期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于权重自适应更新径向基函数神经网络的水下游动机械臂镇定控制
被引量：
2
1
作者
孙非
曹宇赫
+1 位作者
崔特
任超
《电子测量与仪器学报》
CSCD
北大核心
2024年第4期1-8,共8页
水下游动机械臂(underwater swimming manipulator,USM)是一种由水下蛇形机器人和矢量推进器组成的新型水下机器人。USM系统具有高度非线性、强耦合以及不确定性等特点,其动力学模型难以精确建立。因此,实现USM的高精度镇定控制存在挑...
水下游动机械臂(underwater swimming manipulator,USM)是一种由水下蛇形机器人和矢量推进器组成的新型水下机器人。USM系统具有高度非线性、强耦合以及不确定性等特点,其动力学模型难以精确建立。因此,实现USM的高精度镇定控制存在挑战。针对这一问题,本文基于反馈线性化和自适应径向基函数神经网络(radial basis function neural network,RBFNN),设计了一种动力学控制方案以实现USM的镇定控制。首先,介绍了USM平台结构,基于Lagrange方程给出了USM的动力学模型,并推导了USM的矢量推力系统模型。然后,设计了基于反馈线性化和RBFNN的动力学控制器,并通过反步法自适应更新RBFNN的权重。其中,权重自适应更新RBFNN用于实时估计系统未建模部分、参数误差以及外部扰动,从而对动力学控制器进行补偿。此外,为了将动力学控制器提供的广义力和力矩转换成各个执行器的控制输入,给出了推力分配策略。最后,进行了湖泊实验,分别对USM的I构型和C构型镇定控制,文章所提出的控制方案在两种构型下的稳态误差均小于0.08 m和10°,验证了所提出的USM六自由度镇定控制器的有效性。
展开更多
关键词
水下
游动
机械
臂
动力学建模
反馈线性化
径向基函数神经网络
在线阅读
下载PDF
职称材料
基于模糊反馈线性化和自适应扩张状态观测器的USM六自由度镇定控制
被引量：
1
2
作者
孙非
崔特
+1 位作者
曹宇赫
任超
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第5期311-318,共8页
水下游动机械臂(USM)作为一种新型的水下机器人,其镇定控制对于水下观测和作业任务的顺利完成具有重要意义。针对USM六自由度镇定控制时,其模型难以准确建立、水流等外部扰动难以观测和6个维度的控制器参数整定困难等问题,提出了一种基...
水下游动机械臂(USM)作为一种新型的水下机器人,其镇定控制对于水下观测和作业任务的顺利完成具有重要意义。针对USM六自由度镇定控制时,其模型难以准确建立、水流等外部扰动难以观测和6个维度的控制器参数整定困难等问题,提出了一种基于模糊反馈线性化和自适应扩张状态观测器的控制方法。首先建立了USM的动力学模型;其次,考虑到USM强非线性和强耦合性的特点,对动力学模型反馈线性化后设计了PD控制器,并引入了模糊控制逻辑调整控制器的参数;同时为减少建模误差和实际水下环境存在各种不确定干扰对控制效果的影响,设计了一种自适应扩张状态观测器来实时补偿模型的不准确性和外扰。最终,在湖中实验测得,所提方案6维均方根误差(RMSE)为0.425 2、0.166 8、0.168 5、0.267 4、0.117 4、1.003 3,较之传统方案有明显的提升,证明了所提方案的有效性。
展开更多
关键词
水下
游动
机械
臂
(
usm
)
反馈线性化
模糊控制
自抗扰
自适应扩张状态观测器
在线阅读
下载PDF
职称材料
题名
基于权重自适应更新径向基函数神经网络的水下游动机械臂镇定控制
被引量：
2
1
作者
孙非
曹宇赫
崔特
任超
机构
天津大学内燃机研究所
天津大学电气自动化与信息工程学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第4期1-8,共8页
基金
国家自然科学基金(62073235)项目资助。
文摘
水下游动机械臂(underwater swimming manipulator,USM)是一种由水下蛇形机器人和矢量推进器组成的新型水下机器人。USM系统具有高度非线性、强耦合以及不确定性等特点,其动力学模型难以精确建立。因此,实现USM的高精度镇定控制存在挑战。针对这一问题,本文基于反馈线性化和自适应径向基函数神经网络(radial basis function neural network,RBFNN),设计了一种动力学控制方案以实现USM的镇定控制。首先,介绍了USM平台结构,基于Lagrange方程给出了USM的动力学模型,并推导了USM的矢量推力系统模型。然后,设计了基于反馈线性化和RBFNN的动力学控制器,并通过反步法自适应更新RBFNN的权重。其中,权重自适应更新RBFNN用于实时估计系统未建模部分、参数误差以及外部扰动,从而对动力学控制器进行补偿。此外,为了将动力学控制器提供的广义力和力矩转换成各个执行器的控制输入,给出了推力分配策略。最后,进行了湖泊实验,分别对USM的I构型和C构型镇定控制,文章所提出的控制方案在两种构型下的稳态误差均小于0.08 m和10°,验证了所提出的USM六自由度镇定控制器的有效性。
关键词
水下
游动
机械
臂
动力学建模
反馈线性化
径向基函数神经网络
Keywords
underwater swimming manipulator
dynamic modeling
feedback linearization
radial basis function neural network
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于模糊反馈线性化和自适应扩张状态观测器的USM六自由度镇定控制
被引量：
1
2
作者
孙非
崔特
曹宇赫
任超
机构
天津大学内燃机研究所
天津大学电气自动化与信息工程学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第5期311-318,共8页
基金
国家自然科学基金(62073235)项目资助。
文摘
水下游动机械臂(USM)作为一种新型的水下机器人,其镇定控制对于水下观测和作业任务的顺利完成具有重要意义。针对USM六自由度镇定控制时,其模型难以准确建立、水流等外部扰动难以观测和6个维度的控制器参数整定困难等问题,提出了一种基于模糊反馈线性化和自适应扩张状态观测器的控制方法。首先建立了USM的动力学模型;其次,考虑到USM强非线性和强耦合性的特点,对动力学模型反馈线性化后设计了PD控制器,并引入了模糊控制逻辑调整控制器的参数;同时为减少建模误差和实际水下环境存在各种不确定干扰对控制效果的影响,设计了一种自适应扩张状态观测器来实时补偿模型的不准确性和外扰。最终,在湖中实验测得,所提方案6维均方根误差(RMSE)为0.425 2、0.166 8、0.168 5、0.267 4、0.117 4、1.003 3,较之传统方案有明显的提升,证明了所提方案的有效性。
关键词
水下
游动
机械
臂
(
usm
)
反馈线性化
模糊控制
自抗扰
自适应扩张状态观测器
Keywords
underwater swimming manipulator
feedback linearization
fuzzy control
ADRC
AESO
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
TH701 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于权重自适应更新径向基函数神经网络的水下游动机械臂镇定控制
孙非
曹宇赫
崔特
任超
《电子测量与仪器学报》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于模糊反馈线性化和自适应扩张状态观测器的USM六自由度镇定控制
孙非
崔特
曹宇赫
任超
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
