-
公开(公告)号：CN114895564A
公开(公告)日：2022-08-12
申请号：CN202210548715.5
申请日：2022-05-20
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于扰动观测器和命令滤波器的电驱动柔性关节机械臂自适应神经网络控制器设计方法。首先，本发明基于n连杆柔性关节机械臂的电驱动动力学模型进行设计，虽然引入了更多的未知数，增加了被控系统的维度，但更符合实际情况。然后，针对径向基函数神经网络(RBFNN)收敛速度快、估计性能好等特点，采用径向基函数神经网络逼近系统的内部不确定性。其次，引入了一个基于扰动观测器的估计器来估计柔性关节机械臂系统中的匹配、非匹配时变不确定度。再者，引入二阶命令滤波器来解决反演控制中的“计算爆炸”问题。除此之外，出于实际应用中的安全考虑，本发明应用了一个障碍李亚普诺夫函数来实现机械臂位置输出限制。
-
公开(公告)号：CN114952835A
公开(公告)日：2022-08-30
申请号：CN202210548816.2
申请日：2022-05-20
Applicant: 南昌大学
Abstract: 本发明公开了一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法。综合了神经网络、自适应扰动观测器和积分滑模的优点。考虑到径向基函数神经网络(RBFNN)具有学习收敛速度快、逼近能力强的特点，本发明采用2个径向基函数神经网络矩阵对机械臂‑执行器的动态参数进行估计。针对使用RBFNN时存在估计误差，以及机械臂系统在实际工作中存在外部扰动的特点，本发明提出了一种新的扰动观测器来估计由RBFNN的估计误差和时变外部扰动组成的系统集总不确定度。不仅如此，为了进一步消除稳态误差，我们引入了积分滑动面。此外，出于安全考虑，我们在控制器的设计中采用障碍李雅普诺夫函数(BLF)实现输出位置约束。
-
公开(公告)号：CN114952835B
公开(公告)日：2024-11-26
申请号：CN202210548816.2
申请日：2022-05-20
Applicant: 南昌大学
Abstract: 本发明公开了一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法。综合了神经网络、自适应扰动观测器和积分滑模的优点。考虑到径向基函数神经网络(RBFNN)具有学习收敛速度快、逼近能力强的特点，本发明采用2个径向基函数神经网络矩阵对机械臂‑执行器的动态参数进行估计。针对使用RBFNN时存在估计误差，以及机械臂系统在实际工作中存在外部扰动的特点，本发明提出了一种新的扰动观测器来估计由RBFNN的估计误差和时变外部扰动组成的系统集总不确定度。不仅如此，为了进一步消除稳态误差，我们引入了积分滑动面。此外，出于安全考虑，我们在控制器的设计中采用障碍李雅普诺夫函数(BLF)实现输出位置约束。
-
公开(公告)号：CN114895564B
公开(公告)日：2023-05-02
申请号：CN202210548715.5
申请日：2022-05-20
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于扰动观测器和命令滤波器的电驱动柔性关节机械臂自适应神经网络控制器设计方法。首先，本发明基于n连杆柔性关节机械臂的电驱动动力学模型进行设计，虽然引入了更多的未知数，增加了被控系统的维度，但更符合实际情况。然后，针对径向基函数神经网络(RBFNN)收敛速度快、估计性能好等特点，采用径向基函数神经网络逼近系统的内部不确定性。其次，引入了一个基于扰动观测器的估计器来估计柔性关节机械臂系统中的匹配、非匹配时变不确定度。再者，引入二阶命令滤波器来解决反演控制中的“计算爆炸”问题。除此之外，出于实际应用中的安全考虑，本发明应用了一个障碍李亚普诺夫函数来实现机械臂位置输出限制。
-
-
-
Search Results
4
records
(took 0.013 seconds)
