This paper proposes a model-based approach to control the shape of a tensegrity system by driving its node position locations. The nonlinear dynamics of the tensegrity system is used to regulate position, velocity, and acceleration to the specified reference trajectory. State feedback control design is used to obtain the solution for the control variable as a linear programming problem. Shape control for the gyroscopic tensegrity systems is discussed, and it is observed that these systems increase the reachable space for the structure by providing independent control over certain rotational degrees of freedom. Disturbance rejection of the tensegrity system is further studied in the paper. A methodology to calculate the control gains to bound the errors for five different types of problems is provided. The formulation uses a Linear Matrix Inequality (LMI) approach to stipulate the desired performance bounds on the error for $\mathcal{H}_\infty$, generalized $\mathcal{H}_2$, LQR, covariance control and stabilizing control problem. A high degree of freedom tensegrity $T_2D_1$ robotic arm is used as an example to show the efficacy of the formulation.


翻译:本文提出一种基于模型的方法,通过驱动其节点位置来控制时态系统形状。 时态系统的非线性动态用于调节位置、 速度和加速到指定的参考轨迹。 国家反馈控制设计用于作为线性编程问题获得控制变量的解决方案。 讨论对陀螺色时态系统的形状控制,并观察到这些系统通过对某些旋转自由度提供独立控制来增加结构的可达空间。 文件中进一步研究了对时态系统的扰动拒绝。 提供了一种计算控制收益以约束五种不同类型问题的错误的方法。 配方使用线性矩阵不平等(LMI)方法来规定对 $\mathcal{H ⁇ }H ⁇ infty$、 通用 $\mathcal{H ⁇ 2$、 LQR、 软性控制和稳定控制问题。 高度的自由性紧张 $T_ 2D_ 1$ 机器人臂是用来显示配制效力的一个例子。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
【ICML2020】多视角对比图表示学习,Contrastive Multi-View GRL
专知会员服务
79+阅读 · 2020年6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
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
美国化学会 (ACS) 北京代表处招聘
知社学术圈
11+阅读 · 2018年9月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Rule-based Optimal Control for Autonomous Driving
Arxiv
0+阅读 · 2021年1月14日
Arxiv
0+阅读 · 2021年1月14日
VIP会员
相关VIP内容
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
【ICML2020】多视角对比图表示学习,Contrastive Multi-View GRL
专知会员服务
79+阅读 · 2020年6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
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
美国化学会 (ACS) 北京代表处招聘
知社学术圈
11+阅读 · 2018年9月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员