-
公开(公告)号:CN113297798A
公开(公告)日:2021-08-24
申请号:CN202110649204.8
申请日:2021-06-10
Applicant: 重庆邮电大学工业互联网研究院
IPC: G06F30/27 , G06F119/14
Abstract: 本发明属于机器人控制技术领域,特别涉及一种基于人工神经网络的机器人外界接触力估计方法,包括对机器人动力学模型进行变型处理,将其分成线性模型部分和非线性模型部分;采用径向基函数神经网络对非线性部分进行近似逼近,构建基于径向基函数神经网络的自适应观测器来估计模型非线性部分和未知干扰;将估计出的模型非线性部分和未知干扰反馈到系统模型中,对相应部分进行补偿,获取线性化的机器人动力学模型;当外界施加力作用在机器人上时,根据线性化的机器人动力学模型,构建主观观测器对外界施加力进行估计;本发明有效地抑制各种干扰影响的同时,对系统模型非线性部分进行了在线估计并将其反馈补偿,实现对机器人模型的线性化和简单化。
-
公开(公告)号:CN113297798B
公开(公告)日:2022-10-11
申请号:CN202110649204.8
申请日:2021-06-10
Applicant: 重庆邮电大学工业互联网研究院
IPC: G06F30/27 , G06F119/14
Abstract: 本发明属于机器人控制技术领域,特别涉及一种基于人工神经网络的机器人外界接触力估计方法,包括对机器人动力学模型进行变型处理,将其分成线性模型部分和非线性模型部分;采用径向基函数神经网络对非线性部分进行近似逼近,构建基于径向基函数神经网络的自适应观测器来估计模型非线性部分和未知干扰;将估计出的模型非线性部分和未知干扰反馈到系统模型中,对相应部分进行补偿,获取线性化的机器人动力学模型;当外界施加力作用在机器人上时,根据线性化的机器人动力学模型,构建主观观测器对外界施加力进行估计;本发明有效地抑制各种干扰影响的同时,对系统模型非线性部分进行了在线估计并将其反馈补偿,实现对机器人模型的线性化和简单化。
-
公开(公告)号:CN115047761A
公开(公告)日:2022-09-13
申请号:CN202210584213.8
申请日:2022-05-27
Applicant: 重庆邮电大学工业互联网研究院
IPC: G05B13/04
Abstract: 本发明属于机器人控制技术领域,特别涉及基于自适应滑模观测器的机械臂模型优化方法,包括根据机械臂的位置信号和未知外部干扰通过牛顿欧拉方法获得第一非线性机械臂模型,将第一非线性机械臂模型进行状态空间处理成模型确定部分和模型不确定部分;用径向基函数神经网络对模型不确定部分近似逼近,获得第二非线性机械臂模型;采用滑模控制方法和第二径向基函数神经网络构建所述第二非线性机械臂模型的自适应滑模观测器,并用所述自适应滑模观测器计算所述逼近结果的估计值;将所述逼近结果的估计值补偿到第一非线性机械臂模型中,消除未知外部干扰对机械臂的影响,优化第一非线性机械臂模型。
-
公开(公告)号:CN115933413A
公开(公告)日:2023-04-07
申请号:CN202310078206.5
申请日:2023-01-18
Applicant: 重庆邮电大学工业互联网研究院
IPC: G05B13/04
Abstract: 本发明属于自动化控制领域,具体涉及一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法,包括:将带有不确定时延的非线性网络控制系统模型转换为不含有不确定时延的系统模型;定义系统跟踪误差指标和预设性能轨迹,将受约束的系统跟踪误差指标转化为新的无约束误差指标;定义包含中间虚拟控制信号的新系统状态误差,并对系统模型进行坐标转换;设计滑模函数和李雅普诺夫函数,并采用自适应神经网络函数对网络干扰进行估计,获得系统输入信号控制率;本发明利用网络干扰概念,在不需要限定延时或者延时导数上限的情况下,有效地解决网络控制系统的时延问题,并通过设计预设性能指标完成对系统的控制,保证了系统的动态和稳态性能。
-
-
-