具有输入非线性与物理约束的多自由度液压重载机械臂关键伺服控制方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51905271
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    28.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0502.传动与驱动
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Nonlinearity (especially the input nonlinearity) and model uncertainty are the obstacles of the performance improvement of the joint space motion control of multi-DOF hydraulic heavy-duty manipulator. Physical constraint (control input saturation, etc.) and measurement noise are the key factors hindering the engineering application of the existing nonlinear control methods. This proposal takes the servovalve-controlled multi-DOF hydraulic heavy-duty manipulator as the research project, and explores more comprehensive, meticulous and practical high performance nonlinear control methods by integrating the techniques of parameter adaptation, nonlinear robust control, state and disturbance observation, to solve the control problems of the actual engineering characteristics including measurement noise, input nonlinearities (valve dead-zone, valve dynamics, etc.) and physical constraints, meanwhile considering other inherent nonlinearities and model uncertainties. The research contents mainly include the nonlinear dynamic model which can fully describe the dynamic behavior of the system, low-noise-sensitive control method, control methods with input nonlinearities active compensation, nonlinear control methods considering the requirement of physical constraints, and system simulation and experimental research. This proposal is to further deepen and develop the model-based nonlinear control theories and techniques of multi-DOF hydraulic heavy-duty manipulator, to enhance the practicability while improving the control performance and then to promote the engineering development and practical application of high-end hydraulic heavy-duty manipulator.
非线性(尤其是输入非线性)与模型不确定性是限制多自由度液压重载机械臂关节空间运动控制性能提升的瓶颈问题。控制输入饱和等物理约束及测量噪声是阻碍现有非线性控制方法工程应用的关键因素。本项目以伺服阀控多自由度液压重载机械臂为研究对象,拟针对测量噪声、输入非线性(阀死区、阀芯动态等)及物理约束等实际工程特性,兼顾系统固有的其他非线性及模型不确定性等普适性问题,融合参数自适应、非线性鲁棒、状态及干扰观测等方法,探索考虑更为全面、细致且贴近工程实际的高性能非线性控制方法。研究内容主要包括可充分描述系统动态行为的非线性动力学模型、低噪声敏感度控制方法、具有输入非线性主动补偿的控制方法、考虑物理约束需求的非线性控制方法以及系统仿真和实验研究。本项目是对基于模型的多自由度液压重载机械臂非线性控制理论与技术的进一步深化和发展,在提升控制性能的同时增强其实用性,从而推动高端液压重载机械臂的工程研制和实际应用。

结项摘要

本项目以多自由度液压重载机械臂为研究对象,针对模型不确定性、测量噪声、输入非线性(阀芯动态、死区)、物理约束(输入饱和与状态约束)等工程实际问题,开展了高性能非线性控制方法研究。针对模型不确定性的问题,提出基于神经网络的自适应抗扰控制策略,获得优异的渐近跟踪控制性能;考虑速度测量噪声的影响,提出了基于扩张状态观测器的低噪声敏感度自适应抗扰控制器设计方法,可同时处理系统参数不确定性与时变干扰,避免了速度测量噪声的影响,有效提升了控制性能;为补偿阀芯动态效应的同时避免高阶阀动态带来的基于反步设计时的微分爆炸问题,提出阀芯动态时滞模型及有效的时滞补偿输出反馈控制策略,有效补偿了阀芯动态的影响;构造了光滑的死区逆模型,并提出具有阀死区主动补偿的非线性鲁棒自适应控制方法,有效补偿了阀的死区效应;针对电液伺服系统控制中存在输入饱和的问题,提出了考虑输入饱和的非线性控制算法,可较好地抑制输入饱和对控制性能的影响;针对多自由度液压机械臂性能约束问题,设计了自适应神经网络积分鲁棒控制器,同时保证确定的瞬态性能和优异的渐近跟踪稳态性能。本项目的主要通过对多自由度液压重载机械臂非线性控制策略的研究,深入探索此方面新的设计理念以及相应的理论工具和研究方法,以求在关键技术上有所突破和创新,推动多自由度液压重载机械臂的控制理论发展、高端多自由度液压重载机械臂的工程研制和实际应用。

项目成果

期刊论文数量(16)
专著数量(0)
科研奖励数量(1)
会议论文数量(4)
专利数量(3)
Active disturbance rejection adaptive control of multi‐degrees of freedom hydraulic manipulators
多自由度液压机械臂自抗扰自适应控制
  • DOI:
    10.1002/acs.3482
  • 发表时间:
    2022-08
  • 期刊:
    International Journal of Adaptive Control and Signal Processing
  • 影响因子:
    3.1
  • 作者:
    孙鑫;姚建勇;邓文翔
  • 通讯作者:
    邓文翔
Asymptotic adaptive tracking control and application to mechatronic systems
渐近自适应跟踪控制及其在机电系统中的应用
  • DOI:
    10.1016/j.jfranklin.2021.05.032
  • 发表时间:
    2021-06
  • 期刊:
    Journal of the Franklin Institute
  • 影响因子:
    --
  • 作者:
    杨晓伟;邓文翔;姚建勇;梁相龙
  • 通讯作者:
    梁相龙
Output feedback backstepping control of hydraulic actuators with valve dynamics compensation
带阀门动态补偿的液压执行器输出反馈反步控制
  • DOI:
    10.1016/j.ymssp.2021.107769
  • 发表时间:
    2021-03-13
  • 期刊:
    MECHANICAL SYSTEMS AND SIGNAL PROCESSING
  • 影响因子:
    8.4
  • 作者:
    Deng, Wenxiang;Yao, Jianyong;Chen, Jiuhui
  • 通讯作者:
    Chen, Jiuhui
Neural network based output feedback control for DC motors with asymptotic stability
基于神经网络的渐进稳定直流电机输出反馈控制
  • DOI:
    10.1016/j.ymssp.2021.108288
  • 发表时间:
    2022-02
  • 期刊:
    Mechanical Systems and Signal Processing
  • 影响因子:
    8.4
  • 作者:
    杨晓伟;邓文翔;姚建勇
  • 通讯作者:
    姚建勇
Adaptive dynamic surface tracking control for uncertain full-state constrained nonlinear systems with disturbance compensation
具有扰动补偿的不确定全状态约束非线性系统的自适应动态表面跟踪控制
  • DOI:
    10.1016/j.jfranklin.2022.02.008
  • 发表时间:
    2022-02
  • 期刊:
    Journal of the Franklin Institute
  • 影响因子:
    --
  • 作者:
    杨晓伟;葛曜文;邓文翔;姚建勇
  • 通讯作者:
    姚建勇

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Continuous Integral Robust Control of Electro-Hydraulic Systems With Modeling Uncertainties
具有建模不确定性的电液系统的连续积分鲁棒控制
  • DOI:
    10.1109/access.2018.2866270
  • 发表时间:
    2018
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    马吴宁;邓文翔;姚建勇
  • 通讯作者:
    姚建勇
机电伺服系统鲁棒自适应重复控制
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    上海交通大学学报
  • 影响因子:
    --
  • 作者:
    邓文翔;马吴宁;姚建勇
  • 通讯作者:
    姚建勇
Adaptive Control of Input Delayed Uncertain Nonlinear Systems With Time-Varying Output Constraints
具有时变输出约束的输入延迟不确定非线性系统的自适应控制
  • DOI:
    10.1109/access.2017.2730222
  • 发表时间:
    2017-07
  • 期刊:
    Ieee Access
  • 影响因子:
    3.9
  • 作者:
    邓文翔;姚建勇;马大为
  • 通讯作者:
    马大为
Output feedback control of integrator systems with disturbance and input saturation
具有扰动和输入饱和的积分系统的输出反馈控制
  • DOI:
    10.1016/j.jfranklin.2020.07.013
  • 发表时间:
    2020-09
  • 期刊:
    Journal of the Franklin Institute
  • 影响因子:
    --
  • 作者:
    米轶泽;姚建勇;邓文翔;谢宜含
  • 通讯作者:
    谢宜含
Model reference adaptive tracking control for hydraulic servo systems with nonlinear neural-networks
非线性神经网络液压伺服系统的模型参考自适应跟踪控制
  • DOI:
    10.1016/j.isatra.2019.11.027
  • 发表时间:
    2020
  • 期刊:
    ISA Transactions
  • 影响因子:
    7.3
  • 作者:
    姚志凯;姚建勇;姚飞宇;徐强;徐旻睿;邓文翔
  • 通讯作者:
    邓文翔

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

邓文翔的其他基金

面向磨机衬板换装的液压重载机械臂高性能非线性控制方法研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    55 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码