CN114237050B - 一种全状态约束下绳系组合体稳定控制方法 - Google Patents
一种全状态约束下绳系组合体稳定控制方法 Download PDFInfo
- Publication number
- CN114237050B CN114237050B CN202111541382.5A CN202111541382A CN114237050B CN 114237050 B CN114237050 B CN 114237050B CN 202111541382 A CN202111541382 A CN 202111541382A CN 114237050 B CN114237050 B CN 114237050B
- Authority
- CN
- China
- Prior art keywords
- equation
- function
- state
- following
- constraint
- 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)
Abstract
本发明公开了一种全状态约束下绳系组合体稳定控制方法,旨在解决系统存在全状态约束,即位置和速度均受限制下的快速稳定控制问题。针对绳系组合体系统存在多种不确定性因素,设计自适应神经网络方案,实现对系统总和不确定性的快速、精确估计;其次分别考虑系统的广义位置和速度约束,设计障碍李雅普诺夫函数(Barrier Lyapunov Function,BLF)以解决全状态约束问题;随后,采用反步法设计鲁棒自适应控制器,保证状态约束和多种不确定性存在下绳系组合体系统的快速、高精度稳定控制;最后对设计的控制器进行李雅普诺夫稳定性证明。本发明可保证组合体系统的位置和速度始终在约束范围内运行,可实现多种不确定性存在下绳系组合体系统的快速、高精度稳定控制问题。
Description
技术领域
本发明属于航天技术领域,具体涉及一种绳系组合体稳定控制方法。
背景技术
近期,众多国家针对空间合作目标的捕获开展了大量研究,并取得一系列丰硕的成果,但是针对失稳非合作目标捕获的控制理论和技术仍不完善。
空间绳系捕获器是通过挠性系绳将平台与目标航天器相连接而组成的新型空间组合体,是实现失稳非合作目标捕获的有效工具。空间绳系航天器抓捕失稳目标后会与目标形成空间绳系组合体,处于高速旋转失稳状态,对其进行稳定控制是开展后续轨道垃圾清理和拖曳移除等精细操作的必要前提。
目前,已有学者针对空间绳系组合体的控制方法开展研究。例如,王秉亨等(申请号为CN202110000112.7的中国专利)研究了一种利用偏置系绳摆杆来实现组合体系统的稳定控制问题,并设计了一类有效的分层滑模控制律;鲁迎波等(申请号为CN201811088097.0的中国专利)结合滑模控制和动态面技术提出了一种自适应控制方法以保证绳系组合体的快速稳定。但是,上述方案均未考虑绳系航天器抓捕过程中存在的两端航天器易碰撞、系绳易缠绕等问题,这些问题使得组合体的位置和速度等状态均需要在严格的约束范围内运行,给绳系组合体高精度稳定控制方案设计带来新的严峻挑战。因此,在系统存在复杂状态约束下,设计一种具有快速响应、高精度的稳定控制方案是十分必要的,已成为空间绳系航天器领域的研究重点。
发明内容
为了克服现有技术的不足,本发明提供了一种全状态约束下绳系组合体稳定控制方法,旨在解决系统存在全状态约束,即位置和速度均受限制下的快速稳定控制问题。针对绳系组合体系统存在多种不确定性因素,设计自适应神经网络方案,实现对系统总和不确定性的快速、精确估计;其次分别考虑系统的广义位置和速度约束,设计障碍李雅普诺夫函数(Barrier Lyapunov Function,BLF)以解决全状态约束问题;随后,采用反步法设计鲁棒自适应控制器,保证状态约束和多种不确定性存在下绳系组合体系统的快速、高精度稳定控制;最后对设计的控制器进行李雅普诺夫稳定性证明。本发明可保证组合体系统的位置和速度始终在约束范围内运行,可实现多种不确定性存在下绳系组合体系统的快速、高精度稳定控制问题。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:建立状态约束下的障碍李雅普诺夫函数;
步骤1-1:根据欧拉-拉格朗日方程,建立抓捕后绳系组合体系统的动力学方程如下所示:
式中q=[α,β,l]T∈R3为系统广义位置坐标,其中α、β、l分别为系绳面内角、面外角以及系绳长度;分别为系统的广义位置、速度和加速度变量;τ=[τα,τβ,τl]T∈R3为广义力,τα,τβ,τl分别为面内角、面外角以及绳长的广义控制力矩;M(q)∈R3×3为正定对称矩阵,为科式力矩阵,G(q)∈R3为重力矩,d∈R3为外界扰动;
步骤1-2:根据式(1)知,绳系组合体系统具有强耦合非线性特性,满足下述性质:
性质1:M为可逆的对称正定矩阵,并且对于任意x∈R3,以下不等式(2)成立:
m1xTx≤xTMx≤m2xTx (2)
其中m1和m2分别为M的最小和最大特征值;
定义如下相关引理和假设:
引理1:对于任意y1∈R3,若有||y1||<ba,则以下不等式恒成立:
其中,ba为已知常数;
式中,F(.)=M-1(x1,x2,t)(d-C(x1,x2)x1-G(x1))中包含未知不确定性;
步骤1-3:定义期望的组合体系统轨迹为qd(t),位置跟踪误差为e=x1(t)-qd(t);在系统存在总不确定性的情况下保证状态q(t)能够跟踪参考轨迹qd(t),并且保证系统状态始终满足约束条件:存在正数和使得对于任意t>0,和均成立;
为了简化书写,后续将省略自变量;
步骤1-4:定义以下误差转换函数
z1=e,z2=x2-α1 (5)
其中z1和z2为误差转换函数向量,α1为系统虚拟控制量;
考虑系统的位置约束,设计如下的障碍李雅普诺夫函数V1:
上式中其中A0由假设1给出;定义闭区间Ωz1:={z1|||z1||<kb1},由z1=x1-yd得到成立;通过选择保证当时x1也在约束范围内;根据障碍李雅普诺夫函数特性知,若使得系统状态始终处于闭区间Ωz1内,则系统应满足V1∈L∞,对于V1求导得:
步骤2:基于反步法设计鲁棒自适应控制器;
步骤2-1:根据式(7)选取如下的虚拟控制量:
步骤2-2:对误差转换函数z2求导得:
为了确保系统状态x2不违反约束,定义如下的障碍李雅普诺夫函数:
其中kb2为正数;
对V2沿着式(9)求取关于时间的导数,则有:
步骤3:设计自适应神经网络;
根据神经网络逼近特性,得到:
其中W∈R15×3为未知的最优权重矩阵,δz(Z)为神经网络的逼近误差;
将式(14)代入式(13)中有:
根据杨氏不等式,则以下不等式(16)和(17)成立:
根据不等式(16)和(17)有:
综上,式(15)能被改写为:
步骤3-2:设计如下所示的鲁棒自适应控制器式(20)和自适应律式(21):
步骤3-3:根据以上控制器式(20)和(21),得到如下定理:
定理2:考虑存在全状态约束和系统不确定性的绳系组合体系统方程式(4);若假设1成立,则对于任意初始状态满足z1(0)∈Ωz1和z2(0)∈Ωz2,所设计的鲁棒自适应控制器式(20)和自适应律式(21)能保证系统实现以下控制目标:
步骤4:对闭环系统进行李雅普诺夫稳定性证明;
步骤4-1:选取候选李雅普诺夫函数表达式为:
将鲁棒自适应控制器式(20)和自适应律式(21)代入式(22)的导数中,得到:
因此,根据引理1,式(23)改写为:
式中,D为常值;
1)从式(25)能够得出V3(t)为有界函数,则闭环系统的状态z1、z2和均有界;根据系统初始状态满足z1(0)∈Ωz1和z2(0)∈Ωz2,则得到z1(t)∈Ωz1和z2(t)∈Ωz2对于任意t>0均成立;根据式(1)和(8)得到绳系组合体系统实际位置和速度时刻满足且
2)根据式(25)得到:
优选地,所述系统的广义位置包括面内角、面外角和系绳长度。
本发明的有益效果如下:
1)、本发明方法设计了障碍李雅普诺夫函数,可保证组合体系统的位置和速度始终在约束范围内运行。
2)、本发明方法提出自适应神经网络技术,可实现多种不确定性存在下绳系组合体系统的快速、高精度稳定控制问题。
3)、本发明方法采用连续控制方案,可提升系统的控制性能。
附图说明
图1为本发明系统的鲁棒自适应控制框图。
图2本发明实施例在约束存在下的位置控制效果图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
一种全状态约束下绳系组合体稳定控制方法,包括如下步骤:
步骤1:建立状态约束下的障碍李雅普诺夫函数;
步骤1-1:根据欧拉-拉格朗日方程,建立抓捕后绳系组合体系统的动力学方程如下所示:
式中q=[α,β,l]T∈R3为系统广义位置坐标,其中α、β、l分别为系绳面内角、面外角以及系绳长度;分别为系统的广义位置(包括面内角、面外角和系绳长度)、速度和加速度变量;τ=[τα,τβ,τl]T∈R3为广义力;M(q)∈R3×3为正定对称矩阵,为科式力矩阵,G(q)∈R3为重力矩,d∈R3为外界扰动;
步骤1-2:根据式(1)可知,绳系组合体系统具有强耦合非线性特性,满足下述性质:
性质1:M为可逆的对称正定矩阵,并且对于任意x∈R3,以下不等式(2)成立:
m1xTx≤xTMx≤m2xTx (2)
其中m1和m2分别为M的最小和最大特征值;
定义如下相关引理和假设:
引理1:对于任意y1∈R3,若有||y1||<ba,则以下不等式恒成立:
式中,F(.)=M-1(x1,x2,t)(d-C(x1,x2)x1-G(x1))中包含未知不确定性;
步骤1-3:定义期望的组合体系统轨迹为qd(t),位置跟踪误差为e=x1(t)-qd(t);本方面目的为设计高性能控制器,使得在系统存在总不确定性的情况下保证状态q(t)能够跟踪参考轨迹qd(t),并且保证系统状态始终满足约束条件:存在正数和使得对于任意t>0,和均成立;
为了简化书写,后续将省略自变量;
步骤1-4:本发明将采用反步法设计鲁棒自适应控制方案,以实现全状态约束和多种不确定性存在下系统快速、高性能稳定控制。为了实现上述目标,定义以下误差转换函数
z1=e,z2=x2-α1 (5)
其中z1和z2为误差转换函数向量,α1为系统虚拟控制量;
考虑系统的位置约束,设计如下的障碍李雅普诺夫函数V1:
上式中其中A0由假设1给出;定义闭区间Ωz1:={z1|||z1||<kb1},由z1=x1-yd得到成立;通过选择保证当时x1也在约束范围内;根据障碍李雅普诺夫函数特性知,若使得系统状态始终处于闭区间Ωz1内,则系统应满足V1∈L∞,对于V1求导得:
步骤2:基于反步法设计鲁棒自适应控制器;
步骤2-1:根据式(7)选取如下的虚拟控制量:
步骤2-2:对误差转换函数z2求导得:
为了确保系统状态x2不违反约束,定义如下的障碍李雅普诺夫函数:
对V2沿着式(9)求取关于时间的导数,则有:
步骤3:设计自适应神经网络;
根据神经网络逼近特性,得到:
其中W∈R15×3为未知的最优权重矩阵,δz(Z)为神经网络的逼近误差;
将式(14)代入式(13)中有:
根据杨氏不等式,则以下不等式(16)和(17)成立:
根据不等式(16)和(17)有:
综上,式(15)能被改写为:
步骤3-2:由于上式中b和M-1均为未知量,因此为了实现全状态约束和不确定性存在下绳系组合体系统的快速稳定,设计如下所示的鲁棒自适应控制器式(20)和自适应律式(21):
步骤3-3:根据以上控制器式(20)和(21),得到如下定理:
定理2:考虑存在全状态约束和系统不确定性的绳系组合体系统(3);若假设1成立,则对于任意初始状态满足z1(0)∈Ωz1和z2(0)∈Ωz2,所设计的鲁棒自适应控制器式(20)和自适应律式(21)能保证系统实现以下控制目标:
步骤4:对闭环系统进行李雅普诺夫稳定性证明;
步骤4-1:选取候选李雅普诺夫函数表达式为:
将鲁棒自适应控制器式(20)和自适应律式(21)代入式(22)的导数中,得到:
因此,根据引理1,式(23)改写为:
1)从式(25)能够得出V3(t)为有界函数,则闭环系统的状态z1、z2和均有界;根据系统初始状态满足z1(0)∈Ωz1和z2(0)∈Ωz2,则得到z1(t)∈Ωz1和z2(t)∈Ωz2对于任意t>0均成立;根据式(1)和(8)得到绳系组合体系统实际位置和速度时刻满足且
2)根据式(25)得到:
从图2中可以看出本发明方法能够保证系统面内角、面外角和绳长均约束在一定范围内,即图中上下两条约束边界之内。
Claims (2)
1.一种全状态约束下绳系组合体稳定控制方法,其特征在于,包括如下步骤:
步骤1:建立状态约束下的障碍李雅普诺夫函数;
步骤1-1:根据欧拉-拉格朗日方程,建立抓捕后绳系组合体系统的动力学方程如下所示:
式中q=[α,β,l]T∈R3为系统广义位置坐标,其中α、β、l分别为系绳面内角、面外角以及系绳长度;分别为系统的广义位置、速度和加速度变量;τ=[τα,τβ,τl]T∈R3为广义力,τα,τβ,τl分别为面内角、面外角以及绳长的广义控制力矩;M(q)∈R3×3为正定对称矩阵,为科式力矩阵,G(q)∈R3为重力矩,d∈R3为外界扰动;
步骤1-2:根据式(1)知,绳系组合体系统具有强耦合非线性特性,满足下述性质:
性质1:M为可逆的对称正定矩阵,并且对于任意x∈R3,以下不等式(2)成立:
m1xTx≤xTMx≤m2xTx (2)
其中m1和m2分别为M的最小和最大特征值;
定义如下相关引理和假设:
引理1:对于任意y1∈R3,若有||y1||<ba,则以下不等式恒成立:
其中,ba为已知常数;
式中,F(.)=M-1(x1,x2,t)(d-C(x1,x2)x1-G(x1))中包含未知不确定性;
步骤1-3:定义期望的组合体系统轨迹为qd(t),位置跟踪误差为e=x1(t)-qd(t);在系统存在总不确定性的情况下保证状态q(t)能够跟踪参考轨迹qd(t),并且保证系统状态始终满足约束条件:存在正数和使得对于任意t>0,和均成立;
为了简化书写,后续将省略自变量;
步骤1-4:定义以下误差转换函数
z1=e,z2=x2-α1 (5)
其中z1和z2为误差转换函数向量,α1为系统虚拟控制量;
考虑系统的位置约束,设计如下的障碍李雅普诺夫函数V1:
上式中其中A0由假设1给出;定义闭区间Ωz1:={z1|||z1||<kb1},由z1=x1-yd得到成立;通过选择保证当时x1也在约束范围内;根据障碍李雅普诺夫函数特性知,若使得系统状态始终处于闭区间Ωz1内,则系统应满足V1∈L∞,对于V1求导得:
步骤2:基于反步法设计鲁棒自适应控制器;
步骤2-1:根据式(7)选取如下的虚拟控制量:
步骤2-2:对误差转换函数z2求导得:
为了确保系统状态x2不违反约束,定义如下的障碍李雅普诺夫函数:
其中kb2为正数;
对V2沿着式(9)求取关于时间的导数,则有:
步骤3:设计自适应神经网络;
根据神经网络逼近特性,得到:
其中W∈R15×3为未知的最优权重矩阵,δz(Z)为神经网络的逼近误差;
将式(14)代入式(13)中有:
根据杨氏不等式,则以下不等式(16)和(17)成立:
根据不等式(16)和(17)有:
综上,式(15)能被改写为:
步骤3-2:设计如下所示的鲁棒自适应控制器式(20)和自适应律式(21):
步骤3-3:根据以上控制器式(20)和(21),得到如下定理:
定理2:考虑存在全状态约束和系统不确定性的绳系组合体系统方程式(4);若假设1成立,则对于任意初始状态满足z1(0)∈Ωz1和z2(0)∈Ωz2,所设计的鲁棒自适应控制器式(20)和自适应律式(21)能保证系统实现以下控制目标:
步骤4:对闭环系统进行李雅普诺夫稳定性证明;
步骤4-1:选取候选李雅普诺夫函数表达式为:
将鲁棒自适应控制器式(20)和自适应律式(21)代入式(22)的导数中,得到:
因此,根据引理1,式(23)改写为:
式中,D为常值;
1)从式(25)能够得出V3(t)为有界函数,则闭环系统的状态z1、z2和均有界;根据系统初始状态满足z1(0)∈Ωz1和z2(0)∈Ωz2,则得到z1(t)∈Ωz1和z2(t)∈Ωz2对于任意t>0均成立;根据式(1)和(8)得到绳系组合体系统实际位置和速度时刻满足且
2)根据式(25)得到:
2.根据权利要求1所述的一种全状态约束下绳系组合体稳定控制方法,其特征在于,所述系统的广义位置包括面内角、面外角和系绳长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541382.5A CN114237050B (zh) | 2021-12-16 | 2021-12-16 | 一种全状态约束下绳系组合体稳定控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541382.5A CN114237050B (zh) | 2021-12-16 | 2021-12-16 | 一种全状态约束下绳系组合体稳定控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114237050A CN114237050A (zh) | 2022-03-25 |
CN114237050B true CN114237050B (zh) | 2022-12-23 |
Family
ID=80756946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111541382.5A Active CN114237050B (zh) | 2021-12-16 | 2021-12-16 | 一种全状态约束下绳系组合体稳定控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114237050B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116214530B (zh) * | 2023-05-10 | 2023-08-11 | 苏州大学 | 二阶非线性系统的安全预定义时间控制方法、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107085374A (zh) * | 2017-06-09 | 2017-08-22 | 北京航空航天大学 | 基于绳系空间拖船推力调节的拖拽目标姿态稳定控制方法 |
CN107390523A (zh) * | 2017-07-13 | 2017-11-24 | 西北工业大学 | 空间绳系复合体系统的自适应神经网络动态面控制器 |
CN107450324A (zh) * | 2017-09-05 | 2017-12-08 | 西北工业大学 | 考虑攻角约束的高超声速飞行器自适应容错控制方法 |
CN109212970A (zh) * | 2018-09-18 | 2019-01-15 | 西北工业大学 | 一种欠驱动绳系复合体系统的神经网络动态面控制方法 |
CN109873583A (zh) * | 2019-01-29 | 2019-06-11 | 青岛大学 | 基于状态受限的永磁同步电机模糊位置跟踪控制方法 |
CN111552180A (zh) * | 2020-04-30 | 2020-08-18 | 西北工业大学 | 一种绳系卫星系统系绳展开振荡抑制控制方法 |
CN111562793A (zh) * | 2020-04-08 | 2020-08-21 | 中南大学 | 考虑任务时间约束的航天器姿态控制方法 |
CN111766889A (zh) * | 2020-05-06 | 2020-10-13 | 东北电力大学 | 基于输出反馈的四旋翼自适应动态面滑模控制器 |
-
2021
- 2021-12-16 CN CN202111541382.5A patent/CN114237050B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107085374A (zh) * | 2017-06-09 | 2017-08-22 | 北京航空航天大学 | 基于绳系空间拖船推力调节的拖拽目标姿态稳定控制方法 |
CN107390523A (zh) * | 2017-07-13 | 2017-11-24 | 西北工业大学 | 空间绳系复合体系统的自适应神经网络动态面控制器 |
CN107450324A (zh) * | 2017-09-05 | 2017-12-08 | 西北工业大学 | 考虑攻角约束的高超声速飞行器自适应容错控制方法 |
CN109212970A (zh) * | 2018-09-18 | 2019-01-15 | 西北工业大学 | 一种欠驱动绳系复合体系统的神经网络动态面控制方法 |
CN109873583A (zh) * | 2019-01-29 | 2019-06-11 | 青岛大学 | 基于状态受限的永磁同步电机模糊位置跟踪控制方法 |
CN111562793A (zh) * | 2020-04-08 | 2020-08-21 | 中南大学 | 考虑任务时间约束的航天器姿态控制方法 |
CN111552180A (zh) * | 2020-04-30 | 2020-08-18 | 西北工业大学 | 一种绳系卫星系统系绳展开振荡抑制控制方法 |
CN111766889A (zh) * | 2020-05-06 | 2020-10-13 | 东北电力大学 | 基于输出反馈的四旋翼自适应动态面滑模控制器 |
Non-Patent Citations (4)
Title |
---|
Adaptive Neural Network Dynamic Surface Control of the Post-capture Tethered Spacecraft;Yingbo Lu;《 IEEE Transactions on Aerospace and Electronic Systems》;20200430;第56卷(第2期);全文 * |
基于反步法的移动机器人鲁棒跟踪控制;李树荣等;《计算机工程与应用》;20111209(第08期);全文 * |
空间机器人抓捕目标碰撞后的复合体稳定控制;韩冬等;《空间控制技术与应用》;20181015(第05期);全文 * |
输入输出受限船舶的轨迹跟踪自适应递归滑模控制;沈智鹏等;《控制理论与应用》;20200615(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114237050A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106788044B (zh) | 一种基于干扰观测器的永磁同步电机自适应非奇异终端滑模控制方法 | |
CN109189085B (zh) | 基于事件触发的航天器网络化系统姿态控制方法 | |
CN104950678B (zh) | 一种柔性机械臂系统的神经网络反演控制方法 | |
CN106959610B (zh) | 桥式吊车系统apd-smc控制器、桥式吊车系统及控制方法 | |
CN110977988B (zh) | 基于有限时间命令滤波的多关节机械臂阻抗控制方法 | |
CN108241292B (zh) | 一种基于扩张状态观测器的水下机器人滑模控制方法 | |
CN108614425A (zh) | 移动机器人自适应积分滑模控制方法 | |
CN110427043B (zh) | 基于作业飞行机器人重心偏移的位姿控制器设计方法 | |
CN109725644A (zh) | 一种高超声速飞行器线性优化控制方法 | |
CN114237050B (zh) | 一种全状态约束下绳系组合体稳定控制方法 | |
CN107491081A (zh) | 一种抗干扰四旋翼无人机姿态控制方法 | |
CN110109361B (zh) | 一种高超声速飞行器快速平滑自适应滑模控制方法 | |
CN108267952B (zh) | 一种水下机器人自适应有限时间控制方法 | |
CN110687870A (zh) | 基于非线性扩张状态观测器的机械臂跟踪控制器及系统 | |
CN109507890A (zh) | 一种基于eso的无人机动态逆广义预测控制器 | |
CN112859596B (zh) | 一种考虑编队避障的非线性遥操作多边控制方法 | |
CN109062043A (zh) | 考虑网络传输以及执行器饱和的航天器自抗扰控制方法 | |
CN109828468A (zh) | 一种针对磁滞非线性机器人系统的控制方法 | |
CN115256386B (zh) | 考虑跟踪误差约束的不确定机械臂神经自适应控制方法 | |
CN109240321A (zh) | 一种刚性飞行器的非奇异固定时间神经网络控制方法 | |
CN115649491A (zh) | 适用于多源干扰下的低轨光学遥感卫星凝视成像控制方法 | |
CN109164819A (zh) | 刚体航天器的反步自适应滑模大角度姿态机动控制方法 | |
CN115816453A (zh) | 基于tde的自适应超螺旋多变量快速终端滑模控制方法 | |
CN110488854A (zh) | 一种基于神经网络估计的刚性飞行器固定时间姿态跟踪控制方法 | |
CN116068901A (zh) | 一种基于自适应有限时间扰动观测器的柔性连杆机械臂控制方法 |
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 |