法里德,尤瑟夫;瓦希德·乔哈里·马吉德;阿巴斯·埃萨尼·塞雷什特 执行器故障四足机器人基于观测器的鲁棒自适应力位置控制器设计。 (英文) Zbl 1402.93153号 国际期刊改编。控制信号处理。 32,第10号,1453-1472(2018). 摘要:本文研究不确定四足机器人在执行器发生时变故障时的鲁棒自适应跟踪控制问题。首先,使用伪逆方法计算机器人腿与地面的期望交互力。所提出的方案包括一个滑模角速度观测器、一个自适应故障估计器和一个自适应滑模力位置控制器。自适应估计执行器故障的幅值和集总不确定性的上界,并对联合转矩控制信号进行适当修改。利用李亚普诺夫稳定性定理,保证整个闭环系统的跟踪误差和故障估计误差收敛到原点的邻域。最后,通过数值模拟验证了该方法的性能。 MSC公司: 93C40型 自适应控制/观测系统 93B35型 灵敏度(稳健性) 93C85号 控制理论中的自动化系统(机器人等) 93立方厘米 信息不完整的控制/观测系统 93B12号机组 可变结构系统 93D05型 李亚普诺夫和控制理论中的其他经典稳定性(拉格朗日、泊松、(L^p、L^p)等) 关键词:容错控制;力位置控制;四足机器人;滑动模式控制;滑动模态观测器 PDF格式BibTeX公司 XML格式引用 \textit{Y.Farid}等人,《国际期刊》改编。控制信号处理。32,第10号,1453-1472(2018;Zbl 1402.93153) 全文: 内政部 参考文献: [1] 陈西德、孙毅、贾伟。多腿步行机器人的运动规划和控制。武汉:华中科技大学出版社;2006 [2] PratiharDK RoySS公司。基于软计算的方法,用于预测在梯度地形上移动的六足机器人的能耗和稳定裕度。应用智能。2012;37:31‐46. [3] LiZ、GeSS、LiuS。使用梯度和自适应神经网络对四足机器人的接触力分布进行优化和控制。IEEE Trans Neural Netw学习系统。2014;25(8):1460‐1473. [4] 学和Z、葛力、港丰L、杰泽、振秀H。基于GPU的六足机器人实时SLAM。微加工微晶。2016;47:104‐111. [5] TranDT,KooIM,LeeYH等。使用递归神经网络对四足步行机器人进行基于中央模式生成器的反射控制。机器人自动化系统。2014;62(10):1497‐1516. [6] GorMM、PathakPM、SamantarayAK、YangJM、KwakSW。柔顺四足机器人通过移动附肢机构的故障调节。机械-马赫理论。2018;121:228‐244. [7] ChungJW、LeeIH、ChoBK、OhJH。小跑点足四足机器人的姿态稳定策略。智能机器人系统杂志。2013;72:325‐341. [8] 哈达森F。四足机器人静态平衡行走的稳定性分析与综合[博士论文]。瑞典斯德哥尔摩:皇家理工学院;2002 [9] KazemiH、MajdVJ、MoghaddamMM。欠驱动四足机器人跳跃运动建模与鲁棒反步控制。机器人。2013;31:423‐439. [10] TranDT、KooIM、LeeYH等。使用3D弹簧-阻尼器-腿模型在未知崎岖地形中控制四足机器人的运动。国际J控制自动化系统。2014;12(2):372‐382. [11] 穆萨维亚·科拉姆。在充满挑战的地形上推动四足机器人的恢复。机器人。2017;35(8):1670‐1689. [12] PrattG,(2015)。http://www.theroboticschallenge.org/ [13] AhmadS、ZhangH、LiuG。带关节扭矩传感的模块化和可重构机器人分布式故障检测:一种基于预测误差的方法。机电一体化。2013;23(6):607‐616. [14] LuK、XiaY、FuM、YuC。具有驱动器故障和饱和约束的刚性航天器自适应有限时间姿态稳定。国际J鲁棒非线性控制。2016;26(1):28‐46. https://doi.org/10.1002/rnc.3289 ·Zbl 1333.93209号 ·doi:10.1002/rnc.3289 [15] 姜浩、张浩、刘毅、韩杰。基于数据驱动强化学习方法的一类执行器故障非线性系统的神经网络控制方案。神经计算。2017;239:1‐8. [16] ZhaoJ、JiangB、ChowdhuryFN、ShiP。基于参考模型自适应滑模方案的近空间飞行器主动容错控制。国际J自适应控制信号处理。2014;28:765‐777. ·Zbl 1327.93149号 [17] 陈X、高F、齐C、天X、魏L。具有部分故障执行器的四足机器人的运动学分析和运动规划。机械-马赫理论。2015;94:64‐79. [18] CapisaniLM、FerraraA、MagnaniL。机器人机械手二阶滑模运动控制器的设计和实验验证。国际J控制。2009;82(2):365‐377. ·Zbl 1168.93321号 [19] LinCM,BoldbaatarEA。使用递归小波Elman神经网络的双足机器人故障调节控制。IEEE Syst J.2017;11(4):2882‐2893. [20] 卢姆基·旺德。用于飞机执行器故障检测和隔离的自适应未知输入观测器方法。国际J自适应控制信号处理。2007;21:31‐48. ·Zbl 1134.93318号 [21] MohammadiA、TavakoliM、MarquezHJ、HashemzadehF。机器人非线性扰动观测器设计。控制工程实践。2013;21(3):253‐267. [22] EdwardsC YanXG。基于滑模观测器的非线性鲁棒故障重构与估计。自动化。2007;43(9):1605‐1614. ·Zbl 1128.93389号 [23] 刘X、高X、韩杰。具有干扰的高阶多智能体系统基于鲁棒未知输入观测器的故障检测。ISA事务。2016;61:15‐28. [24] OhnishiK SariyildizE。基于扰动观测器的运动控制系统的稳定性和鲁棒性。IEEE Trans Ind Electron公司。2015;62(1):414‐422. [25] LiangW、HuangS、ChenS、TanKK。基于干扰观测器的耳外科设备力估计和故障检测。ISA事务。2017;66:476‐484. [26] LiH、GaoH、ShiP、ZhaoX。利用增广滑模观测器方法对马尔可夫跳跃随机系统进行容错控制。自动化。2014;50:1825‐1834. ·Zbl 1296.93200号 [27] De WitCC、Slotine JJ。机器人操纵器的滑动观测器。自动化。1991;27(5):859‐864. [28] YinS、YangH、KaynakO。带有执行器和传感器故障的马尔科夫跳跃系统的基于滑模观测器的FTC。IEEE Trans Autom控制。2017;62(7):3551‐3558. ·Zbl 1370.93248号 [29] López‐AraujoDJ、Zavala‐RíoA、SantibáñezV、ReyesF。一种输入有界的机器人广义全局自适应跟踪控制方案。国际J自适应控制信号处理。2015;29:180‐200. ·Zbl 1337.93058号 [30] Martínez‐FonsecaN、CastañedaLÁ、UrangaA、Luviano‐JuárezA、ChairezI。使用高阶扩展状态观测器对两足机器人系统进行鲁棒干扰抑制控制。ISA事务。2016;62:276‐286. [31] VanM、FranciosaP、CeglarekD。使用高阶滑模对不确定机器人进行故障诊断和容错控制。数学问题工程2016;2016:1‐14. ·Zbl 1400.93214号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。