【摘 要】
:
互联网和人工智能的飞速发展,也带动着机器人技术的不断发展,机器人技术实现了为人们减轻负担以及代替人们完成高难度的任务。机器人的轨迹跟踪问题一直是机器人技术研究领域的一个热点话题。在实际情况中,机器人系统往往需要在有限的时间内达到控制目标,并且有限时间稳定相比于渐近稳定收敛的速度更快,而且有限时间控制能使被控系统具有优良的鲁棒性,研究非线性机器人系统有限时间控制很有现实意义。本文针对机器人系统的有限
论文部分内容阅读
互联网和人工智能的飞速发展,也带动着机器人技术的不断发展,机器人技术实现了为人们减轻负担以及代替人们完成高难度的任务。机器人的轨迹跟踪问题一直是机器人技术研究领域的一个热点话题。在实际情况中,机器人系统往往需要在有限的时间内达到控制目标,并且有限时间稳定相比于渐近稳定收敛的速度更快,而且有限时间控制能使被控系统具有优良的鲁棒性,研究非线性机器人系统有限时间控制很有现实意义。本文针对机器人系统的有限时间轨迹跟踪问题,提出了两种有限时间PD加精确动力学模型(FPD+)的全局有限时间控制。第一种控制采用非线性的指数误差来改进传统的线性比例-微分加(PD+)机器人系统动力学控制,以形成FPD+非线性机器人系统全局有限时间控制,从而获得较快的过渡过程和较高的轨迹跟踪精度。第二种控制是在第一种控制的基础上形成了快速有限时间PD加精确动力学模型(FFPD+)控制,进一步获得更快的收敛速度。分别应用Lyapunov直接方法与LaSalle不变性原理证明了闭环系统的全局渐近稳定性和基于齐次技术的有限时间稳定性理论证明了闭环系统的全局有限时间稳定性。两自由度机器人系统数值仿真结果表明了所提出的FPD+和FFPD+控制的良好控制性能。
其他文献
图像分割作为图像技术中的一项基本且重要的研究课题,至今已有数十年的发展.图像分割是指利用图像的某些特征将图像分为互不相交的子区域,使得在不同的子区域上,图像的某种性
音乐教育是素质教育中不可或缺的一部分,良好的音乐教育不仅可以提升学生的审美情趣、表现力、创造力以及艺术鉴赏力,还能够帮助学生实现身心和谐统一。但教育不公平现象仍是
文章总结了2015~2017湛江市雷州半岛菠萝新品种引种,为了解决当地菠萝品种单一问题,引进菠萝新品种台农16号、台农17号、台农22号、金菠萝、大菠萝等5个品种进行比较试验.通过
作为课堂教学中常用的教学手段之一,课堂提问无论是在传统课堂还是在当前倡导培养学科核心素养背景下的教学过程中,均发挥着十分重要的作用。课堂提问是完成教学任务、实现教
近几年,直流-直流转换器在高速、低压和高效率等方面的要求越来越苛刻。传统的模拟电源转换器受环境影响较大,并且控制精度难以提高。相对于模拟方式,数字化DC-DC转换器通过数字脉宽调制(DPWM)电路输出占空比可调信号,实现对输出的控制,它具有控制精度高、受环境影响小和外围元件少的特点。DPWM作为数字电源的的重要组成部分,提供数字控制反馈环路的输出,其性能决定了数字电源的好坏,因此,数字电源中的DP
在本论文中我提出新的彩色图像去噪模型。它关键地基于图像的几何结构及特点。我考虑各向异性的、非线性的、非均质的扩散过滤,带三种特征值模型。特征值定义得利用图像结构的材料基于综合便微分分析在Riemann几何意义下,因此它能使最薄的元素保存,同时使噪声去除。我考虑两个相关的问题,一个是使能量泛函极小化,另一个是解决扩散偏微分方程Neumann第二初边值问题。本文中对两个模型都被提出并仔细地研究相关的理
微弱信号检测技术是应用在生物医学、图像处理、机械故障检测、雷达系统、地质学等领域的一种从噪声中提取弱信号的处理方法,传统对噪声处理的方法是利用不同的降噪技术处理噪声带来的影响,但是也削弱了信号的能量。论文首先介绍了随着非线性科学的发展而兴起的混沌振子检测法和随机共振(Stochastic Resonance,SR)检测法,其中随机共振检测技术是论文研究的一个重点,它是利用信号、非线性系统及噪声三者
河西地区东连关陇,西通西域,是东西文化交流的重要场所。自张骞通西域之后,中央政府先后设立了武威、张掖、酒泉、敦煌四郡。于此同时,还派驻了大量军队,对河西地区进行屯垦
聚类是机器学习中一种无监督学习算法,它已成功地应用于诸多领域,如数据挖掘、机器学习、图像处理和生物学等。聚类的过程是将数据对象分到不同簇,这些对象与同一簇中的对象彼此类似,与其他簇中的对象相异。然而,传统数据聚类方法存在诸多缺点,诸如(1)对初始中心的选取敏感,(2)容易陷入局部最优,(3)不能很好地处理非球形的聚类边界等。膜计算是一类由生物细胞机制启发的分布式并行计算模型,它利用对象的进化与转运
图像的风格化是一个非常具有挑战的问题,特别对于监督方法尤为如此。因为一张具有特定风格的图像往往是没有对应的源图像(例如一幅油画),所以要收集这样的且大量的数据是非常困难的、耗力的、费时的,并且人工打标数据价格高昂。所以,如何实现无监督的图像风格化一直是一个困难任务。由于现有的学习范式很难利用未标注的数据进行学习,为了解决这个问题,相关研究人员提出了新的方法:对偶学习。它与其他学习范式的不同点在于利