青浦苏州网站建设,相亲网站,自学seo能找到工作吗,宁波网络推广渠道目录 前言
1.双关节机械手臂模型
2.神经网络自适应律设计
3. 滑模控制律设计
4. 仿真分析
4.1 仿真模型
4.2 仿真结果
4.3 小结
5 学习问题 前言
上一篇文章我介绍了神经网络补偿的机理#xff0c;只不过控制律不同#xff0c;本章我们结合滑模理论设计控制律#…目录 前言
1.双关节机械手臂模型
2.神经网络自适应律设计
3. 滑模控制律设计
4. 仿真分析
4.1 仿真模型
4.2 仿真结果
4.3 小结
5 学习问题 前言
上一篇文章我介绍了神经网络补偿的机理只不过控制律不同本章我们结合滑模理论设计控制律所以本质还是神经网络逼近扰动控制律。
基于神经网络(RBF)补偿的双关节机械手臂自适应控制_Mr. 邹的博客-CSDN博客
其实在我之前的文章中早就已经用到过这种补偿控制的思想只不过用的不是神经网络补偿而是基于模糊推理机的方法进行补偿详情请见
VSC/SMC(十五)——基于模糊逼近的积分滑模控制_Mr. 邹的博客-CSDN博客
基于模糊逼近系统不确项的滑模自适应控制_模糊基向量_Mr. 邹的博客-CSDN博客
一类综合的模糊化自适应滑模控制_模糊自适应滑模控制_Mr. 邹的博客-CSDN博客
1.双关节机械手臂模型 2.神经网络自适应律设计 这里不再赘述了上一篇文章介绍了
基于神经网络(RBF)补偿的双关节机械手臂自适应控制_Mr. 邹的博客-CSDN博客
所设计的自适应律为 3. 滑模控制律设计
滑模面选取
rek*e
控制律设计为
τ f^Kv*r-v
其中v为滑模鲁棒项。
注:
①由于系统是2自由度的即有两个位置指令所以e和de也是2维的所以滑模面系数k也是2维的即相当于分别为2位置设计了2滑模面。
4. 仿真分析
4.1 仿真模型 4.2 仿真结果
调节参数选取Kv[50 0;0 50],k [5 0;0 5] 4.3 小结
可以看到模型即使存在不确定外界扰动情况下也能跟踪目标指令虽然估计的扰动没有做到很精准但是结合滑模的鲁棒性能够保证系统在扰动下跟踪目标。 5 学习问题
①自适应律是参考文献来的为何用等效滑模思想推导有些对不上
②对于误差是指令-实际需要统一好并且关于推导控制输入以及稳定性证明分析。
