亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多無(wú)人直升機(jī)協(xié)作搬運(yùn)控制技術(shù)研究

        2022-05-18 02:12:30蘇子康邢卓琳
        無(wú)人系統(tǒng)技術(shù) 2022年2期
        關(guān)鍵詞:控制算法拉力直升機(jī)

        蘇子康,陳 嘉,邢卓琳

        (1.南京航空航天大學(xué)自動(dòng)化學(xué)院,南京 211106;2.山西大學(xué)自動(dòng)化與軟件學(xué)院,太原 030013)

        1 引 言

        直升機(jī)機(jī)外懸掛運(yùn)輸最早開(kāi)始于20世紀(jì)50年代,主要用于緊急救援、軍事行動(dòng)、森林防火等任務(wù),是直升機(jī)在軍用和民用領(lǐng)域主要的用途之一[1-2]。然而,傳統(tǒng)的單架直升機(jī)在執(zhí)行外掛飛行時(shí),由于機(jī)體易產(chǎn)生晃動(dòng),使得直升機(jī)與懸掛載荷之間存在耦合擺動(dòng)問(wèn)題,這嚴(yán)重影響了直升機(jī)和懸掛載荷的穩(wěn)定性和飛行安全性[3-4]。為了減小耦合擺動(dòng),提高直升機(jī)懸掛系統(tǒng)操縱品質(zhì),許多研究者針對(duì)系繩直升機(jī)提出了抗擺動(dòng)控制算法[5]。

        近年來(lái),隨著多無(wú)人機(jī)協(xié)同技術(shù)的發(fā)展,相關(guān)研究也越來(lái)越多,其中將多無(wú)人機(jī)應(yīng)用于懸掛載荷運(yùn)輸成為熱門(mén)[6-7]。與單架無(wú)人機(jī)相比,多架無(wú)人機(jī)協(xié)作搬運(yùn),能更好地發(fā)揮其優(yōu)勢(shì)。其優(yōu)勢(shì)主要體現(xiàn)在更靈活的機(jī)動(dòng)性、更大的承載能力、更強(qiáng)的任務(wù)執(zhí)行力、更好的容錯(cuò)性和魯棒性以及更高的經(jīng)濟(jì)可承受性。根據(jù)不同任務(wù)的載荷要求,靈活調(diào)整無(wú)人機(jī)的數(shù)量,實(shí)現(xiàn)資源的有效配置。此外,無(wú)人機(jī)數(shù)量的增加使得整個(gè)協(xié)作搬運(yùn)系統(tǒng)結(jié)構(gòu)更加穩(wěn)定,有效避免了單架無(wú)人機(jī)的吊索擺動(dòng)問(wèn)題[1]。

        然而,目前無(wú)人機(jī)協(xié)作搬運(yùn)技術(shù)研究多采用四旋翼驅(qū)動(dòng),但由于四旋翼無(wú)人機(jī)載重尺寸和重量有限,會(huì)限制其運(yùn)輸能力。文獻(xiàn)[7]利用拉格朗日力學(xué)建立了四旋翼協(xié)作搬運(yùn)的動(dòng)力學(xué)模型,將機(jī)體、纜繩和載荷之間的耦合效應(yīng)考慮在內(nèi),設(shè)計(jì)了幾何非線性PID 控制器來(lái)實(shí)現(xiàn)載荷位置和姿態(tài)的有效跟蹤。文獻(xiàn)[8]給出了直升機(jī)吊掛載荷的完整模型,設(shè)計(jì)了一種基于視覺(jué)估計(jì)的控制器,通過(guò)主動(dòng)阻尼來(lái)防止載荷飄擺。文獻(xiàn)[9]設(shè)計(jì)了一種基于反饋線性化多旋翼加速度動(dòng)力學(xué)的滑模控制器,實(shí)現(xiàn)了載荷路徑的穩(wěn)定跟蹤。文獻(xiàn)[10]采用Udwadia-Kalaba 方法對(duì)懸掛載荷系統(tǒng)進(jìn)行建模,提出了基于次最優(yōu)LQR-PID 的擴(kuò)展系統(tǒng)控制器與增穩(wěn)系統(tǒng),使每一個(gè)四旋翼飛行器保持姿態(tài)穩(wěn)定并將載荷引導(dǎo)到預(yù)期方向。文獻(xiàn)[11]將無(wú)源控制設(shè)計(jì)應(yīng)用于多無(wú)人機(jī)懸掛載荷系統(tǒng),調(diào)節(jié)無(wú)人機(jī)之間的相對(duì)位置并補(bǔ)償載荷施加的垂直力,使系統(tǒng)在繩索拉力下的平衡點(diǎn)處于穩(wěn)定。在文獻(xiàn)[11]的基礎(chǔ)上,文獻(xiàn)[12]提出的協(xié)作控制算法將環(huán)境擾動(dòng)的影響考慮在內(nèi),并簡(jiǎn)化了負(fù)載模型,用以運(yùn)輸質(zhì)量未知的懸掛載荷。除了使用四旋翼飛機(jī),文獻(xiàn)[13]還嘗試采用三架直升機(jī)來(lái)解決協(xié)作運(yùn)輸問(wèn)題。與旋翼機(jī)相比,協(xié)作無(wú)人直升機(jī)具有更強(qiáng)的運(yùn)輸能力,在大質(zhì)量載荷運(yùn)輸領(lǐng)域,直升機(jī)將更有優(yōu)勢(shì)。

        值得關(guān)注的是,由于繩索上的拉力很難測(cè)量,現(xiàn)有的控制方法都假設(shè)其無(wú)法測(cè)量,所以設(shè)計(jì)出的控制器都缺乏相應(yīng)的抗干擾能力。作用在無(wú)人直升機(jī)上的繩索拉力大大提升了耦合載荷運(yùn)輸系統(tǒng)的復(fù)雜性,對(duì)無(wú)人直升機(jī)的動(dòng)力學(xué)特征和穩(wěn)定性能也產(chǎn)生了較為嚴(yán)重的影響。因此,本文將無(wú)法測(cè)量的繩索拉力作為一種擾動(dòng),研究基于最小學(xué)習(xí)參數(shù)神經(jīng)網(wǎng)絡(luò)(Minimal Learning Parameter Neural Networks, MLPNN)的多無(wú)人直升機(jī)協(xié)作運(yùn)輸?shù)聂敯糗壽E跟蹤控制方法。

        2 問(wèn)題建模

        本文多無(wú)人直升機(jī)的協(xié)作搬運(yùn)系統(tǒng)由N架無(wú)人直升機(jī)、載荷以及用于連接載荷與直升機(jī)的繩索組成,其模型如圖1所示。此懸掛載荷動(dòng)力學(xué)方程可以用以下公式來(lái)表示[7,12]:

        圖1 多無(wú)人直升機(jī)協(xié)作搬運(yùn)系統(tǒng)模型Fig.1 Cooperative handling system with MUHs.

        其中,mL是負(fù)載的質(zhì)量,g=[0,0,g0]T是重力加速度,=[xL,y L,zL]T是在東北地(North-East-Down)慣性坐標(biāo)下載荷的軌跡矢量。TL∈R3為4架無(wú)人直升機(jī)作用在物體上的合力。

        無(wú)人直升機(jī)的動(dòng)力學(xué)模型可以如下形式表示[2]:

        式中:

        其中,N是無(wú)人直升機(jī)的數(shù)量,無(wú)人直升機(jī)i的內(nèi)部狀態(tài)變量包括位移=[xi,yi,zi]T,速度Vi=[Vxi,V yi,Vzi]T,姿態(tài)角?i=[? i,θ i,φi]T以及姿態(tài)角速度Θi=[pi,qi,ri]T。Γ i,Mai=[Li,M i,Ni]T是推力和轉(zhuǎn)動(dòng)力矩矢量;mi為無(wú)人機(jī)的質(zhì)量。Ji=d ia g(J xi,J yi,Jzi)是無(wú)人直升機(jī)i的轉(zhuǎn)動(dòng)慣量矩陣;Ri為無(wú)人直升機(jī)的機(jī)體坐標(biāo)系到地面坐標(biāo)系的轉(zhuǎn)換矩陣,H i為無(wú)人直升機(jī)的姿態(tài)坐標(biāo)系到角速率坐標(biāo)系的轉(zhuǎn)換矩陣;TL i,Mbi為負(fù)載對(duì)無(wú)人直升機(jī)i產(chǎn)生的作用力和力矩。并且

        式中,PHi=[0,0,lHi]T,其中l(wèi)Hi是吊掛點(diǎn)到無(wú)人直升機(jī)i質(zhì)心的直線距離;

        本文將無(wú)法測(cè)量的Fpi和Fai分別視為集總干擾,并由下面設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)狀態(tài)/干擾估計(jì)器對(duì)其進(jìn)行估計(jì)。

        但在協(xié)作運(yùn)輸模型中,需要對(duì)拉力TLi進(jìn)行解析計(jì)算。無(wú)人直升機(jī)i與繩索i之間的約束可以用以下公式來(lái)描述:

        式中,Li=Xi1-XL是從載荷指向無(wú)人直升機(jī)i的方向矢量;li是繩索i的標(biāo)稱長(zhǎng)度。

        根據(jù) Udwadia-Kalaba 方法[14],可以保證(Li,li)=0。但是由于數(shù)值積分誤差的存在,gi(Li,li) ≠0且g˙i(Li,li) ≠0。為了解決數(shù)值積分問(wèn)題,通常會(huì)運(yùn)用Baumgarte 方法[15]。因此,約束方程可以清楚地表示為:

        其中,(·)+為Moore-Penrose 廣義逆;α和β是反饋增益;au是在無(wú)視拉力的情況下,無(wú)人直升機(jī)和載荷的無(wú)約束加速度。

        3 基于MLPNN 估計(jì)器的軌跡控制算法

        本節(jié)設(shè)計(jì)了基于MLPNN 的軌跡控制算法,并基于李雅普諾夫理論對(duì)系統(tǒng)的閉環(huán)穩(wěn)定性進(jìn)行分析。

        3.1 神經(jīng)網(wǎng)絡(luò)估計(jì)器

        在非線性系統(tǒng)的控制設(shè)計(jì)中,神經(jīng)網(wǎng)絡(luò)因其在一定條件下的逼近能力而被廣泛應(yīng)用。神經(jīng)網(wǎng)絡(luò)有很多種,比如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Networks, RBFNN)和小波神經(jīng)網(wǎng)絡(luò)(Wavelet Neural Network)。由于RBFNN具有在任意精度范圍內(nèi)逼近任意光滑非線性函數(shù)的固有特性,本文引入RBFNN 來(lái)處理未知函數(shù)。為了減少計(jì)算負(fù)擔(dān),利用最小學(xué)習(xí)參數(shù)(Minimal Learning Parameter, MLP)技術(shù)來(lái)估計(jì)理想權(quán)值向量的最大范數(shù)[16-19]。RBFNN 的核心可以由下述引理1 進(jìn)行概括。

        引理1[18-20].對(duì)于給定連續(xù)有界函數(shù)f(X) ,它的初值為零,即f(0) =0 ,利用連續(xù)函數(shù)分離技術(shù)和RBFNN 逼近技術(shù),則由RBFNN 輸入X=[x1,x2,....,xn]T∈Rn與輸出y=W*Th(X)∈Rn之間的映射關(guān)系,可得:

        式中:?>0 表示估計(jì)誤差,其上界為M?,為權(quán)重向量,h(X) =[h1(X),h2(X),...,hpn(X)]T∈Rpn,n為輸入向量維數(shù),p為權(quán)重向量維數(shù),pn為節(jié)點(diǎn)數(shù),并且

        式中,c=[c1,c2,...,cn]T∈Rn為中心向量;變量bj表示基函數(shù)的寬度。

        由式(7)可知,可以采用RBFNN 的輸出來(lái)逼近連續(xù)有界函數(shù)f(X) ,估計(jì)誤差為?>0 。需要注意的是標(biāo)稱權(quán)重向量*W通常是未知的,因此,w1*,w*2,...,w*pn需要適時(shí)自適應(yīng)更新。為了減少計(jì)算量,定義φ=||W*||2,用以替代標(biāo)稱權(quán)重向量W*,從而可以大幅減少RBFNN 計(jì)算量。該思路也是基于MLP 的RBFNN。

        對(duì)于基函數(shù)式(8),指數(shù)函數(shù)exp(·) 是嚴(yán)格單調(diào)遞增的, 且, 故可得0<hj(X) ≤1。因此,存在正常數(shù),使得hj(X)≤。

        3.2 軌跡控制算法

        根據(jù)反步設(shè)計(jì)思路[21-25],協(xié)作無(wú)人機(jī)軌跡控制算法可以通過(guò)如下步驟實(shí)現(xiàn)。

        Step 1.定義軌跡跟蹤誤差ei1=Xi1-Xid1,其中Xid1是直升機(jī)i的飛行軌跡,則ei1是關(guān)于時(shí)間的微分。

        然后我們?cè)O(shè)計(jì)軌跡控制律

        其中,正定矩陣ki1=diag(k11,k12,k13)是反饋增益。

        為避免出現(xiàn)“微分爆炸”問(wèn)題,設(shè)計(jì)帶有時(shí)間常數(shù)τ2>0的DSC(11),以便求取指令信號(hào)的微分。

        根據(jù)式(11),可以得到濾波誤差的微分:

        注1.根據(jù)Swaroop 等[22]的研究結(jié)論,對(duì)于式(12)所描述的濾波誤差動(dòng)態(tài)ε˙i2,存在一個(gè)正常數(shù)Mi2,max> 0,使成立。

        Step 2.定義了速度誤差ei2=Xi2-Xid2,其中Xid2由DSC 式(13)獲取。然后設(shè)計(jì)速度回路虛擬控制律。

        其中,正定矩陣ki2=diag(k21,k22,k23)是反饋增益;為Fpi估計(jì)值。

        根據(jù) RBFNN 逼近原理,F(xiàn)pi可由如下MLPNN 估計(jì):

        式中,W2*=[Wx*,W y*,Wz*]T為權(quán)重向量,Wx*、Wy*和Wz*為理想權(quán)重;h2(Xi2) =[h2x(Xi2),h2y(Xi2),h2z(Xi2)]T為高斯基函數(shù);Xi2為估計(jì)器的輸入;逼近誤差滿足為正常數(shù)。

        為避免傳統(tǒng)權(quán)重系數(shù)自適應(yīng)更新律可能導(dǎo)致的MLPNN 在學(xué)習(xí)時(shí)出現(xiàn)瞬態(tài)高頻震蕩的問(wèn)題,構(gòu)建速度回路MLPNN 狀態(tài)/干擾估計(jì)器[20]:

        式中,η2=[η2x,η2y,η2z]T,η2x> 0,η2y> 0,η2z>0為待設(shè)計(jì)的估計(jì)器增益,是狀態(tài)估計(jì)誤差。

        同時(shí),設(shè)計(jì)新型權(quán)重向量自適應(yīng)更新律:

        式中,Γ2=diag(Γ2x,Γ2y,Γ2z)為自適應(yīng)增益矩陣;σ2=diag(σ2x,σ2y,σ2z)為待調(diào)參數(shù)。

        注2.通過(guò)構(gòu)建MLPNN 狀態(tài)/干擾估計(jì)器,對(duì)無(wú)法測(cè)量的拉力進(jìn)行準(zhǔn)確重構(gòu)。速度的估計(jì)誤差,對(duì)權(quán)重向量的估計(jì)(式(15))起主要作用,這樣就使傳統(tǒng)權(quán)重更新律依賴于控制跟蹤誤差ei2的問(wèn)題得以解決,將狀態(tài)/干擾估計(jì)器和控制器參數(shù)分離,使控制器設(shè)計(jì)簡(jiǎn)化。

        注3.狀態(tài)估計(jì)誤差的初值可人工設(shè)置為零,避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在跟蹤誤差出現(xiàn)跳變時(shí)可能產(chǎn)生的瞬態(tài)高頻震蕩問(wèn)題;此外采用MLP 技術(shù)用權(quán)重向量的模替代權(quán)重向量元素,減小了神經(jīng)網(wǎng)絡(luò)的計(jì)算負(fù)擔(dān)。

        根據(jù)動(dòng)力學(xué)公式(2),虛擬控制向量Ui1可以寫(xiě)成

        其中,?*i,θ*i和ψ*i是期望的滾轉(zhuǎn)角,俯仰角和偏航角的指令。

        因此,

        Step 3.定義姿態(tài)角誤差ei3=Xi3-Xid3。然后設(shè)計(jì)虛擬姿態(tài)控制律

        其中,ki3=diag(k31,k32,k33)是反饋增益。

        Step 4.定義角速度跟蹤誤差ei4=Xi4-,其中,通過(guò)DSC(21)得到。然后建立無(wú)人直升機(jī)理想控制律。

        其中,ki4=diag(k41,k42,k43)是反饋增益;為Fai估計(jì)值。

        類似地,F(xiàn)ai可由如下MLPNN 估計(jì):

        構(gòu)建MLPNN 狀態(tài)/干擾估計(jì)器式(26),以便逼近重構(gòu)干擾Fai。

        式中,η4=[η4p,η4q,η4r]T為待設(shè)計(jì)的估計(jì)器增益;是狀態(tài)估計(jì)誤差。

        此外,設(shè)計(jì)權(quán)重向量自適應(yīng)更新律:

        式中,Γ4=diag(Γ4p,Γ4q,Γ4r)為自適應(yīng)增益矩陣;σ4=diag(σ4p,σ4q,σ4r)為待調(diào)參數(shù)。

        3.3 穩(wěn)定性分析

        定理1.考慮非線性動(dòng)力學(xué)模型(2),設(shè)計(jì)控制律式(10)、(13)、(21)和(24),DSC 式(11)、(19)和(22),狀態(tài)/干擾估計(jì)器式(15)和(26),以及自適應(yīng)更新律式(16)和(27),則對(duì)給定連續(xù)光滑軌跡指令信號(hào),通過(guò)選取合適的參數(shù)??纱_保所有的誤差信號(hào)eij,j=1,2,3,4和εi,i=1,2,3,4,j=2,4都一致最終有界。

        證.以下分兩步對(duì)上述定理進(jìn)行證明。

        (1)首先,求取系統(tǒng)誤差信號(hào)eij,j=1,2,3,4和的微分。

        同理可得:

        其中,干擾估計(jì)誤差:

        (2)選取如下李雅普諾夫函數(shù),對(duì)定理1 進(jìn)行證明。

        則由式(12)、式(20)、式(23)和式(29)可求出李雅普諾夫函數(shù)前兩項(xiàng)的導(dǎo)數(shù)。

        由狀態(tài)估計(jì)誤差式(32)和式(33)可求出李雅普諾夫函數(shù)第三項(xiàng)的導(dǎo)數(shù)。

        又由Young 不等式,可將式(38)進(jìn)一步整理為:

        設(shè)計(jì)控制參數(shù)滿足以下條件:

        則不等式(39)可寫(xiě)成:

        式中,μ=min{μ1,μ2,μ3,μ4}。

        因此,當(dāng)μ>Ω/V,有<0。即通過(guò)合適的控制參數(shù)選取,可以確保所有系統(tǒng)誤差最終一致有界。證畢。

        4 飛行仿真校驗(yàn)與分析

        為了驗(yàn)證所提算法的有效性,本節(jié)進(jìn)行數(shù)值仿真。本文采用文獻(xiàn)[2]中直升機(jī)的物理參數(shù)。仿真中,控制器相關(guān)參數(shù)選取如下。

        直升機(jī)參數(shù):N=4,L=10,lHi=1,懸掛物重mL=100,無(wú)人機(jī)質(zhì)量mi=500,轉(zhuǎn)動(dòng)慣量Ji=diag(210,220,210);

        反饋增益:ki1=diag(3,3,3),ki2=diag(6,6,6),ki3=diag(12,12,12),ki4=diag(25,25,25);DSC 時(shí)間常數(shù):τ2=0.1,τ3=0.01,τ4=0.01。

        MLPNN 參數(shù):pn=500;ci=0,i=0,1,...,n;b j,j=1,2,...,pn;η2= 90 ×diag(1,1,1),Γ2= 2 ×diag (1,1,1),σ2=0.5 ×diag(1,1,1),η4=diag(100,70,70),Γ4= 20 ×diag(1,1,1),σ4=diag(20,0.02,0.02)。

        圖2給出了多無(wú)人直升機(jī)協(xié)作搬運(yùn)的三維軌跡。可以直觀地看出飛機(jī)能夠很好地跟蹤給定的軌跡指令,完成預(yù)期目標(biāo)將負(fù)載運(yùn)往目的地。

        圖2 多無(wú)人直升機(jī)協(xié)作搬運(yùn)的三維軌跡結(jié)果Fig.2 3D trajectory results of cooperative MUHs system.

        圖3將3 個(gè)軸上的軌跡詳細(xì)的描繪出來(lái)。從X軸上只能看到第1、第3 和第4 架飛機(jī)的軌跡曲線,說(shuō)明負(fù)載、第2 架飛機(jī)和第4 架飛機(jī)在同一位置。從Y軸上同樣只能看到3 條軌跡曲線,說(shuō)明負(fù)載、第1 架飛機(jī)和第3 架飛機(jī)在同一位置。從Z軸上只能看到兩條軌跡曲線,4 架飛機(jī)的軌跡曲線重合為一條曲線,說(shuō)明4 架飛機(jī)位于同一高度。所以飛機(jī)的位置是第1 架飛機(jī)在前,第3架飛機(jī)在后,第2 架和第4 架飛機(jī)在中間分別位于負(fù)載兩側(cè),從而印證了三維軌跡結(jié)果。此外,通過(guò)軌跡數(shù)據(jù)點(diǎn)計(jì)算出來(lái)的三軸平均相對(duì)誤差僅有0.2%。圖4為無(wú)人直升機(jī)1 在三軸上的速度曲線,可以看到實(shí)際速度能夠很好地跟蹤速度指令。除了起飛時(shí)三軸上的速度都變化,其他時(shí)候X軸上的速度保持在1m/s,Z軸上的速度也保持不變。由于飛機(jī)在Y軸上不斷變化方向,所以速度也在不停地變化。圖5~6 分別是無(wú)人直升機(jī)1 的姿態(tài)角和角速度曲線,只有在起飛時(shí)才會(huì)變化,其他時(shí)候保持不變。

        圖3 多無(wú)人直升機(jī)詳細(xì)的軌跡曲線Fig.3 Trajectory results of MUHs

        圖4 無(wú)人直升機(jī)1 的速度曲線Fig.4 Velocity results of UH1

        圖5 無(wú)人直升機(jī)1 的姿態(tài)角曲線Fig.5 Attitude angle curve of UH1

        圖6 無(wú)人直升機(jī)1 的角速度曲線Fig.6 Angular velocity curve of UH1

        圖7~8 分別為無(wú)人直升機(jī)1 的速度和角速度的集總擾動(dòng)曲線??梢钥吹綌_動(dòng)值很小,對(duì)系統(tǒng)影響不大。圖9給出了協(xié)作搬運(yùn)系統(tǒng)的繩索拉力。在絕大多數(shù)狀態(tài)下,拉力平穩(wěn)無(wú)波動(dòng),這意味著無(wú)人直升機(jī)與載荷之間的繩索始終保持張緊狀態(tài)。

        圖7 無(wú)人直升機(jī)1 的速度集總擾動(dòng)曲線Fig.7 Velocity lumped disturbance curve of UH1

        圖8 無(wú)人直升機(jī)1 的角速度集總擾動(dòng)曲線Fig.8 Angular velocity lumped disturbance curve of UH1

        圖9 協(xié)作搬運(yùn)系統(tǒng)的拉力Fig.9 Tension of cooperative handling system

        5 結(jié) 論

        本文對(duì)多無(wú)人直升機(jī)協(xié)作搬運(yùn)的魯棒控制問(wèn)題進(jìn)行了研究。首先,構(gòu)建無(wú)人直升機(jī)的6 自由度仿射非線性動(dòng)力學(xué)模型和繩索懸掛運(yùn)輸?shù)膭?dòng)力學(xué)模型,為研究非線性控制設(shè)計(jì)打下基礎(chǔ)。然后將懸掛拉力視為集總擾動(dòng)分量,通過(guò)狀態(tài)/擾動(dòng)在線估計(jì)器進(jìn)行重構(gòu)。結(jié)合MLPNN 狀態(tài)/干擾在線估計(jì)器和 DSC 技術(shù),設(shè)計(jì)了一種基于MLPNN 狀態(tài)/干擾估計(jì)器的協(xié)作搬運(yùn)軌跡控制算法。最后,利用仿真結(jié)果驗(yàn)證了該控制算法有效的跟蹤性能。

        猜你喜歡
        控制算法拉力直升機(jī)
        直升機(jī)?
        直升機(jī)
        基于CFD的螺旋槳拉力確定方法
        自不量力
        基于ARM+FPGA的模塊化同步控制算法研究
        跟蹤導(dǎo)練(三)(3)
        等動(dòng)拉力和重力拉力蝶泳劃臂動(dòng)作生物力學(xué)分析
        一種優(yōu)化的基于ARM Cortex-M3電池組均衡控制算法應(yīng)用
        直升機(jī)取票
        海峽姐妹(2015年3期)2015-02-27 15:09:59
        一種非圓旋轉(zhuǎn)工件支撐裝置控制算法
        国产成人乱色伦区| 亚洲自拍另类欧美综合| 亚洲AV乱码毛片在线播放| 日本在线无乱码中文字幕| 成av人片一区二区久久| 亚洲av无码专区在线| 性生交大片免费看淑女出招 | 久久狠色噜噜狠狠狠狠97| 精品人妻av区二区三区| 伊人久久精品无码av一区| 久久av高潮av无码av喷吹| 91福利国产在线观一区二区| 日本一区二区三区激视频| 精品无码人妻夜人多侵犯18| 亚洲精品成人区在线观看| 男女男在线精品网站免费观看| 亚洲亚洲亚洲亚洲亚洲天堂| 亚洲av毛片在线免费看| 777精品久无码人妻蜜桃| 国产亚洲欧美日韩综合一区在线观看 | 亚洲国产精品天堂久久久 | 国产午夜手机精彩视频| 亚洲 欧美 国产 日韩 精品| 亚洲视频在线播放免费视频| 精品女同一区二区三区免费战| 曰欧一片内射vα在线影院| 国产成人精品自在线无码| 亚洲一区视频中文字幕| 国产精品国产自产自拍高清av| 人妻无码一区二区不卡无码av| 国产2021精品视频免费播放| 国产喷白浆精品一区二区豆腐 | 亚洲成av人最新无码| 国产精品成人久久一区二区| 精品人妻av区乱码色片| 国产xxxx99真实实拍| 无码免费午夜福利片在线| 国产极品大奶在线视频| 欧美成人秋霞久久aa片| 亚洲碰碰人人av熟女天堂| 久久精品中文字幕亚洲|