CN116859713A - 基于模糊pid的水下机器人的控制方法、装置、设备及介质 - Google Patents
基于模糊pid的水下机器人的控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116859713A CN116859713A CN202310921070.XA CN202310921070A CN116859713A CN 116859713 A CN116859713 A CN 116859713A CN 202310921070 A CN202310921070 A CN 202310921070A CN 116859713 A CN116859713 A CN 116859713A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- underwater robot
- input
- control parameters
- controller
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000002245 particle Substances 0.000 claims abstract description 57
- 230000006870 function Effects 0.000 claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000006978 adaptation Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了基于模糊PID的水下机器人的控制方法、装置、设备及介质，其方法包括确定模糊控制器的输入和输出变量，将所述输入和输出变量的隶属度函数作为粒子进行初始化，生成粒子群；基于所述粒子群采用粒子群算法对所述输入和输出变量的隶属度函数进行优化；根据优化结果确定所述模糊控制器的控制参数，将所述模糊控制器的控制参数和所述PID控制器的初始控制参数做差，得到目标控制参数；将所述目标控制参数作用于所述水下机器人；本发明能够有效解决解决水下机器人在定深过程中误差较大问题。
Description
技术领域
本发明涉及一种基于模糊PID的水下机器人的控制方法、装置、设备及介质，属于机器人技术领域。
背景技术
随着城市地下管网的需求日益增加，各行各业对机器人的使用也越来越多，由于水下机器人需要长期工作在水下，对其性能要求也较高，所以水下机器人的控制技术受到了国内外广泛的关注。在水下机器人的运动控制中其定深控制则是至关重要的，是保证其在作业过程中维持预计艏向、完成水下环境检测等任务的关键技术，简洁高效的定深控制算法能够显著提高水下机器人的作业效率。在实际应用中PID控制系统的设计难点在于，水下机器人水下运动具有非线性、时变性的特点，同时各个自由度运动之间的耦合关系复杂，加之水流干扰，更使水下机器人的定深控制存在不稳定因素。
PID控制特点主要是算法简单、鲁棒性好和易于实现，蕴含了动态控制过程中过去、现在、将来的主要信息，成为目前应用最广泛的控制器。随着工业技术的发展日新月异，以往普通PID控制器对水下机器人的控制精度已不能满足高效作业需求。模糊PID控制算法主要是由模糊控制器和PID控制器结合而成，模糊控制器以偏差及偏差的变化率作为输入，利用模糊规则对PID控制器参数，即比例调节系数、积分调节系数和微分调节系数进行在线整定，以满足不同的偏差和偏差的变化率对PID参数的不同要求，但存在模糊PID控制中过于依赖专家经验无法满足特殊条件下的抗干扰能力，无法定深或定深误差过大问题。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于模糊PID的水下机器人的控制方法、装置、设备及介质，解决水下机器人模糊PID控制中过于依赖专家经验无法满足特殊条件下的抗干扰能力，存在无法定深或定深误差过大的技术问题。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种基于模糊PID的水下机器人的控制方法，所述模糊PID控制器包括模糊控制器和PID控制器，所述控制方法包括：
确定模糊控制器的输入和输出变量，将所述输入和输出变量的隶属度函数作为粒子进行初始化，生成粒子群；
基于所述粒子群采用粒子群算法对所述输入和输出变量的隶属度函数进行优化；
根据优化结果确定所述模糊控制器的控制参数，将所述模糊控制器的控制参数和所述PID控制器的初始控制参数做差，得到目标控制参数；
将所述目标控制参数作用于所述水下机器人。
可选的，所述模糊控制器的输入变量e、ec为：
e＝x-y
式中，e、ec为偏差值和偏差变化率，x、y为PID控制器的输入变量和水下机器人的输出变量；
所述模块控制器的输出变量Kp、Ki、Kd为：
|e|≥γ且|ec|≥η，
|e|≥γ且|ec|<η，
|e|<γ且|ec|≥η，
|e|<γ且|ec|<η，
式中，γ、η为偏差水平值和偏差变化水平值，Kp、Ki、Kd为比例调节系数、积分调节系数、微分调节系数，为一级比例参数值、一级积分参数值、一级微分参数值；/>为二级比例参数值、二级积分参数值、二级微分参数值；/>为三级比例参数值、三级积分参数值、三级微分参数值；/>为四级比例参数值、四级积分参数值、四级微分参数值。
可选的，所述将所述输入和输出变量的隶属度函数作为粒子进行初始化包括：
确定输入变量e的隶属度函数的参数：
确定输入变量ec的隶属度函数的参数：
确定输出变量Kp的隶属度函数的参数：
确定输出变量Ki的隶属度函数的参数：
确定输出变量Kd的隶属度函数的参数：
式中，为变量a的隶属度函数的PB和NB的底部宽度，/>为变量a的隶属度函数的NM和PM的底部宽度；/>为变量a的隶属度函数的NS和PS的底部宽度；/>为变量a的隶属度函数的ZO的底部宽度，PB、PM、PS、NB、NM、NS为模糊控制器中的语言变量值，表示隶属度关系：正大、正中、正小、负大、负中、负小；a＝e、ec、Kp、Ki、Kd；
粒子初始化：
式中，b＝1,2,3,4，为/>的位置、速度、权值，(s,t)为粒子群算法寻优的空间界限。
可选的，所述基于所述粒子群采用粒子群算法对所述输入和输出变量的隶属度函数进行优化包括：
重复执行以下步骤，直至达到预设的最大迭代次数或适应值小于预设的最小适用值：
在所述粒子群中粒子飞行一次后，更新所述粒子的速度和位置；
将更新后的所述粒子的速度和位置作用于模糊控制器，获取相应的控制参数；
将所述模糊控制器的控制参数和PID控制器的初始控制参数作用于水下机器人，获取所述水下机器人的输出变量；
根据所述水下机器人的输出变量计算适应值，根据所述适应值计算当前种群的个体最优和群体最优。
第二方面，本发明提供了一种基于模糊PID的水下机器人的控制装置，所述模糊PID控制器包括模糊控制器和PID控制器，所述控制装置包括：
粒子群生成模块，用于确定模糊控制器的输入和输出变量，将所述输入和输出变量的隶属度函数作为粒子进行初始化，生成粒子群；
隶属度优化模块，用于基于所述粒子群采用粒子群算法对所述输入和输出变量的隶属度函数进行优化；
参数量计算模块，用于根据优化结果确定所述模糊控制器的控制参数，将所述模糊控制器的控制参数和所述PID控制器的初始控制参数做差，得到目标控制参数；
机器人控制模块，用于将所述目标控制参数作用于所述水下机器人。
第三方面，本发明提供了一种电子设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明提供的一种基于模糊PID的水下机器人的控制方法、装置、设备及介质，其方法依据粒子群算法优化隶属度函数的模糊PID控制原理，以此来解决水下机器人在定深过程中误差较大问题，使系统能够具有更好的准确性、稳定性，有效降低误差；其装置、设备及介质，采样上述方法能够实现同等的技术效果。
附图说明
图1是本发明实施例提供的基于模糊PID的水下机器人的控制方法的流程图；
图2是本发明实施例提供的基于模糊PID的水下机器人的控制算法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
如图1所示，本发明提供了一种基于模糊PID的水下机器人的控制方法，其中，模糊PID控制器包括模糊控制器和PID控制器，控制方法包括：
1、确定模糊控制器的输入和输出变量，将输入和输出变量的隶属度函数作为粒子进行初始化，生成粒子群；
1.1、模糊控制器的输入变量e、ec为：
e＝x-y
式中，e、ec为偏差值和偏差变化率，x、y为PID控制器的输入变量和水下机器人的输出变量；
1.2、模块控制器的输出变量Kp、Ki、Kd为：
|e|≥γ且|ec|≥η，
|e|≥γ且|ec|<η，
|e|<γ且|ec|≥η，
|e|<γ且|ec|<η，
式中，γ、η为偏差水平值和偏差变化水平值，Kp、Ki、Kd为比例调节系数、积分调节系数、微分调节系数，为一级比例参数值、一级积分参数值、一级微分参数值；/>为二级比例参数值、二级积分参数值、二级微分参数值；/>为三级比例参数值、三级积分参数值、三级微分参数值；/>为四级比例参数值、四级积分参数值、四级微分参数值。
1.3、在本实施例中，令 当|e|较大时，可以增大比例调节系数Kp、缩小微分调节系数Kd，从而加快系统响应速度，但为了避免过大的比例系数使系统产生超调，系统变不稳定，当|ec|较大时，Ki取小些，|ec|较小时，Ki取大些。当|e|较小时，为了使系统稳定性提高，降低系统动作迟缓，可以取大一些的比例调节系数Kp和大一些的积分调节系数Ki，同时，考虑到|e|较小可能会使振荡次数增多，当|ec|较大时，Kd取小些，|ec|较小时，Kd取大些。
1.4、确定输入变量e的隶属度函数的参数：
确定输入变量ec的隶属度函数的参数：
确定输出变量Kp的隶属度函数的参数：
确定输出变量Ki的隶属度函数的参数：
确定输出变量Kd的隶属度函数的参数：
式中，为变量a的隶属度函数的PB和NB的底部宽度，/>为变量a的隶属度函数的NM和PM的底部宽度；/>为变量a的隶属度函数的NS和PS的底部宽度；/>为变量a的隶属度函数的ZO的底部宽度，PB、PM、PS、NB、NM、NS为模糊控制器中的语言变量值，表示隶属度关系：正大、正中、正小、负大、负中、负小；a＝e、ec、Kp、Ki、Kd；
1.5、粒子初始化：
式中，b＝1,2,3,4，为/>的位置、速度、权值，(s,t)为粒子群算法寻优的空间界限。
2、基于粒子群采用粒子群算法对输入和输出变量的隶属度函数进行优化；
重复执行以下步骤(2.1-2.4)，直至达到预设的最大迭代次数或适应值小于预设的最小适用值：
2.1、在粒子群中粒子飞行一次后，更新粒子的速度和位置；
2.2、根据优化结果确定所述模糊控制器的控制参数，将所述模糊控制器的控制参数和所述PID控制器的初始控制参数做差，得到目标控制参数；
2.3、将模糊控制器的控制参数和PID控制器的初始控制参数作用于水下机器人，获取水下机器人的输出变量；
2.4、根据水下机器人的输出变量计算适应值，根据适应值计算当前种群的个体最优和群体最优。
3、根据优化结果确定模糊控制器的控制参数，将模糊控制器的控制参数和PID控制器的初始控制参数做差，得到目标控制参数；
ΔKp＝K′p-Kp0
ΔKi＝K′i-Ki0
ΔKd＝K′d-Kd0
式中，K′p、K′i、K′d为模糊控制器的控制参数，Kp0、Ki0、Kd0为PID控制器的初始控制参数，ΔKp、ΔKi、ΔKd为目标控制参数。
4、将目标控制参数作用于水下机器人。
传统PID控制系统响应速度较快，但其稳定时间相对较长，且系统响应的超调量较大，模糊可定深控制需要较长的响应时间，其稳定时间也相对较长。相比较而言，根据图2粒子群算法优化隶属度函数的模糊PID控制原理图设计，模拟水下机器人深度的实际控制，能够有效地抑制振荡、控制系统超调现象，使得水下机器人的控制更加精确，动态性能更好，有效提升系统响应速度，系统抗干扰能力，有利于水下机器人的定深运动高效控制。
本发明主要依据粒子群算法优化隶属度函数的模糊PID控制原理，以此来解决水下机器人在定深过程中误差较大问题，使系统能够具有更好的准确性、稳定性，有效降低误差。
实施例二：
本发明实施例提供了一种基于模糊PID的水下机器人的控制装置，模糊PID控制器包括模糊控制器和PID控制器，控制装置包括：
粒子群生成模块，用于确定模糊控制器的输入和输出变量，将输入和输出变量的隶属度函数作为粒子进行初始化，生成粒子群；
隶属度优化模块，用于基于粒子群采用粒子群算法对输入和输出变量的隶属度函数进行优化；
参数量计算模块，用于根据优化结果确定模糊控制器的控制参数，将模糊控制器的控制参数和PID控制器的初始控制参数做差，得到目标控制参数；
机器人控制模块，用于将目标控制参数作用于水下机器人。
实施例三：
基于实施例一，本发明实施例提供了一种电子设备，包括处理器及存储介质；
存储介质用于存储指令；
处理器用于根据指令进行操作以执行根据上述方法的步骤。
实施例四：
基于实施例一，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种基于模糊PID的水下机器人的控制方法，其特征在于，所述模糊PID控制器包括模糊控制器和PID控制器，所述控制方法包括：
确定模糊控制器的输入和输出变量，将所述输入和输出变量的隶属度函数作为粒子进行初始化，生成粒子群；
基于所述粒子群采用粒子群算法对所述输入和输出变量的隶属度函数进行优化；
根据优化结果确定所述模糊控制器的控制参数，将所述模糊控制器的控制参数和所述PID控制器的初始控制参数做差，得到目标控制参数；
将所述目标控制参数作用于所述水下机器人。
2.根据权利要求1所述的基于模糊PID的水下机器人的控制方法，其特征在于，所述模糊控制器的输入变量e、ec为：
e＝x-y
式中，e、ec为偏差值和偏差变化率，x、y为PID控制器的输入变量和水下机器人的输出变量；
所述模块控制器的输出变量Kp、Ki、Kd为：
|e|≥γ且|ec|≥η，
|e|≥γ且|ec|<η，
|e|<γ且|ec|≥η，
|e|<γ且|ec|<η，
式中，γ、η为偏差水平值和偏差变化水平值，Kp、Ki、Kd为比例调节系数、积分调节系数、微分调节系数，为一级比例参数值、一级积分参数值、一级微分参数值；为二级比例参数值、二级积分参数值、二级微分参数值；/>为三级比例参数值、三级积分参数值、三级微分参数值；/>为四级比例参数值、四级积分参数值、四级微分参数值。
3.根据权利要求2所述的基于模糊PID的水下机器人的控制方法，其特征在于，所述将所述输入和输出变量的隶属度函数作为粒子进行初始化包括：
确定输入变量e的隶属度函数的参数：
确定输入变量ec的隶属度函数的参数：
确定输出变量Kp的隶属度函数的参数：
确定输出变量Ki的隶属度函数的参数：
确定输出变量Kd的隶属度函数的参数：
式中，为变量a的隶属度函数的PB和NB的底部宽度，/>为变量a的隶属度函数的NM和PM的底部宽度；/>为变量a的隶属度函数的NS和PS的底部宽度；/>为变量a的隶属度函数的ZO的底部宽度，PB、PM、PS、NB、NM、NS为模糊控制器中的语言变量值，表示隶属度关系：正大、正中、正小、负大、负中、负小；a＝e、ec、Kp、Ki、Kd；
粒子初始化：
式中，b＝1,2,3,4，为/>的位置、速度、权值，(s,t)为粒子群算法寻优的空间界限。
4.根据权利要求3所述的基于模糊PID的水下机器人的控制方法，其特征在于，所述基于所述粒子群采用粒子群算法对所述输入和输出变量的隶属度函数进行优化包括：
重复执行以下步骤，直至达到预设的最大迭代次数或适应值小于预设的最小适用值：
在所述粒子群中粒子飞行一次后，更新所述粒子的速度和位置；
将更新后的所述粒子的速度和位置作用于模糊控制器，获取相应的控制参数；
将所述模糊控制器的控制参数和PID控制器的初始控制参数作用于水下机器人，获取所述水下机器人的输出变量；
根据所述水下机器人的输出变量计算适应值，根据所述适应值计算当前种群的个体最优和群体最优。
5.一种基于模糊PID的水下机器人的控制装置，其特征在于，所述模糊PID控制器包括模糊控制器和PID控制器，所述控制装置包括：
粒子群生成模块，用于确定模糊控制器的输入和输出变量，将所述输入和输出变量的隶属度函数作为粒子进行初始化，生成粒子群；
隶属度优化模块，用于基于所述粒子群采用粒子群算法对所述输入和输出变量的隶属度函数进行优化；
参数量计算模块，用于根据优化结果确定所述模糊控制器的控制参数，将所述模糊控制器的控制参数和所述PID控制器的初始控制参数做差，得到目标控制参数；
机器人控制模块，用于将所述目标控制参数作用于所述水下机器人。
6.一种电子设备，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-4任一项所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310921070.XA CN116859713A (zh) | 2023-07-25 | 2023-07-25 | 基于模糊pid的水下机器人的控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310921070.XA CN116859713A (zh) | 2023-07-25 | 2023-07-25 | 基于模糊pid的水下机器人的控制方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116859713A true CN116859713A (zh) | 2023-10-10 |
Family
ID=88230451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310921070.XA Pending CN116859713A (zh) | 2023-07-25 | 2023-07-25 | 基于模糊pid的水下机器人的控制方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116859713A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369481A (zh) * | 2023-12-05 | 2024-01-09 | 南京邮电大学 | 一种状态受限下的无人潜航器避障跟踪控制方法 |
-
2023
- 2023-07-25 CN CN202310921070.XA patent/CN116859713A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369481A (zh) * | 2023-12-05 | 2024-01-09 | 南京邮电大学 | 一种状态受限下的无人潜航器避障跟踪控制方法 |
| CN117369481B (zh) * | 2023-12-05 | 2024-02-20 | 南京邮电大学 | 一种状态受限下的无人潜航器避障跟踪控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901403A (zh) | 一种自主水下机器人神经网络s面控制方法 | |
| CN116859713A (zh) | 基于模糊pid的水下机器人的控制方法、装置、设备及介质 | |
| CN109828468B (zh) | 一种针对磁滞非线性机器人系统的控制方法 | |
| Zhang et al. | Modeling and Identification of System Model Parameters Based on Information Granularity Method | |
| CN106527125A (zh) | 智能控制中的无模型控制方法 | |
| CN109189075B (zh) | 一种舰船用模糊遗忘因子无模型自适应航向控制方法 | |
| Sangiovanni et al. | Deep reinforcement learning based self-configuring integral sliding mode control scheme for robot manipulators | |
| Espinosa et al. | Predictive control using fuzzy models applied to a steam generating unit | |
| Aswani et al. | Practical comparison of optimization algorithms for learning-based MPC with linear models | |
| CN116501061A (zh) | 一种基于分层优化的模型预测控制路径跟踪方法 | |
| CN116131288A (zh) | 一种考虑风光波动的综合能源系统频率控制方法及系统 | |
| Lu et al. | Stability and fuel economy of nonlinear vehicle platoons: A distributed economic MPC approach | |
| CN112363538B (zh) | 一种速度信息不完备下的auv区域跟踪控制方法 | |
| CN114839861A (zh) | 智能pid控制器在线优化方法及系统 | |
| Lu et al. | Probabilistic constrained stochastic model predictive control for Markovian jump linear systems with additive disturbance | |
| Chacko et al. | Efficient nonlinear model predictive control for discrete system with disturbances | |
| CN114415517B (zh) | 一种基于时间同步稳定的多智能体一致性控制方法 | |
| CN117687345B (zh) | 多智能体系统的控制方法及相关产品 | |
| CN103558762A (zh) | 基于图形化组态技术的免疫遗传pid控制器的实现方法 | |
| CN113238486B (zh) | 一种自适应的多机水电站调速器参数调控方法 | |
| CN111273625B (zh) | 一种动态矩阵控制的前馈计算方法及装置 | |
| Westenbroek et al. | Feedback is All You Need: Real-World Reinforcement Learning with Approximate Physics-Based Models | |
| Zhou et al. | A Two‐Stage Scheduling RPC Based on Time‐Varying Coefficient Information of State‐Dependent ARX Model | |
| Kumon et al. | System identification using a genetic algorithm and its application to internal adaptive model control | |
| CN116500973A (zh) | 基于多目标优化的数控立车伺服系统滑模控制方法及系统 |
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 |