CN116880165B - 一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法 - Google Patents
一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法 Download PDFInfo
- Publication number
- CN116880165B CN116880165B CN202310620294.7A CN202310620294A CN116880165B CN 116880165 B CN116880165 B CN 116880165B CN 202310620294 A CN202310620294 A CN 202310620294A CN 116880165 B CN116880165 B CN 116880165B
- Authority
- CN
- China
- Prior art keywords
- model
- suspension
- constructing
- finite time
- grabbing system
- 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
- 239000000725 suspension Substances 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 230000001052 transient effect Effects 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000007667 floating Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 5
- 230000001629 suppression Effects 0.000 abstract description 2
- 230000009466 transformation Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy 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
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004804 winding 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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
本发明公开了一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法,属于磁悬浮控制领域。该方法包括构建含水平干扰和轴向干扰的单自由度模型,通过误差变换函数得到系统输入,基于有限时间稳定性理论,设计悬浮抓取系统有限时间指定模型,悬浮抓取系统跟踪误差变量能够在有限时间内收敛到稳定区域,本发明设计的有限时间指定模型是稳定的;基于模糊逼近技术,构建模糊状态观测器,根据状态反馈匹配条件,构建模型参考自适应有限时间跟踪控制器,有效提升悬浮抓取系统的悬浮跟踪性能、干扰抑制能力,对悬浮高度的变化具有良好的鲁棒性。
Description
技术领域
本发明涉及磁悬浮控制领域,特别是涉及一种无接触型磁悬浮抓取系统的模型参考自适应有限时间控制方法。
背景技术
机器手臂系统可代替人在有害、危险环境下进行操作,其动作精准可靠、反应迅速及刚度大等优点极大提高了生产效率,广泛应用于物流搬运、钢铁生产等国计民生行业,但传统机器手臂直接接触、抓取物体,极易造成物体的变形、损伤和污染,高温下抓取甚至造成机器抓手的损伤。为此项目组提出了无接触型的磁悬浮抓取系统,将悬浮绕组替代传统机械抓手,实现无接触、无污染的抓取和搬运。
发明专利2021103954948“一种无接触型悬浮抓取系统的神经网络自适应控制方法”采用基于RBF神经网络的模型参考自适应无接触悬浮抓取搬运控制器,在线调整神经网络权值,以应对无接触型悬浮抓取系统的多种工况以及不确定干扰。发明专利2021103970372“无接触型悬浮抓取系统及其模型参考自适应控制方法”采用模型参考自适应的抓取搬运控制器,在线调整自适应控制器参数,通过对干扰项的自适应调整,有效解决自适应参数过多造成的调节速度过慢以及较大的自适应增益所致的抓取物体震荡问题。
但上述无接触型的磁悬浮抓取控制方法都是渐进收敛的,实时性能难于有效提升,同时所采用设定模型仅考虑了起动暂态和稳态性能设计的,模型收敛速度相对较慢,同时为提升实时性能需要多次设计,另外模型参考自适应控制器均为渐进收敛,控制精度相对较差,收敛速度相对较慢,无法应对实际系统中存在的高频扰动与外界干扰以及机器手臂搬运物体的精度要求,为此本发明将有限时间控制理念,引入至机器手臂无接触型抓取,进一步提升控制实时性和控制精度。
发明内容
本发明的主要目的在于:针对现有技术的不足和空白,本发明提供一种无接触型磁悬浮抓取系统的模型参考自适应有限时间控制方法,该方法在设计参考模型时引入有限时间控制采用李雅普诺夫函数逐步分析和设计虚拟控制输入,确保控制有限时间内收敛,进而根据模型匹配和有限时间的稳定性推导出自适应跟踪控制器,并利用模糊状态观测器在线获取未知状态,实现对目标位置的轴向与水平运动,使跟踪误差和观测器误差在有限时间内收敛到原来的小邻域。包括以下步骤:
S1.引入有限时间稳定性理论,构建无接触型悬浮抓取系统有限时间指定模型
S11.构建含水平干扰和轴向干扰的单自由度模型
其中,kδ=kδ2-ksx2kδ1/ksx1,ku=ku2-ksx2ku1/ksx1,ku1,ku2,kδ2,kδ1,ksx1,ksx2是线性化参数,o(δ)是线性化的高阶项,Fh为水平运动的风阻,Fv为轴向运动的风阻,m为抓取物体质量,δ为悬浮气隙,i为励磁电流。
S12.构建有限时间指定模型误差变量
定义控制变量其中δm,/>分别为指定模型的参考气隙和参考气隙速度,以ud为有效控制输入,式(1)可转化为/>
设置悬浮抓取系统跟踪误差变量em1=δd-xm1,em2=α1-xm2,其中δd是目标气隙高度,α1是虚拟输入。
S13.获取有限时间指定模型的虚拟输入
为了em1更快地收敛,设置虚拟输入其中,k3为正实数。
S14.构建悬浮抓取位置控制的Lyapunov函数
则Vm1的导数为
S15.获取有效控制输入
选择ψ=em1,v=2-2γ,ω=2γ,由/>γ∈[0,1],
将式(3)转换为:
其中,
对em2求导数为:
引入有限时间收敛机制增强系统暂态性能,有效控制输入如下:
其中,
S16.构建指定模型的速度Lyapunov函数
基于控制输入式(6),Vm2的导数表示为:
其中,l1=min{2k11,2k21}>0,l2=min{2γk12,2γk22}>0,c0=k12(1-γ)/γ>0。
em1和em2能够在有限时间内收敛到稳定区域因此所设计的有限时间指定模型是稳定的。
S17.将式(6)代入式(1),获得悬浮抓取系统有限时间指定性能参考模型:
其中,
S2.构建无接触型悬浮抓取系统的模糊状态观测器
S21.基于状态变量和控制变量ua=kui,获取悬浮抓取系统的单自由度悬浮模型为:
其中,y是输出, 表示为其中W为权重向量,φ(x)=[φ1(x),...,φN(x)]T表示模糊基向量,φi(x)是模糊基函数,/>估计值/> 为W的估计值,存在理想权重
因此,可以表示为/>εf为最小近似误差,||εf||≤Lm,Lm为正常数。
定义总体估计误差为:
其中,为基于观测输入的不确定项估计值,/>为基于观测输入的模糊基向量。
S22.根据式(10)和模糊逼近技术,构建模糊状态观测器为
其中,为观测向量,/>是输出的估计值,/>为气隙的估计值,L被选择为使得/>是严格的Hurwitz矩阵。
基于式(10)~式(13),建立含模糊状态观测器的观测误差方程:
S3.根据模型匹配和自适应逼近原理,构建无接触型悬浮抓取系统的模型参考自适应有限时间跟踪控制器
根据状态反馈匹配条件和式(9),式(10)转化为:
其中,为理想模型参数,构建模型参考自适应有限时间跟踪控制器。
其中,是/>的估计值,/>err1=δd-δ。
将式(16)代入式(15),得到悬浮抓取系统的闭合系统:
设计模型匹配自适应率和模糊权值自适应律为:
其中,Γx和F是两个正矩阵参数,er=x-xm为虚拟近似误差,μw和μk是较小的修改常数,其被引入以在存在近似误差的情况下提高鲁棒性;对于正矩阵存在正矩阵P1=P1 T满足/>
本发明的有益效果是:
1)本发明将有限时间控制方法,引入至模型参考自适应控制预设模型设计中,设计了可对参考速度有限时间收敛的制定模型,从参考逼近预设角度,提升无接触磁悬浮抓取系统的实时性能。
2)本发明针对磁悬浮抓取系统结构复杂、强耦合、非线性等问题提出的悬浮控制策略,采用有限时间控制理念,设计了模型参考自适应控制器以及模糊状态观测器,实现了模型逼近误差以及观测误差的有限时间收敛,有效提升悬浮抓取系统的悬浮跟踪性能、干扰抑制能力,为悬浮系统应对外界高频干扰及不确定项提供了有力保障,提升机器手臂抓取的稳定性和可靠性。
附图说明
图1为本发明单端悬浮控制结构图。
图2为本发明悬浮抓取避障高度调整实验图。
图3为本发明悬浮抓取模型参考自适应控制机制图。
图4为本发明悬浮抓取避障高度模糊状态观测器性能图。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细说明。
实施例1:
本发明一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法,控制结构图如附图1所示,包括以下步骤:
步骤1,构建无接触型悬浮抓取系统有限时间指定模型
1)构建含水平干扰和轴向干扰的单自由度模型
其中,kδ=kδ2-ksx2kδ1/ksx1,ku=ku2-ksx2ku1/ksx1,ku1,ku2,kδ2,kδ1,ksx1,ksx2是线性化参数,o(δ)是线性化的高阶项,Fh为水平运动的风阻,Fv为轴向运动的风阻,m为抓取物体质量,δ为悬浮气隙,i为励磁电流。
2)构建有限时间指定模型误差变量
定义控制变量其中δm,/>分别为指定模型的参考气隙和参考气隙速度,以ud为有效控制输入,式(1)可转化为/>
设置悬浮抓取系统跟踪误差变量em1=δd-xm1,em2=α1-xm2,其中δd是目标气隙高度,α1是虚拟输入。
3)获取有限时间指定模型的虚拟输入
为了em1更快地收敛,设置虚拟输入其中,k3为正实数。
4)构建悬浮抓取位置控制的Lyapunov函数
则Vm1的导数为
5)获取有效控制输入
选择ψ=cm1,v=2-2γ,ω=2γ,由/>γ∈[0,1],
将式(3)转换为:
其中,
对em2求导数为:
引入有限时间收敛机制增强系统暂态性能,有效控制输入如下:
其中,
6)构建指定模型的速度Lyapunov函数
基于控制输入式(6),Vm2的导数表示为:
其中,l1=min{2k11,2k21}>0,l2=min{2γk12,2γk22}>0,c0=k12(1-γ)/γ>0。
em1和em2能够在有限时间内收敛到稳定区域因此所设计的有限时间指定模型是稳定的。
7)将式(6)代入式(1),获得悬浮抓取系统有限时间指定性能参考模型:
其中,
步骤2,构建无接触型悬浮抓取系统的模糊状态观测器
1)基于状态变量和控制变量ua=kui,获取悬浮抓取系统的单自由度悬浮模型为:
其中,y是输出, 表示为其中W为权重向量,φ(x)=[φ1(x),...,φN(x)]T表示模糊基向量,φi(x)是模糊基函数,/>估计值/> 为W的估计值,存在理想权重
因此,可以表示为/>εf为最小近似误差,||εf||≤Lm,Lm为正常数。
定义总体估计误差为:
其中,为基于观测输入的不确定项估计值,/>为基于观测输入的模糊基向量。
2)根据式(10)和模糊逼近技术,构建模糊状态观测器为
其中,为观测向量,/>是输出的估计值,/>为气隙的估计值,L被选择为使得/>是严格的Hurwitz矩阵;
基于式(10)~式(13),建立含模糊状态观测器的观测误差方程:
步骤3,根据模型匹配和自适应逼近原理,构建无接触型悬浮抓取系统的模型参考自适应有限时间跟踪控制器
根据状态反馈匹配条件和式(9),式(10)转化为:
其中,为理想模型参数,构建模型参考自适应有限时间跟踪控制器:
其中,是/>的估计值,/>err1=δd-δ;
将式(16)代入式(15),得到悬浮抓取系统的闭合系统:
设计模型匹配自适应率和模糊权值自适应律为:
其中,Γx和F是两个正矩阵参数,er=x-xm为虚拟近似误差,μw和μk是较小的修改常数,其被引入以在存在近似误差的情况下提高鲁棒性;对于正矩阵存在正矩阵P1=P1 T满足/>
以钢球作为被抓取物体,选取无接触型悬浮抓取系统参数如表1所示,进行悬浮抓取避障高度调整实验研究,验证本发明提出策略的有效性。
表1无接触型悬浮抓取系统参数
图2为悬浮抓取避障高度调整实验图。本发明悬浮抓取系统严格无超调,收敛速度最快,起动时间、收敛时间以及恢复参考时间分别为0.25s、0.2s和0.4s。而传统PID和以滑模控制SMC都产生较大超调,最大超调量分别是:PID控制下为1.75mm,SMC控制下为2mm,收敛时间为1s。虽然SMC-RBF引入了智能算法RBF对非确定性部分在线估计,但仍存在超调量1mm,三个阶段的收敛时间分别为0.28s、0.4s和0.4s,但SMC-RBF稳态跟踪误差最小,这源于RBF的智能逼近,但较大的计算负担也会增加实时性能。
图3为本发明所提策略的悬浮抓取模型参考自适应控制机制图。图中可知,本发明实现了跟踪误差为0.1mm,上述性能源于自适应调整参数kx1的值590-615,和kx2的值100-106.5的在线调整,尤其在工况变化时都能快速获取补偿值。
图4为悬浮抓取避障高度模糊状态观测器性能图。随着悬浮高度抓取的变化,本发明模糊状态观测器对非线性不确定部分快速进行逼近,逼近值为15-17.5-15,观测器误差为0.05mm,并且在高度变化的暂态过程快速逼近了动态调整过程,变化值分别在20s和40s产生最大30和60的补偿值,从而有效提升的实时性性能。
此外,SMC-RBF对上述阶跃参考信号也有较好的跟踪效果,跟踪性能与本发明相当,但其瞬态性能,包括稳定时间和过冲,远弱于本发明,主要在于SMC-RBF的中RBF计算耗时,极易影响暂态性能,尤其应对突发的外界干扰时,无法确保抓取物体稳定可靠。
Claims (3)
1.一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法,其特征在于,包括以下步骤:
S1.引入有限时间稳定性理论,构建无接触型悬浮抓取系统有限时间指定模型;
S2.构建无接触型悬浮抓取系统的模糊状态观测器;
S3.根据模型匹配和自适应逼近原理,构建无接触型悬浮抓取系统的模型参考自适应有限时间跟踪控制器;
步骤S1具体包括以下步骤:
S11.构建含水平干扰和轴向干扰的单自由度模型
其中,kδ=kδ2-ksx2kδ1/ksx1,ku=ku2-ksx2ku1/ksx1,ku1,ku2,kδ2,kδ1,ksx1,ksx2是线性化参数,o(δ)是线性化的高阶项,Fh为水平运动的风阻,Fv为轴向运动的风阻,m为抓取物体质量,δ为悬浮气隙,i为励磁电流;
S12.构建有限时间指定模型误差变量
定义控制变量其中δm,/>分别为指定模型的参考气隙和参考气隙速度,以ud为有效控制输入,式(1)可转化为/>
设置悬浮抓取系统跟踪误差变量em1=δd-xm1,em2=α1-xm2,其中δd是目标气隙高度,α1是虚拟输入;
S13.获取有限时间指定模型的虚拟输入
为了em1更快地收敛,设置虚拟输入其中,k3为正实数;
S14.构建悬浮抓取位置控制的Lyapunov函数
则Vm1的导数为
S15.获取有效控制输入
选择ψ=em1,v=2-2γ,ω=2γ,由/>
将式(3)转换为:
其中,
对em2求导数为:
引入有限时间收敛机制增强系统暂态性能,有效控制输入如下:
其中,
S16.构建指定模型的速度Lyapunov函数
基于控制输入式(6),Vm2的导数表示为:
其中,l1=min{2k11,2k21}>0,l2=min{2γk12,2γk22}>0,c0=k12(1-γ)/γ>0;
em1和em2能够在有限时间内收敛到稳定区域因此所设计的有限时间指定模型是稳定的;
S17.将式(6)代入式(1),获得悬浮抓取系统有限时间指定性能参考模型:
其中,
2.根据权利要求1所述的一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法,其特征在于,步骤S2具体包括以下步骤:
S21.基于状态变量和控制变量ua=kui,获取悬浮抓取系统的单自由度悬浮模型为:
其中,y是输出, 表示为/>其中W为权重向量,φ(x)=[φ1(x),...,φN(x)]T表示模糊基向量,φi(x)是模糊基函数,/>估计值/> 为W的估计值,存在理想权重
因此,可以表示为/>εf为最小近似误差,||εf||≤Lm,Lm为正常数;
定义总体估计误差为:
其中,为基于观测输入的不确定项估计值,/>为基于观测输入的模糊基向量;
S22.根据式(10)和模糊逼近技术,构建模糊状态观测器为
其中,为观测向量,/>是输出的估计值,/>为气隙的估计值,L被选择为使得是严格的Hurwitz矩阵;
基于式(10)~式(13),建立含模糊状态观测器的观测误差方程:
3.根据权利要求2所述的一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法,其特征在于,步骤S3具体包括以下步骤:
根据状态反馈匹配条件和式(9),式(10)转化为:
其中,为理想模型参数,构建模型参考自适应有限时间跟踪控制器:
其中,是/>的估计值,/>err1=δd-δ;
将式(16)代入式(15),得到悬浮抓取系统的闭合系统:
设计模型匹配自适应率和模糊权值自适应律为:
其中,Γx和F是两个正矩阵参数,er=x-xm为虚拟近似误差,μw和μk是较小的修改常数,其被引入以在存在近似误差的情况下提高鲁棒性;对于正矩阵存在正矩阵P1=P1 T满足/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620294.7A CN116880165B (zh) | 2023-05-30 | 2023-05-30 | 一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620294.7A CN116880165B (zh) | 2023-05-30 | 2023-05-30 | 一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116880165A CN116880165A (zh) | 2023-10-13 |
CN116880165B true CN116880165B (zh) | 2024-01-30 |
Family
ID=88270521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310620294.7A Active CN116880165B (zh) | 2023-05-30 | 2023-05-30 | 一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116880165B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070035384A (ko) * | 2005-09-27 | 2007-03-30 | 이현식 | 퍼지 기법을 이용한 상태관측기 설계 방법 |
CN110412867A (zh) * | 2019-05-17 | 2019-11-05 | 北京航空航天大学 | 一种基于参数优化扩张状态观测器的磁悬浮控制力矩陀螺框架系统高精度角速率控制方法 |
CN110647154A (zh) * | 2019-10-29 | 2020-01-03 | 大连海事大学 | 基于模糊状态观测器的智能船舶自动舵系统航向轨迹跟踪设计方法 |
CN111061221A (zh) * | 2019-12-16 | 2020-04-24 | 常州工学院 | 一种磁悬浮电主轴自适应混合控制方法 |
CN111173678A (zh) * | 2020-01-09 | 2020-05-19 | 曲阜师范大学 | 一种rbf神经网络俯仰干扰补偿的风力机舱悬浮控制方法 |
CN111221335A (zh) * | 2020-01-17 | 2020-06-02 | 大连海事大学 | 一种智能船舶自动舵系统的模糊自适应输出反馈有限时间控制方法及系统 |
CN111930124A (zh) * | 2020-08-14 | 2020-11-13 | 大连海事大学 | 一种智能船舶自动舵系统的模糊自适应输出反馈有限时间控制方法及系统 |
CN112919140A (zh) * | 2021-01-20 | 2021-06-08 | 山东科技大学 | 一种近场悬浮与静压吸附相耦合的悬浮抓取系统 |
CN112987576A (zh) * | 2021-04-13 | 2021-06-18 | 曲阜师范大学 | 一种无接触型悬浮抓取系统的神经网络自适应控制方法 |
CN113009833A (zh) * | 2021-04-13 | 2021-06-22 | 曲阜师范大学 | 基于模型参考的机舱悬浮系统rbf神经网络自适应同步解耦控制方法 |
CN113051834A (zh) * | 2021-04-13 | 2021-06-29 | 曲阜师范大学 | 基于模型参考的机舱悬浮系统rbf神经网络自适应解耦控制方法 |
CN113107768A (zh) * | 2021-04-13 | 2021-07-13 | 曲阜师范大学 | 基于rbf神经网络自适应解耦的风力机舱两端悬浮控制方法 |
CN113219827A (zh) * | 2021-04-13 | 2021-08-06 | 曲阜师范大学 | 无接触型悬浮抓取系统及其模型参考自适应控制方法 |
CN113264371A (zh) * | 2021-07-07 | 2021-08-17 | 江西理工大学 | 一种磁悬浮抓取式医院药品运输设备 |
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 |
CN114003002A (zh) * | 2021-11-01 | 2022-02-01 | 南京师范大学 | 一种六自由度液压机械手有限时间跟踪控制方法 |
CN115451951A (zh) * | 2022-08-29 | 2022-12-09 | 中煤科工集团上海有限公司 | 惯性测量系统、减震器系统以及减震器 |
CN115576341A (zh) * | 2022-11-05 | 2023-01-06 | 东南大学 | 基于函数微分和自适应变增益的无人机轨迹跟踪控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022103644A1 (en) * | 2020-11-12 | 2022-05-19 | Tamutus Terence Alan | Magnetic levitation capture arm system for vehicle |
-
2023
- 2023-05-30 CN CN202310620294.7A patent/CN116880165B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070035384A (ko) * | 2005-09-27 | 2007-03-30 | 이현식 | 퍼지 기법을 이용한 상태관측기 설계 방법 |
CN110412867A (zh) * | 2019-05-17 | 2019-11-05 | 北京航空航天大学 | 一种基于参数优化扩张状态观测器的磁悬浮控制力矩陀螺框架系统高精度角速率控制方法 |
CN110647154A (zh) * | 2019-10-29 | 2020-01-03 | 大连海事大学 | 基于模糊状态观测器的智能船舶自动舵系统航向轨迹跟踪设计方法 |
CN111061221A (zh) * | 2019-12-16 | 2020-04-24 | 常州工学院 | 一种磁悬浮电主轴自适应混合控制方法 |
CN111173678A (zh) * | 2020-01-09 | 2020-05-19 | 曲阜师范大学 | 一种rbf神经网络俯仰干扰补偿的风力机舱悬浮控制方法 |
CN111221335A (zh) * | 2020-01-17 | 2020-06-02 | 大连海事大学 | 一种智能船舶自动舵系统的模糊自适应输出反馈有限时间控制方法及系统 |
CN111930124A (zh) * | 2020-08-14 | 2020-11-13 | 大连海事大学 | 一种智能船舶自动舵系统的模糊自适应输出反馈有限时间控制方法及系统 |
CN112919140A (zh) * | 2021-01-20 | 2021-06-08 | 山东科技大学 | 一种近场悬浮与静压吸附相耦合的悬浮抓取系统 |
CN112987576A (zh) * | 2021-04-13 | 2021-06-18 | 曲阜师范大学 | 一种无接触型悬浮抓取系统的神经网络自适应控制方法 |
CN113009833A (zh) * | 2021-04-13 | 2021-06-22 | 曲阜师范大学 | 基于模型参考的机舱悬浮系统rbf神经网络自适应同步解耦控制方法 |
CN113051834A (zh) * | 2021-04-13 | 2021-06-29 | 曲阜师范大学 | 基于模型参考的机舱悬浮系统rbf神经网络自适应解耦控制方法 |
CN113107768A (zh) * | 2021-04-13 | 2021-07-13 | 曲阜师范大学 | 基于rbf神经网络自适应解耦的风力机舱两端悬浮控制方法 |
CN113219827A (zh) * | 2021-04-13 | 2021-08-06 | 曲阜师范大学 | 无接触型悬浮抓取系统及其模型参考自适应控制方法 |
CN113264371A (zh) * | 2021-07-07 | 2021-08-17 | 江西理工大学 | 一种磁悬浮抓取式医院药品运输设备 |
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 |
CN114003002A (zh) * | 2021-11-01 | 2022-02-01 | 南京师范大学 | 一种六自由度液压机械手有限时间跟踪控制方法 |
CN115451951A (zh) * | 2022-08-29 | 2022-12-09 | 中煤科工集团上海有限公司 | 惯性测量系统、减震器系统以及减震器 |
CN115576341A (zh) * | 2022-11-05 | 2023-01-06 | 东南大学 | 基于函数微分和自适应变增益的无人机轨迹跟踪控制方法 |
Non-Patent Citations (1)
Title |
---|
电磁轴承单自由度简谐振动的自适应主动控制;徐骏等;浙江理工大学学报(自然科学版);第35卷(第1期);64-70 * |
Also Published As
Publication number | Publication date |
---|---|
CN116880165A (zh) | 2023-10-13 |
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 | |
Adhikary et al. | Integral backstepping sliding mode control for underactuated systems: Swing-up and stabilization of the Cart–Pendulum System | |
Qiu et al. | Visual servo tracking of wheeled mobile robots with unknown extrinsic parameters | |
Xu et al. | Sliding mode tracking control with perturbation estimation for hysteresis nonlinearity of piezo-actuated stages | |
Wang et al. | Optimal trajectory planning of grinding robot based on improved whale optimization algorithm | |
CN115625711B (zh) | 一种考虑末端力的双臂机器人协同控制方法 | |
Vafaei et al. | Integrated controller for an over-constrained cable driven parallel manipulator: KNTU CDRPM | |
CN112936277A (zh) | 一种水下机器人-机械手系统固定时间轨迹跟踪方法 | |
Li et al. | Hybrid uncalibrated visual servoing control of harvesting robots with RGB-D cameras | |
CN116880165B (zh) | 一种无接触型悬浮抓取系统的模型参考自适应有限时间控制方法 | |
CN114179089A (zh) | 一种机械臂的鲁棒区域跟踪控制方法 | |
Tong et al. | Neural network based visual servo control under the condition of heavy loading | |
Dian et al. | A Novel Disturbance-Rejection Control Framework for Cable-Driven Continuum Robots With Improved State Parameterizations | |
CN115057355B (zh) | 变绳长双摆桥式吊车自抗扰控制方法及系统 | |
CN113681570B (zh) | 一种六轴机械臂过奇异点的控制方法 | |
Zhou et al. | Neural network-based variable stiffness impedance control for internal/external forces tracking of dual-arm manipulators under uncertainties | |
CN113867157B (zh) | 一种控制补偿的最优轨迹规划方法、设备及存储设备 | |
Yan et al. | Adaptive and intelligent control of a dual-arm space robot for target manipulation during the post-capture phase | |
Lang et al. | Visual servoing with LQR control for mobile robots | |
CN114167725A (zh) | 协作机器人轨迹跟踪控制方法及系统 | |
Lin et al. | Fuzzy PID Control for multi-joint robotic arm | |
Yang et al. | Research on gravity compensation in motion control of multi-joint robot | |
Ren et al. | Adaptive Dynamic Programming-Based Feature Tracking Control for Image Disturbances Visual Servoing Manipulators | |
Tao et al. | An RBF-PD Control Method for Robot Grasping of Moving Object | |
Ren et al. | The Combination Trajectory Planning of Serial Robot in Cartesian Space and Joint Space |
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 |