串联弹性驱动器(Series elastic actuator, SEA)是机器人交互系统中的一种理想力源.本文针对非线性SEA的力矩控制问题提出一种基于RISE (Robust integral of the sign of the error)反馈的最优控制方法,能够克服模型参数不确定和有界扰...
详细信息
串联弹性驱动器(Series elastic actuator, SEA)是机器人交互系统中的一种理想力源.本文针对非线性SEA的力矩控制问题提出一种基于RISE (Robust integral of the sign of the error)反馈的最优控制方法,能够克服模型参数不确定和有界扰动,实现SEA输出力矩在交互过程中快速平稳地收敛到期望值.具体来说,首先对SEA的模型进行分析和变换;然后假设模型参数和扰动均已知,并在此基础上基于二次型指标设计最优控制律;之后基于RISE反馈重新设计控制律抵消模型参数不确定性和有界扰动,基于Lyapunov理论分析控制器的收敛性和信号的有界性,实验结果表明这种基于RISE反馈的最优控制方法具有良好的控制性能和对有界扰动的鲁棒性.
在原子力显微镜(atomic force microscope,AFM)扫描样品时,控制参数调节困难,依赖于操作经验.本文基于在线动态模型辨识,提出了一种AFM系统广义预测自校正控制与成像方法.首先,利用CARIMA(controlled autoregressive and moving-average...
详细信息
在原子力显微镜(atomic force microscope,AFM)扫描样品时,控制参数调节困难,依赖于操作经验.本文基于在线动态模型辨识,提出了一种AFM系统广义预测自校正控制与成像方法.首先,利用CARIMA(controlled autoregressive and moving-average)参数模型来描述局部线性化后的AFM系统模型,并通过在线动态模型辨识得到线性化模型的参数;基于该模型,采用基于GPC(generalized predictive control)的优化方法,在线求解类PI(proportional integral)控制器的参数,进而得到一种具有控制参数自动调整功能的AFM成像方法.为了验证本文方法的有效性,进行了仿真与实验测试.结果表明,在AFM扫描速度不同或PI参数选择不恰当的情况下,该方法能够自动地调整控制器参数,从而减小控制误差,提高成像精度.
暂无评论