CN115877712A - 考虑输入饱和的基于时延的机械臂多变量螺旋控制方法 - Google Patents

考虑输入饱和的基于时延的机械臂多变量螺旋控制方法 Download PDF

Info

Publication number
CN115877712A
CN115877712A CN202211531599.2A CN202211531599A CN115877712A CN 115877712 A CN115877712 A CN 115877712A CN 202211531599 A CN202211531599 A CN 202211531599A CN 115877712 A CN115877712 A CN 115877712A
Authority
CN
China
Prior art keywords
mechanical arm
time
control
control method
delay
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.)
Pending
Application number
CN202211531599.2A
Other languages
English (en)
Inventor
商巍
刘周
李立军
章正飞
李靖
刘宇帆
王喻林
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.)
Zhejiang Qiantang Robot And Intelligent Equipment Research Co ltd
Original Assignee
Zhejiang Qiantang Robot And Intelligent Equipment Research Co ltd
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 Zhejiang Qiantang Robot And Intelligent Equipment Research Co ltd filed Critical Zhejiang Qiantang Robot And Intelligent Equipment Research Co ltd
Priority to CN202211531599.2A priority Critical patent/CN115877712A/zh
Publication of CN115877712A publication Critical patent/CN115877712A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Feedback Control In General (AREA)

Abstract

本发明公开了考虑输入饱和的基于时延的机械臂多变量螺旋控制方法，首先,对电缆驱动机械臂模型进行合理选择,针对模型参数包括残余的联动动态、电机动态和集总的不确定性，使用时间延迟估计(TDE)来估计和补偿残余的集总系统动态；其次,针对机械臂动力学模型的特点以及控制需求,采用自适应多变量螺旋滑模设计控制器,进一步考虑了参数的不确定性和未知的外部干扰，对TED的估计进行误差补偿，有效地提高了控制系统的鲁棒性；最后基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。

Description

考虑输入饱和的基于时延的机械臂多变量螺旋控制方法
技术领域
本发明属于机械臂控制技术领域，具体涉及考虑输入饱和的基于时延的机械臂多变量螺旋控制方法。
背景技术
近年来，电缆驱动操纵器因其独特的特性而逐渐成为研究热点，与传统的工业操纵器相比，电缆驱动的操纵器具有更小的移动惯性，更好的灵活性和更高的安全性，以实现与人类的物理交互。所有上述特性都是通过将驱动电机从接头移动到底座，并通过电缆传输力而获得的。由于这些优点，电缆驱动的操纵器已被广泛应用于许多实际应用的。与传统的操纵器相比，电缆驱动技术的应用也给精确控制性能带来了困难。电缆驱动操纵器的主要困难是低刚度、高关节柔性、复杂的系统动力学和外部时变扰动。因此，在实际应用中，设计一个合适的控制方案仍然是一项挑战。
为了提高控制性能，提出了时延估计(TDE)方案，并对其进行了研究。TDE的主要含义是利用时滞系统状态来估计剩余的动态，由于TDE可以产生无模型特性使得控制更加便利，所以TDE技术自被提出以来已被广泛应用。但是利用TDE的延时信号会导致不可避免的估计误差——TDE误差，会导致控制性能下降。因此，通常采用额外的鲁棒控制方案来增强基于TDE的非线性控制，如SM和TSM控制、自适应方法、模糊逻辑控制和神经网络控制。作为最重要的控制工具之一，SM及其变体已与TDE方案广泛结合，并受益于其强大的鲁棒性和简单的形式。虽然使用基于TDE的SM/TSM控制方案已经获得了极好的效果，但它们仍然局限于传统的方法来解决抖动问题。
在工作期间，机械臂不可避免地会受到外部环境的影响，从而干扰机械臂的正常运行条件。因此，如何在有限时间内实现机械臂的收敛已经得到了广泛的研究，目前提出并研究了解决SM控制及其变体的抖动问题的几种技术，如边界层、连续到达律、自适应控制、智能控制和高阶SM控制。其中，自适应多变量螺旋方案是一种二阶连续滑模控制算法。当边界已知且存在具有有界梯度的平滑匹配扰动时，生成一个连续的控制函数，并在有限的时间内将滑动变量及其导数驱动为零。由于其收敛速度快、收敛精度高而受到学术界的广泛研究，自适应控制可以实现更快的收敛速度，提供更高的控制精度和抗干扰能力。
除此之外，为了保证电缆驱动机械手的精确和安全运行，饱和控制要求是不能忽视的。在通常的控制情况下，系统的输入仅仅根据设置的控制率所变化，输入的数值就可能出现过载的问题。由于机械臂控制结构的限制，超出机体能承受的控制力是不安全的，如果机械臂遇到突发事件，产生巨大的响应，那么就可能导致机械系统出现故障以及不受控的情况，与外界发生碰撞，造成安全问题和经济损失。
发明内容
为了克服上述现有技术的不足，本发明考虑机械臂实际操作过程中的未知干扰，执行器饱和以及强耦合的影响，针对机械臂姿态控制的需求，提出了一种新型的考虑输入饱和的基于时延的机械臂多变量螺旋控制方法,进而实现了对机械臂姿态的有限时间快速精确跟踪。
本发明所采用的技术方案是：首先,对电缆驱动机械臂模型进行合理选择,针对模型参数包括残余的联动动态、电机动态和集总的不确定性，使用时间延迟估计(TDE)来估计和补偿残余的集总系统动态；其次,针对机械臂动力学模型的特点以及控制需求,采用自适应多变量螺旋滑模设计控制器,进一步考虑了参数的不确定性和未知的外部干扰，对TED的估计进行误差补偿，有效地提高了控制系统的鲁棒性。此外，考虑到输入饱和度，本文还对输入量进行了安全的约束，避免了输入过载造成的机器坏死。该策略不需要准确地估计外部干扰，仍然可以实现机械臂对参考指令的精确跟踪,并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。
步骤1，建立动力学模型用于描述电缆机械臂的状态，便于设计精度高的控制方法；
n自由度的机械臂的动力学模型可表示为：
Figure BDA0003976305970000021
Figure BDA0003976305970000022
Figure BDA0003976305970000023
式中，J和dm是电机惯性和阻尼矩阵，q和θ是关节和电机位置向量，
Figure BDA0003976305970000024
分别表示对q和θ求一阶导数和二阶导数，M(q)是惯性矩阵，/>
Figure BDA0003976305970000025
是科里奥利/离心矩阵，g(q)是引力，/>
Figure BDA0003976305970000026
则是摩擦矢量，τm和τs分别为电机给出的控制转矩和关节柔度转矩，ds为阻尼矩阵，ks为关节刚度矩阵，τd表示集总未知不确定性；
为了方便使用TDE方案，即基于时延估计法，将(2)代入(1)，应用常数参数
Figure BDA0003976305970000028
得到：
Figure BDA0003976305970000027
其中，f的表达式为：
Figure BDA0003976305970000031
步骤2，运用TED方案估计上述提到的未知参数f的估计值；
利用时延估计方法来估计f的值，求出其估计值
Figure BDA0003976305970000032
Figure BDA0003976305970000033
式中△t为延迟时间，将动力学模型(4)带入(6)可得：
Figure BDA0003976305970000034
由(6)和(7)可以看出，时延估计方案的主要目的是仅使用控制和加速度信号的时滞值估计集总系统动力学，然后给出一种无模型方案。在工程运用中，τm(t-△t)可以由τm的直接时滞得出，利用数值微分法得到
Figure BDA0003976305970000035
/>
Figure BDA0003976305970000036
其中，T≥2△t；在初始阶段时t≤2△t，q(t)具有实际测量值，而q(t-2△t)会被手动置零，从而可能导致强烈波动，因此(8)用来缓解可能存在的强烈波动。在任务进行阶段，将
Figure BDA0003976305970000037
设置为(9)的形式，能够对其进行延时估计，得出估计值。
Figure BDA0003976305970000038
它广泛应用于很多基于TDE的鲁棒控制方案。本发明中的仿真部分证明了它的有效性，如果不采取措施，数值微分(9)会显著放大噪声效应，从而降低控制性能。
由(8)和(9)可知，集总系统动力学的当前值由TDE方案使用时滞系统状态估计得到，所以当出现较大的扰动时，此方法的估计误差会变大。但我们提出的自适应多变量螺旋算法方法能能减少估计误差，本文的仿真证明了该方法的有效性。
步骤3，针对机械臂的特征，设计控制精度更高的自适应控制方法；
针对机械臂的动力学模型,考虑执行器饱和以及外界干扰的影响设计姿态控制器,定义机械臂的姿态跟踪误差为：
eq＝q-qd (10)
其中qd为待确定的期望姿态，对(10)两边二次求导可得
Figure BDA0003976305970000041
设
Figure BDA0003976305970000042
和/>
Figure BDA0003976305970000043
是q和qd的二阶导数，△d为外部干扰则
Figure BDA0003976305970000044
考虑机械臂输入饱和的影响，式(12)可转化为下式(13)的形式
Figure BDA0003976305970000045
其中
Figure BDA0003976305970000046
为非线性饱和特性函数/>
Figure BDA0003976305970000047
其中g的表达式如下所示：
Figure BDA0003976305970000048
其中，τmimax为执行机构所允许的最大力矩值，通过式(14)得：当控制器产生的力|τmi|大于τmimax时，
Figure BDA0003976305970000049
当控制器产生的力|τmi|小于τmimax时，/>
Figure BDA00039763059700000410
通过函数/>
Figure BDA00039763059700000411
通过函数/>
Figure BDA00039763059700000412
将输出控制力矩限制在了执行器允许的范围内。
通过上述变换，得到机械臂系统的面向控制模型：
Figure BDA00039763059700000413
/>
其中
Figure BDA00039763059700000414
||ρ||≤D,D>0且未知。
基于式(15)，采用自适应多变量螺旋算法设计姿态控制器如式(17)所示：
Figure BDA00039763059700000415
其中
Figure BDA00039763059700000416
k1>0为自适应增益，满足式(18)中所示的自适应率：
Figure BDA0003976305970000051
α1，β1，ε1为自定义参数，
Figure BDA0003976305970000052
为k1的一阶导数，将姿态控制器(17)代入(15)中，得式(19)
Figure BDA0003976305970000053
Figure BDA0003976305970000054
定理1：对于机械臂系统(1)～(3)，在自适应多变量螺旋滑模控制器(17)和自适应增益(18)下,选取适当的参数,姿态系统可实现有限时间稳定,关节姿态误差可以在有限时间内收敛到原点附近的邻域内。
步骤4，设计控制方法后，利用李雅普诺夫函数证明方法的有效性；
为证明系统在的作用下可以实现有限时间稳定，选择如下的Lyapunov候选函数。
Figure BDA0003976305970000055
其中，
Figure BDA0003976305970000056
选择/>
Figure BDA0003976305970000057
为正定对称矩阵；
参考已有文章，我们可以得到式(21)：
Figure BDA0003976305970000058
其中，λmax(P1)，λmin(P1)表示为矩阵的最大特征值和最小特征值
Figure BDA0003976305970000059
由式(21)可得
Figure BDA00039763059700000510
其中，
Figure BDA0003976305970000061
时，/>
Figure BDA0003976305970000068
则
Figure BDA0003976305970000062
当自适应增益k1按照式中自适应律增长到满足k1≥2D时，eq可在有限时间内收敛到限定区间ε1内，此时可证明本发明可以有效地使得机械臂在精准的控制下，并且能够避免输入力矩过大的情况。
与现有技术相比，本发明具有以下有益效果：
(1)本发明中设计的自适应多变量螺旋算法无需预知系统所受干扰及其导数的上界便可实现对系统的精确稳定控制。
(2)针对典型的二阶姿态模型,采用自适应多变量螺旋滑模设计姿态控制器,自适应律的引入有效的抑制了抖振。
(3)本发明中设计的自适应多变量螺旋滑模控制器具有收敛速度快,收敛精度高的优点,适用于机械臂快机动性中对姿态控制器收敛速度的需求。
(4)避免了输入饱和的问题。饱和控制的使用使得机械臂输入能够维持在安全的范围内，提供了更大的稳定性。
附图说明
图1为本发明控制方法与现有方法误差对比图。
图2为本发明控制方法与现有方法力矩对比图。
具体实施方式
下面结合具体附图和实施步骤对本发明的技术方案做进一步详细的说明。
步骤1，针对电缆机械臂建立专有数学模型，便于设计精度高的控制方法
一个n自由度的机械臂的动力学模型表示为：
Figure BDA0003976305970000063
Figure BDA0003976305970000064
Figure BDA0003976305970000065
式中，J和dm是电机惯性和阻尼矩阵，q和θ是关节和电机位置向量，
Figure BDA0003976305970000067
分别表示对q和θ求一阶导数和二阶导数，M(q)是惯性矩阵，/>
Figure BDA0003976305970000071
是科里奥利/离心矩阵，g(q)是引力，/>
Figure BDA0003976305970000072
则是摩擦矢量，τm和τs分别为电机给出的控制转矩和关节柔度转矩，ds为阻尼矩阵，ks为关节刚度矩阵。τd表示集总未知不确定性。
将(2)带入(1)，并应用一个常数参数得到：
Figure BDA0003976305970000073
其中，f的表达式为：
Figure BDA0003976305970000074
可简化为以下式子
Figure BDA0003976305970000075
Figure BDA0003976305970000076
步骤2，利用时延估计方法来估计f的值，求出其估计值
Figure BDA0003976305970000077
Figure BDA0003976305970000078
式中△t为延迟时间，将综合系统动力学(4)带入(6)可得：
Figure BDA0003976305970000079
由(6)和(7)可以看出，时延估计方案的主要目的是仅使用控制和加速度信号的时滞值估计集总系统动力学，然后给出一种无模型方案。在工程运用中，τm(t-△t)可以由τm的直接时滞得出，利用数值微分法得到
Figure BDA00039763059700000710
Figure BDA00039763059700000711
其中，T≥2△t；在初始阶段时t≤2△t，q(t)具有实际测量值，而q(t-2△t)会被手动置零，从而可能导致强烈波动，因此(8)用来缓解可能存在的强烈波动。在任务进行阶段，将
Figure BDA00039763059700000712
设置为(9)的形式，能够对其进行延时估计，得出估计值。
Figure BDA00039763059700000713
它广泛应用于很多基于TDE的鲁棒控制方案。本文的仿真部分证明了它的有效性。如果不采取措施，数值微分(9)会显著放大噪声效应，从而降低控制性能。然而，有文章已经证明可以通过降低增益M或使用额外的低通滤波器来解决这个问题。
由(8)和(9)可知，集总系统动力学的当前值由TDE方案使用时滞系统状态估计得到，所以当出现较大的扰动时，此方法的估计误差会变大。但我们提出的自适应多变量螺旋算法方法能能减少估计误差，本文的仿真证明了该方法的有效性。
步骤3，针对机械臂的特征，设计控制精度更高的自适应多变量螺旋控制方法；
针对机械臂的动力学模型，考虑执行器饱和以及外界干扰的影响设计姿态控制器，定义机械臂的姿态跟踪误差为：
eq＝q-qd (10)
其中，qd为待确定的期望姿态，对(10)两边二次求导可得
Figure BDA0003976305970000081
设
Figure BDA0003976305970000082
和/>
Figure BDA0003976305970000083
是q和qd的二阶导数，△d为外部干扰，则
Figure BDA0003976305970000084
考虑机械臂输入饱和的影响,式(12)可转化为下式(13)的形式
Figure BDA0003976305970000085
其中
Figure BDA0003976305970000086
为非线性饱和特性函数/>
Figure BDA0003976305970000087
其中g的表达式如下所示：
Figure BDA0003976305970000088
其中，τmimax为执行机构所允许的最大力矩值，通过式(14)得：当控制器产生的力|τmi|大于τmimax时，
Figure BDA0003976305970000089
当控制器产生的力|τmi|小于τmimax时，/>
Figure BDA00039763059700000810
通过函数/>
Figure BDA00039763059700000811
通过函数/>
Figure BDA00039763059700000812
将输出控制力矩限制在了执行器允许的范围内。
通过上述变换，得到机械臂系统的面向控制模型
Figure BDA00039763059700000813
Figure BDA00039763059700000814
其中
Figure BDA0003976305970000091
Figure BDA0003976305970000092
||ρ||≤D,D>0且未知。
基于式(15)，采用自适应多变量螺旋算法设计姿态控制器如式(17)所示：
Figure BDA0003976305970000093
k1>0为自适应增益，满足式(18)中所示的自适应率：
Figure BDA0003976305970000094
α1,β1,ε1为大于零的参数。
将姿态控制律(17)代入(15)中，得式(19)
Figure BDA0003976305970000095
Figure BDA0003976305970000096
定理1：对于机械臂系统(1)～(2),在自适应多变量螺旋滑模控制器(17)和自适应增益(18)下,选取适当的参数,姿态系统可实现有限时间稳定,关节姿态误差可以在有限时间内收敛到原点附近的邻域内。
步骤4，设计控制方法后，利用李雅普诺夫函数证明方法的有效性。
为证明控制系统作用下可以实现机械臂在有限时间稳定,选择如下的Lyapunov候选函数。
Figure BDA0003976305970000097
其中，
Figure BDA0003976305970000098
选择/>
Figure BDA0003976305970000099
为正定对称矩阵。参考已有文章，我们可以得到式(21)
Figure BDA0003976305970000101
其中，λmax(P1)，λmin(P1)表示为矩阵的最大特征值和最小特征值
Figure BDA0003976305970000102
由式(21)可得
Figure BDA0003976305970000103
其中，
Figure BDA0003976305970000104
时，/>
Figure BDA0003976305970000106
则
Figure BDA0003976305970000105
当自适应增益k1按照式(13)中的自适应律增长到满足k1≥2D时,eq可在有限时间内收敛到限定区间ε1内.此时可证明本发明可以有效地使得机械臂在精准的控制下，并且能够避免输入力矩过大的情况。
步骤5，利用matlab编程测试控制率设计的效果；
参数设置为α1＝12,β1＝2,ε1＝0.002。
其中图1中黑色实线为自适应多变量控制方法，灰色实线中为滑模控制方法，滑模控制是机械臂控制的经典方法，我们从误差收敛速度和误差对抗外部干扰能力进行对比。从图1可以看出，滑模控制下的机械臂在初始位置远离期望位置时，其误差在4秒内收敛，而在自适应多变量螺旋控制下，该误差在1秒内收敛，说明自适应多变量螺旋控制收敛速度更快。当控制渐近稳定时，自适应多变量螺旋控制下的机械臂在外部干扰下的误差较小，说明自适应多变量螺旋控制方法对外部干扰更更强，具有较高的控制精度。图2显示了饱和控制下机械臂在受到外部干扰下的力矩的波动。此外，在饱和控制下的扭矩始终保持在安全范围(黑色虚线是我们设定的安全范围)内。这意味着饱和控制可以避免输入过载的情况。在输入过载的情况下，我们可以确保控制输入在机械臂能够维持的范围内。

Claims (5)

1.考虑输入饱和的基于时延的机械臂多变量螺旋控制方法，其特征在于，包括如下步骤：
步骤1，建立动力学模型用于描述电缆机械臂的状态；
步骤2，运用时间延迟估计TED方案估计动力学模型中未知参数的估计值；
步骤3，针对机械臂的特征，设计控制精度更高的自适应多变量螺旋控制方法。
2.如权利要求1所述的考虑输入饱和的基于时延的机械臂多变量螺旋控制方法，其特征在于：步骤1中，n自由度的机械臂的动力学模型可表示为；
Figure FDA0003976305960000011
Figure FDA0003976305960000012
Figure FDA0003976305960000013
式中，J和dm是电机惯性和阻尼矩阵，q和θ是关节和电机位置向量，
Figure FDA0003976305960000014
分别表示对q和θ求一阶导数和二阶导数，M(q)是惯性矩阵，/>
Figure FDA0003976305960000015
是科里奥利/离心矩阵，g(q)是引力，/>
Figure FDA0003976305960000016
则是摩擦矢量，τm和τs分别为电机给出的控制转矩和关节柔度转矩，ds为阻尼矩阵，ks为关节刚度矩阵，τd表示集总未知不确定性；
为了方便使用TDE方案，即基于时延估计法，将(2)代入(1)，应用常数参数
Figure FDA0003976305960000017
得到：
Figure FDA0003976305960000018
其中，f的表达式为：
Figure FDA0003976305960000019
3.如权利要求2所述的考虑输入饱和的基于时延的机械臂多变量螺旋控制方法，其特征在于：步骤2中，利用时延估计方法来估计未知参数f的值，求出其估计值
Figure FDA00039763059600000110
Figure FDA00039763059600000111
式中△t为延迟时间，将动力学模型(4)带入(6)可得：
Figure FDA00039763059600000112
由(6)和(7)可以看出，时延估计方案的目的是仅使用控制和加速度信号的时滞值估计集总系统动力学，然后给出一种无模型方案，在工程运用中，τm(t-△t)可以由τm的直接时滞得出，利用数值微分法得到
Figure FDA00039763059600000113
Figure FDA0003976305960000021
其中，总时间T≥2△t，在初始阶段时，时刻t≤2△t，q(t)具有实际测量值，而q(t-2△t)会被手动置零，从而可能导致强烈波动，因此(8)用来缓解可能存在的强烈波动。
4.如权利要求3所述的考虑输入饱和的基于时延的机械臂多变量螺旋控制方法，其特征在于：针对机械臂的动力学模型，考虑执行器饱和以及外界干扰的影响设计姿态控制器，定义机械臂的姿态跟踪误差为：
eq＝q-qd (10)
其中qd为待确定的期望姿态，对(10)两边二次求导可得
Figure FDA0003976305960000022
设
Figure FDA0003976305960000023
Figure FDA0003976305960000024
和/>
Figure FDA0003976305960000025
是q和qd的二阶导数，△d为外部干扰，则
Figure FDA0003976305960000026
考虑机械臂输入饱和的影响,，式(12)可转化为下式(13)的形式
Figure FDA0003976305960000027
其中
Figure FDA0003976305960000028
为非线性饱和特性函数/>
Figure FDA0003976305960000029
其中g的表达式如下所示：
Figure FDA00039763059600000210
其中，τmimax为执行机构所允许的最大力矩值，通过式(14)得：当控制器产生的力τmi大于τmimax时，
Figure FDA00039763059600000211
当控制器产生的力τmi小于τmimax时，
Figure FDA00039763059600000212
通过函数/>
Figure FDA00039763059600000213
通过函数/>
Figure FDA00039763059600000214
将输出控制力矩限制在了执行器允许的范围内；
通过上述变换，得到机械臂系统的面向控制模型：
Figure FDA00039763059600000215
其中
Figure FDA00039763059600000216
ρ≤D,D>0且未知；
基于式(15)，采用自适应多变量螺旋算法设计姿态控制器如式(17)所示：
Figure FDA0003976305960000031
其中
Figure FDA0003976305960000032
k1>0为自适应增益，满足式(18)中所示的自适应率：
Figure FDA0003976305960000033
α1，β1，ε1为自定义参数，
Figure FDA0003976305960000034
为k1的一阶导数，将姿态控制器(17)代入(15)中，得式(19)，
Figure FDA0003976305960000035
5.如权利要求4所述的考虑输入饱和的基于时延的机械臂多变量螺旋控制方法，其特征在于：还包括步骤4，利用李雅普诺夫函数证明步骤3中控制方法的有效性，具体实现方式如下；
选择如下的Lyapunov候选函数：
Figure FDA0003976305960000036
其中，
Figure FDA0003976305960000037
选择/>
Figure FDA0003976305960000038
β1>0,/>
Figure FDA0003976305960000039
为正定对称矩阵，；
参考现有理论，可以得到式(21)：
Figure FDA00039763059600000310
其中，λmax(P1)，λmin(P1)表示为矩阵的最大特征值和最小特征值
Figure FDA00039763059600000311
由式(21)可得
Figure FDA0003976305960000041
其中，
Figure FDA0003976305960000042
时，/>
Figure FDA0003976305960000043
则
Figure FDA0003976305960000044
当自适应增益k1按照式中自适应律增长到满足k1≥2D时，eq可在有限时间内收敛到限定区间ε1内，此时可证明步骤3中的控制方法可以有效地使得机械臂在精准的控制下，并且能够避免输入力矩过大的情况。
CN202211531599.2A 2022-12-01 2022-12-01 考虑输入饱和的基于时延的机械臂多变量螺旋控制方法 Pending CN115877712A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211531599.2A CN115877712A (zh) 2022-12-01 2022-12-01 考虑输入饱和的基于时延的机械臂多变量螺旋控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211531599.2A CN115877712A (zh) 2022-12-01 2022-12-01 考虑输入饱和的基于时延的机械臂多变量螺旋控制方法

Publications (1)

Publication Number Publication Date
CN115877712A true CN115877712A (zh) 2023-03-31

Family

ID=85765343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211531599.2A Pending CN115877712A (zh) 2022-12-01 2022-12-01 考虑输入饱和的基于时延的机械臂多变量螺旋控制方法

Country Status (1)

Country Link
CN (1) CN115877712A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117908362A (zh) * 2024-03-15 2024-04-19 山东大学 柔性关节机器人的复合抗饱和控制方法及控制系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117908362A (zh) * 2024-03-15 2024-04-19 山东大学 柔性关节机器人的复合抗饱和控制方法及控制系统
CN117908362B (zh) * 2024-03-15 2024-06-07 山东大学 柔性关节机器人的复合抗饱和控制方法及控制系统

Similar Documents

Publication Publication Date Title
CN108875253B (zh) 基于干扰观测器的欠驱动吊车系统的终端滑模消摆控制方法及系统
CN108388114B (zh) 一种基于输出重定义的柔性机械臂复合控制方法
CN108453732B (zh) 控制体系封闭机器人自适应动态力/位置混合控制方法
CN110467111B (zh) 桥式起重机的控制
Zaare et al. Continuous fuzzy nonsingular terminal sliding mode control of flexible joints robot manipulators based on nonlinear finite time observer in the presence of matched and mismatched uncertainties
CN111650832B (zh) 一种水下多足步行机器人机械足姿态跟踪控制方法
Liu et al. Barrier function-based adaptive sliding mode control for application to vehicle suspensions
CN109911771B (zh) 变系数自抗扰控制器设计方法、及吊车自抗扰控制器
Markazi et al. Adaptive fuzzy sliding mode control of under-actuated nonlinear systems
CN115877712A (zh) 考虑输入饱和的基于时延的机械臂多变量螺旋控制方法
CN110703609A (zh) 一种电机伺服系统智能运动控制方法
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
de Jesus Rubio et al. An asymptotic stable proportional derivative control with sliding mode gravity compensation and with a high gain observer for robotic arms
Lee et al. Model-free force tracking control of piezoelectric actuators: application to variable damping actuator
CN107765548B (zh) 基于双观测器的发射平台高精度运动控制方法
Meng et al. An EPCH control strategy for complex nonlinear systems with actuator saturation and disturbances
Chen et al. Efficiently computable constrained optimal feedback controllers
Fu et al. Non-switching reference trajectory based discrete-time sliding mode path following control for dynamic positioning ship with time-varying disturbances
CN115128951A (zh) 一种基于期望轨迹受限优化的双环高性能控制方法
Xiao et al. Anti-swing design for overhead crane based on dual sliding mode control
Cruz-Ancona et al. Adaptive continuous controllers ensuring prescribed ultimate bound for uncertain dynamical systems
Fateh et al. Model-free adaptive task-space sliding mode control of a Delta robot using a novel reaching law
Rodriguez et al. Anti-swing control with hierarchical fuzzy CMAC compensation for an overhead crane
CN116736728B (zh) 一种基于geso的rdob、二自由度rimc及用于直流电机控制的rimc
Talebi et al. Experimental evaluation of neural network based controllers for tracking the tip position of a flexible-link manipulator

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