Adaptive neural impedance control for electrically driven robotic systems based on a neuro-adaptive observer
Adaptive neural impedance control for electrically driven robotic systems based on a neuro-adaptive observer
复制标题
基于神经自适应观测器的电驱动机器人系统的自适应神经阻抗控制
DOI：
10.1007/s11071-020-05569-8
复制
发表时间：
2020-03
影响因子：
5.6
通讯作者：
Xin Jianbin
中科院分区：
文献类型：
--
作者：
Peng Jinzhu;Ding Shuai;Yang Zeqi;Xin Jianbin
针对电力驱动机器人系统，考虑系统不确定性和外部干扰，提出了一种自适应神经阻抗控制策略。对于所考虑的机器人系统，关节速度和电枢电流被假定为未知的和不可测量的，然后设计一个自适应观测器来估计其未知状态，使用神经网络。基于观测到的关节速度和电枢电流，提出了一种ANIC方案，可以改善关节位置和力跟踪的性能。我们还证明了控制系统是稳定的，所有的闭环系统中的信号是有界的。两连杆电驱动机器人的仿真例子表明，所提出的基于双稳态的智能阻抗控制方法的有效性。
This paper proposes an adaptive neural impedance control (ANIC) strategy for electrically driven robotic systems, considering system uncertainties and external disturbances. For the considered robotic system, the joint velocities and armature currents are assumed to be unknown and unmeasured, and an adaptive observer is then designed to estimate its unknown states using a neural network. Based on the observed joint velocities and armature currents, an ANIC scheme is proposed and the performances of the joint positions and force tracking can be improved. We also prove that the control system is stable and all the signals in closed-loop system are bounded. Simulation examples on a two-link electrically driven robotic manipulator are presented to show the effectiveness of the proposed observer-based intelligent impedance control method.
登录
查看更多内容
基于非线性速度观测器的不确定机器人机械臂自适应神经网络力跟踪阻抗控制
影响因子：
6
作者：
Zeqi Yang;Jinzhu Peng;Yanhong Liu
通讯作者：
Yanhong Liu
DOI：
10.1109/tnnls.2017.2665581
发表时间：
2018-04-01
影响因子：
10.4
作者：
He, Wei;Dong, Yiting
通讯作者：
Dong, Yiting
影响因子：
5.6
作者：
A. Izadbakhsh
通讯作者：
A. Izadbakhsh
DOI：
10.1109/70.68075
发表时间：
1991-02
期刊：
IEEE Trans. Robotics Autom.
影响因子：
--
作者：
T. Tarn;A. Bejczy;X. Yun;Zuofeng Li
通讯作者：
T. Tarn;A. Bejczy;X. Yun;Zuofeng Li
DOI：
10.1109/hsi.2017.8005020
发表时间：
2017-07
期刊：
2017 10th International Conference on Human System Interactions (HSI)
影响因子：
--
作者：
A. Vo;Hee-Jun Kang;V. Nguyen
通讯作者：
A. Vo;Hee-Jun Kang;V. Nguyen