This paper proposes a novel control approach composed of sinusoidal reference trajectories and trajectory tracking controller for the second-order chained form system. The system is well-known as a canonical form for a class of second-order nonholonomic systems obtained by appropriate transformation of the generalized coordinates and control inputs. The system is decomposed into three subsystems, two of them are the so-called double integrators and the other subsystem is a nonlinear system depending on one of the double integrators. The double integrators are linearly controllable, which enables to transit the value of the position state in order to modify the nature of the nonlinear system that depends on them. Transiting the value to "one" corresponds to modifying the nonlinear subsystem into the double integrator; transiting the value to "zero" corresponds to modifying the nonlinear subsystem into an uncontrollable linear autonomous system. Focusing on this nature, this paper proposes a feedforward control strategy. Furthermore, from the perspective of practical usefulness, the control strategy is extended into trajectory tracking control by using proportional-derivative feedback. The effectiveness of the proposed method is demonstrated through several numerical experiments including an application to an underactuated manipulator.


翻译:本文提出一种新的控制方法,由二阶链形式系统的正弦参考参考轨迹和轨迹跟踪控制器组成。 该系统作为通过对通用坐标和控制输入进行适当转换而获得的二阶非光谱化系统类别的一种卡通形式而广为人知。 该系统被分解成三个子系统, 其中两个是所谓的双集成器, 而另一个子子系统则是一个非线性系统, 取决于一个双集成器。 双集成器可以线性控制, 从而能够传输位置状态值, 从而改变依赖这些系统的非线性系统的性质。 将值转换为“ 1”, 相当于将非线性子子系统修改为双集成系统; 将值转换为“ 零”, 相当于将非线性子系统修改为一个不可控制的线性线性自主系统。 以这种性质为焦点, 本文提出一个进向式控制战略。 此外, 从实际用途的角度看, 控制战略将扩展为轨迹跟踪控制状态, 以改变依赖它们的非线性系统的性质。 将扩展为“ 1 ”,, 以 以 以 以 以 以 以 比例 格式实验性 显示 的 实验性 的 的 向 的 向 向 的, 以 以 显示 的 的 的 以 的 以 表示 向 的 以 向 向 表示 表示 表示 表示 。

0
下载
关闭预览

相关内容

开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员