基于宽度学习的非严格反馈互联系统分散式自适应跟踪控制方法

    公开(公告)号:CN117055339A

    公开(公告)日:2023-11-14

    申请号:CN202310664283.9

    申请日:2023-06-06

    Abstract: 本发明公开了一种具有输入饱和以及多未知控制方向的互联非线性系统,提出了一种新的分散自适应跟踪控制方法,宽度学习是一种新的非线性逼近技术,用于识别未知的非线性函数。步骤如下:首先建立互联系统模型;利用高斯函数的特性,引入辅助系统来处理输入饱和效应,采用Nussbaum函数来解决所考虑的互联系统中存在的未知控制方向问题。在根据动态面控制技术建立跟踪误差方程;结合反演控制技术,设计虚拟控制器和自适应率;最后设计出实际控制器。本发明可以在互联系统输入饱和以及多未知控制方向时消除输入饱和解决多未知控制方向问题。

    基于事件触发的非线性互联系统分散式容错渐近跟踪控制方法

    公开(公告)号:CN116909134A

    公开(公告)日:2023-10-20

    申请号:CN202310692361.6

    申请日:2023-06-12

    Abstract: 本发明针对一类具有执行器故障的非线性互联系统,提出了一种基于事件触发的分散式容错渐近跟踪控制策略。首先,考虑了一个具有执行器故障的非线性互联系统。然后,为了不对强互联项施加任何假设条件,利用径向基函数神经网络(RBF NN)技术来逼近未知的非线性函数和未知的强互联,并且利用高斯函数的性质能够不违背分散式设计规则,此外,还提出了一种基于切换阈值方法的新型事件触发机制来减少通信资源。同时,通过设计一种自适应补偿机制来处理未知的执行器故障。接着,结合双曲切函数的性质和引入的积分有界函数,实现了所考虑的非线性互联系统的渐近跟踪性能。最后,通过实际应用的系统仿真研究,验证了该发明控制方案的实用性和有效性。

    基于TDE的灵巧手指自适应滑模跟踪控制方法

    公开(公告)号:CN114055466B

    公开(公告)日:2023-10-13

    申请号:CN202111169597.9

    申请日:2021-10-08

    Inventor: 王邢波 陆闯 张岩

    Abstract: 本发明属于机器人控制技术领域,具体涉及一种基于TDE的灵巧手指自适应滑模跟踪控制方法,所述控制方法将n个关节力矩和m个腱张力,其中m>n;通过映射矩阵R转化,建立腱驱动灵巧手指动力学方程,通过时延估计TDE方法对复杂动力学模型进行估计。通过设计非奇异快速终端滑模面,实现有限时间内收敛,解决了传统滑模控制中仅可以实现渐进收敛的问题,提高了跟踪性能和收敛性能。为了进一步提高非奇异终端滑模控制的性能,结合了PID积分控制,设计了PID‑NFTSM控制及自适应组合趋近律,所提控制方法是连续的,无奇异性的,不仅降低了TDE误差,同时也提高了跟踪控制的精确性。

    一种考虑关节电机动力学的机械臂力跟踪阻抗控制方法

    公开(公告)号:CN113858198B

    公开(公告)日:2023-10-13

    申请号:CN202111141336.6

    申请日:2021-09-28

    Inventor: 王邢波 张岩 陆闯

    Abstract: 本发明公开了一种考虑关节电机动力学的机械臂力跟踪阻抗控制方法,包括以下步骤:步骤一、建立力跟踪偏差的微分方程,根据力跟踪偏差的微分方程获得状态空间方程;在状态空间方程下,利用反步法结合自适应神经网络,得到环境未知时的位置二次修正律,计算笛卡尔空间中的柔顺位置xc,步骤二、通过运动学反解,将步骤一中得到的xc转换成关节空间的柔顺角位置qc;步骤三、设计位置跟踪控制器,得到跟踪qc所需要的控制力矩τ;步骤四、设计电流跟踪控制器,在电流跟踪控制器中利用自适应神经网络来逼近关节电机的动力学模型,进而得到应当施加在各个关节电机上的控制电压。本发明提升了轨迹跟踪精度,最终减小了在未知环境下的力跟踪偏差。

    一种基于极限学习机的分散式自适应跟踪控制方法

    公开(公告)号:CN113419427B

    公开(公告)日:2022-04-01

    申请号:CN202110796612.6

    申请日:2021-07-14

    Abstract: 本发明公开了一种基于极限学习机的分散式自适应跟踪控制方法,包括,基于N个子系统的不确定非线性互联系统,利用极限学习机的近似原则建立互联系统模型;根据所述互联系统模型构建基于极限学习机的状态观测器估计状态,得到观测误差;引入辅助系统处理输入饱和,根据动态面控制技术建立跟踪误差方程;结合反演控制技术搭建虚拟控制器和自适应率,得到实际控制器。本发明通过采用动态面控制技术进行跟踪误差的设计,避免了在对虚拟控制器进行重复的微分运算时会导致复杂性爆炸问题,另一方面,本发明利用基于极限学习机的状态观测器,极限学习机算法在学习速度和泛化能力方面具有更好的计算效率。

    一种基于极限学习机的分散式自适应跟踪控制方法

    公开(公告)号:CN113419427A

    公开(公告)日:2021-09-21

    申请号:CN202110796612.6

    申请日:2021-07-14

    Abstract: 本发明公开了一种基于极限学习机的分散式自适应跟踪控制方法,包括,基于N个子系统的不确定非线性互联系统,利用极限学习机的近似原则建立互联系统模型;根据所述互联系统模型构建基于极限学习机的状态观测器估计状态,得到观测误差;引入辅助系统处理输入饱和,根据动态面控制技术建立跟踪误差方程;结合反演控制技术搭建虚拟控制器和自适应率,得到实际控制器。本发明通过采用动态面控制技术进行跟踪误差的设计,避免了在对虚拟控制器进行重复的微分运算时会导致复杂性爆炸问题,另一方面,本发明利用基于极限学习机的状态观测器,极限学习机算法在学习速度和泛化能力方面具有更好的计算效率。

    基于反演法的不确定性机器人自适应神经网络控制方法

    公开(公告)号:CN112192573A

    公开(公告)日:2021-01-08

    申请号:CN202011093944.X

    申请日:2020-10-14

    Inventor: 王邢波 钱继东

    Abstract: 本发明提供一种基于反演法的不确定性机器人自适应神经网络控制方法,包括如下步骤:步骤1:建立不确定性机器人的动力学模型;步骤2:将不确定性机器人的动力学模型转化为一般的状态空间形式;步骤3:定义跟踪误差,并将步骤二中的一般状态空间形式转化为关于误差的状态空间形式;步骤4:利用反演法设计基于模型的控制器;步骤5:引入Moore‑Penrose逆,并设计控制律τ0;步骤6:在考虑动力学模型和外部扰动不确定的情况下,利用神经网络设计自适应控制器。本发明研究提供的神经网络自适应轨迹跟踪方法及控制器,并且充分考虑了外部环境产生的扰动,以及机器人建模不确定性,对于提高机器人控制系统对不确定性因素的自适应能力更具有实际意义。

    肌腱驱动型单指灵巧手及其控制系统和控制方法

    公开(公告)号:CN107825449A

    公开(公告)日:2018-03-23

    申请号:CN201711234132.0

    申请日:2017-11-30

    CPC classification number: B25J15/0009 B25J9/1602

    Abstract: 本发明公开了肌腱驱动型单指灵巧手及其控制系统和控制方法,该单指灵巧手包括底座、侧摆、近指节、中指节。该控制系统包括张力控制单元和位置控制单元。该控制方法,包括步骤1:肌腱的位移作为PID控制器的输入,即Δx1;步骤2:肌腱的位置变化x1作为控制量输入到单指灵巧手;步骤3:将期望的关节力矩转化为期望的肌腱张力,其与灵巧手反馈的实际肌腱张力之间的差值,作为自适应模糊PID控制器的输入,自适应模糊PID控制器的输出为x2,作为控制量输入到单指灵巧手中;步骤4:x1和x2相加,作为调节单指灵巧手的控制量。本发明达到实时在线控制单指灵巧手的位置以及肌腱张力、鲁棒性好。

    基于归一化相关系数的模板匹配高速并行实现方法和装置

    公开(公告)号:CN103310228B

    公开(公告)日:2017-09-29

    申请号:CN201310208097.0

    申请日:2013-05-28

    Inventor: 王邢波 王小涛

    Abstract: 本发明公开了一种基于归一化相关系数的模板匹配高速并行实现方法和装置,该方法步骤是读入实时图和模板图数据到对应的内部RAM缓冲块和实时图数据缓冲RAM中,同时进行模板图灰度值总和模板图灰度值平方总和计算和搜索位置(0,0)处实时图灰度值总和实时图灰度值平方总和计算;然后同时计算搜索位置第1行后续各列的搜索位置第1行各列模板图实时图灰度值乘积总和及归一化相关系数;进一步同时读入新一行的实时图数据到对应内部RAM缓冲块和实时图数据缓冲RAM对应位置中,同时计算当前行第1列的值;依次计算出后续各行归一化相关系数。该装置由高速相关运算器、外部数据结果存储器和微处理器构成。

    传感器故障情形下的互联非线性系统分散式容错跟踪控制方法

    公开(公告)号:CN119882437A

    公开(公告)日:2025-04-25

    申请号:CN202510037604.1

    申请日:2025-01-09

    Abstract: 本发明属于强互联非线性系统容错控制领域,公开了一种传感器故障情形下的强互联非线性系统分散式容错跟踪控制方法,包括如下步骤:对含有未知传感器故障情形下的强互联非线性系统为研究对象,通过坐标变换,利用反步法控制技术,设计含有故障放大后所得估计平方项的虚拟控制器、自适应律和实际控制器,来处理被控系统所发生的未知传感器故障。本发明所提出的分散式容错跟踪控制方法可以有效处理未知传感器故障对闭环控制系统的不利影响。本发明适用于传感器故障情形下的强互联非线性系统,通过数值仿真研究验证了控制方案的实用性和有效性。

Patent Agency Ranking