状态模型(3)、观测器(4)以及(25)可以将系统重写为：
Figure BDA0003040169180000124
其中A在上述已经定义，而
Figure BDA0003040169180000125
构造一个正定的Lyapunov函数Vη＝ηTQη，对其求导可得：
Figure BDA0003040169180000131
其中
Figure BDA0003040169180000132
λmax(Q)代表矩阵Q的最大特征值。注意到
Figure BDA0003040169180000133
因此对t∈[0,Tm)积分可以得到
Figure BDA0003040169180000134
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：
Figure BDA0003040169180000141
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
Figure BDA0003040169180000142
进一步可以得到：
Figure BDA0003040169180000143
进而可以得到：
Figure BDA0003040169180000144
因此
Figure BDA0003040169180000145
这也就意味着假设Tm<+∞是错误的，因此Tm＝+∞以及Zeno现象不会发生。
(5)通过上述4个证明可以知道闭环系统的所有状态都是有界的，这也就意味着L(t)在[0,+∞)上是有界的以及
Figure BDA0003040169180000146
进一步通过
Figure BDA00030401691800001410
引理，可以得到：
Figure BDA0003040169180000147
从动态增益更新率中可以得知存在一个时间Tλ，当t＞Tλ时
Figure BDA0003040169180000148
这也就意味着|y(t)|＝|η1(t)-yr(t)|≤λ,
Figure BDA0003040169180000149
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：
Figure FDA0003507974100000011
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；
设置控制目标为：在只有连杆位移q1可测的情况下，使q1跟踪参照信号yr，最大允许误差为λ，连杆跟踪参照信号yr满足
Figure FDA0003507974100000012
定义状态η1＝q1，η2＝q2，
Figure FDA0003507974100000013
和
Figure FDA0003507974100000014
将系统的动态模型转换为空间状态表达：
Figure FDA0003507974100000015
其中，
Figure FDA0003507974100000016
是一个已知的常数，y是系统的输出信号；
定义x5＝u*，
Figure FDA0003507974100000017
和
Figure FDA0003507974100000018
将系统的空间状态表达转换为下三角结构的形式：
Figure FDA0003507974100000021
步骤2、设计观测器；
设计如公式(4)所示高增益观测器：
Figure FDA0003507974100000022
其中
Figure FDA0003507974100000023
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，
Figure FDA0003507974100000024
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：
Figure FDA0003507974100000025
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：
Figure FDA0003507974100000026
其中tk代表上一控制转换时刻，tk+1代表即将要控制转换的时刻，γ>0是可设计的参数，代表控制器触发阈值，当
Figure FDA0003507974100000031
满足事件触发决策才传输控制信号，否则一直沿用tk时刻的控制信号；
得到基于事件触发的控制器：
Figure FDA0003507974100000032
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。
CN202110454780.7A 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 Active CN113110059B (zh)

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 CN113110059A (zh) 2021-07-13
CN113110059B true 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)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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
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
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
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

Citations (8)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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

Also Published As

Publication number Publication date
CN113110059A (zh) 2021-07-13

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
CN108388114B (zh) 一种基于输出重定义的柔性机械臂复合控制方法
CN112904728B (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
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
CN110262256B (zh) 一种非线性遥操作系统的多边自适应滑模控制方法
CN108646569B (zh) 离散时间状态下的遥操作系统的控制方法
CN110376901B (zh) 一种基于动态控制器的迭代学习控制方法
Yang et al. Multi‐manipulators coordination for bilateral teleoperation system using fixed‐time control approach
CN107765548B (zh) 基于双观测器的发射平台高精度运动控制方法
Cheng et al. Event-triggered-based adaptive command-filtered asymptotic tracking control for flexible robotic manipulators
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
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
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
CN109324503B (zh) 基于鲁棒积分的多层神经网络电机系统控制方法
CN115890650A (zh) 一种可重构机械臂事件触发分散最优容错控制方法及系统
CN114859725A (zh) 一种非线性系统自适应事件触发控制方法及系统
CN114488786A (zh) 一种基于a3c和事件触发的网络化伺服系统控制方法
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

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