• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Composite Learning Enhanced Robot Impedance Control
【24h】

Composite Learning Enhanced Robot Impedance Control

机译：复合学习增强型机器人阻抗控制

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The desired impedance dynamics can be achieved for a robot if and only if an impedance error converges to zero or a small neighborhood of zero. Although the convergence of impedance errors is important, it is seldom obtained in the existing impedance controllers due to robots modeling uncertainties and external disturbances. This brief proposes two composite learning impedance controllers (CLICs) for robots with parameter uncertainties based on whether a factorization assumption is satisfied or not. In the proposed control designs, the convergence of impedance errors, reflected by the convergence of parameter estimation errors and some auxiliary errors, is achieved by using composite learning laws under a relaxed excitation condition. The theoretical results are proven based on the Lyapunov theory. The effectiveness and advantages of the proposed CLICs are validated by simulations on a parallel robot in three cases.
机译：当且仅当阻抗误差收敛到零或零的小邻域时，才可以为机器人实现所需的阻抗动力学。尽管阻抗误差的收敛很重要，但是由于机器人对不确定性和外部干扰进行建模，因此在现有的阻抗控制器中很少能获得收敛。本摘要基于是否满足分解假设，为参数不确定的机器人提出了两个复合学习阻抗控制器（CLIC）。在提出的控制设计中，阻抗误差的收敛反映在参数估计误差和一些辅助误差的收敛上，这是通过在松弛激励条件下使用复合学习定律来实现的。理论结果是基于李雅普诺夫理论证明的。在三种情况下，通过在并行机器人上进行仿真，验证了所提出的CLIC的有效性和优势。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号