-
Patent Agency Ranking
公开(公告)号：CN115562006A
公开(公告)日：2023-01-03
申请号：CN202211126679.X
申请日：2022-09-16
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明旨在公开一种基于SIESO(结构改进扩张状态观测器)的自适应连续非奇异快速终端滑模控制器(ACNFTSMC)设计方法。首先，针对传统扩张状态观测器影响控制系统性能的的初始峰值问题，本发明提出SIESO替代传统观测器来达到消除观测系统的初始峰值以及预估和补偿干扰/故障的作用。其次，针对传统观测器估计误差未知的问题，采用自适应技术对观测误差进行实时补偿。然后，为提升控制系统的快速收敛性、控制精度以及无抖动等性能，本发明采用连续非奇异快速终端滑模控制方法，并利用李雅普诺夫理论证明了控制系统的稳定性。最后，以二自由度机械臂为被控对象，验证了所提出的控制策略与其他现有先进控制技术相比的优越性。
-
公开(公告)号：CN112241124A
公开(公告)日：2021-01-19
申请号：CN202011160048.0
申请日：2020-10-27
Applicant: 南昌大学
Abstract: 本发明公开了一种用于机械臂轨迹跟踪控制的基于扩张状态观测器的自适应反演积分非奇异快速终端滑模控制器设计方法。首先为更好的反应机械臂在实际工作中的状态和提高控制精度，将LuGre摩擦力模型与机械臂动力学模型相结合。并在此基础上设计了一种新型积分快速终端滑模面，可以极大的提高收敛速度和跟踪精度，再针对奇异项设计合理的饱和函数避免奇异性。由于外界扰动和系统不确定性未知，采用扩张状态观测器对其进行估计和补偿，同时也可以有效的消除抖振。通过扩张观测器还可以得到机械臂关节的速度信息，因此我们只需要通过编码器测量关节的位置信息。最后利用反步法设计控制力矩，实现了基于李雅普诺夫定理的全局渐近稳定。
-
公开(公告)号：CN113589689B
公开(公告)日：2024-01-02
申请号：CN202110780669.7
申请日：2021-07-09
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于多参数自适应神经网络的滑模控制器设计方法，包括：1，建立n自由度旋转关节刚性机械臂动力学模型；2，将步骤1中模型系统转化为基于关节位置的二阶状态方程，并为其设计快速终端滑模面；3，利用RBF神经网络对系统未知动力学参数进行逼近；4，设计自适应非奇异快速终端滑模控制器，并基于步骤3中的动力学参数逼近结果，实现机械臂的无模型控制。本发明适用于受到模型不确定性和外部干扰的影响的机械臂的轨迹跟踪控制，减少了控制设计程序中给出的自适应设计参数的数量，使得机器人动力学的未知非线性函数在RBFNN基础上进行了近似；还提高了误差的收敛速度和跟踪精度，实现了基于李雅普诺夫定理的全局渐近稳
-
公开(公告)号：CN112241124B
公开(公告)日：2022-02-11
申请号：CN202011160048.0
申请日：2020-10-27
Applicant: 南昌大学
Abstract: 本发明公开了一种用于机械臂轨迹跟踪控制的基于扩张状态观测器的自适应反演积分非奇异快速终端滑模控制器设计方法。首先为更好的反映机械臂在实际工作中的状态和提高控制精度，将LuGre摩擦力模型与机械臂动力学模型相结合。并在此基础上设计了一种新型积分快速终端滑模面，可以极大的提高收敛速度和跟踪精度，再针对奇异项设计合理的饱和函数避免奇异性。由于外界扰动和系统不确定性未知，采用扩张状态观测器对其进行估计和补偿，同时也可以有效的消除抖振。通过扩张观测器还可以得到机械臂关节的速度信息，因此我们只需要通过编码器测量关节的位置信息。最后利用反演法设计控制力矩，实现了基于李雅普诺夫定理的全局渐近稳定。
-
公开(公告)号：CN113589689A
公开(公告)日：2021-11-02
申请号：CN202110780669.7
申请日：2021-07-09
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于多参数自适应神经网络的滑模控制器设计方法，包括：1，建立n自由度旋转关节刚性机械臂动力学模型；2，将步骤1中模型系统转化为基于关节位置的二阶状态方程，并为其设计快速终端滑模面；3，利用RBF神经网络对系统未知动力学参数进行逼近；4，设计自适应非奇异快速终端滑模控制器，并基于步骤3中的动力学参数逼近结果，实现机械臂的无模型控制。本发明适用于受到模型不确定性和外部干扰的影响的机械臂的轨迹跟踪控制，减少了控制设计程序中给出的自适应设计参数的数量，使得机器人动力学的未知非线性函数在RBFNN基础上进行了近似；还提高了误差的收敛速度和跟踪精度，实现了基于李雅普诺夫定理的全局渐近稳定。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
