空间机器人的SVM非线性补偿滑模控制研究

吉林大学学报(信息科学版) ›› 2014, Vol. 32 ›› Issue (2): 166-171.

空间机器人的SVM非线性补偿滑模控制研究

邓玉龙, 王从庆

南京航空航天大学自动化学院, 南京 210016

出版日期:2014-03-25 发布日期:2014-06-12
作者简介:邓玉龙(1988—), 男, 湖南永州人, 南京航空航天大学硕士研究生, 主要从事空间机器人控制研究, （Tel）86-15195765149(E-mail)dengyu_long@126.com; 王从庆(1960—), 男, 南京人, 南京航空航天大学教授, 硕士生导师, 主要从事智能控制及应用研究, (Tel)86-13151426390(E-mail)wangcq@nuaa.edu.cn。
基金资助:
西安交通大学机械制造工程国家重点实验室基金资助项目(201002)

Research on SVM Nonlinear Estimation Sliding Mode Control of Space Robot

DENG Yulong, WANG Congqing

School of Automation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China

Online:2014-03-25 Published:2014-06-12

摘要/Abstract

摘要：

为提高机械臂末端跟踪目标轨迹速度, 提出了一种基于SVM(Support Vector Machine)非线性模型估计的滑模控制方法。该方法通过SVM对参数不确定非线性项进行估计, 对空间机器人动力学模型进行补偿。这种从整个闭环系统稳定性出发设计的SVM非线性补偿滑模控制器, 不需要确切的数学模型, 从而提高了快速跟踪目标轨迹, 减小跟踪误差的动力学系统性能。仿真结果验证了该控制方法的有效性、可行性。

关键词: 空间机器人, 支持向量机, 非线性估计, 滑模控制

Abstract:

A method of sliding mode control based on SVM(Support Vector Machine)nonlinear estimation of the robotic dynamics has been proposed to acquire faster trajectory tracking rate of the space manipulator end. SVM regression is used to estimate the parameter uncertainty of the nonlinear term and to compensate dynamic model of space robot. This SVM nonlinearity compensated sliding mode controller designed on the stability of the closed-loop system, avoiding computing precise model, has improved the dynamics performance of the system, achieving faster target trajectory tracking rate and reducing the tracking error. The simulation results show that the presented method is effective and feasible.

Key words: space robot, support vector machine（SVM）, nonlinear estimation, sliding mode control

中图分类号:

TP242

邓玉龙, 王从庆. 空间机器人的SVM非线性补偿滑模控制研究[J]. 吉林大学学报(信息科学版), 2014, 32(2): 166-171.

DENG Yulong, WANG Congqing. Research on SVM Nonlinear Estimation Sliding Mode Control of Space Robot[J]. Journal of Jilin University(Information Science Ed, 2014, 32(2): 166-171.

[1]	刘伟, 宋伟, 刘志杰. 基于改进型滑模控制的光伏并网系统[J]. 吉林大学学报(信息科学版), 2017, 35(6): 629-635.
[2]	王昕, 李亮, 尹小童, 李梦烁, 曾朝伟, 艾勇鑫. 甲状腺结节超声图像多特征融合及识别[J]. 吉林大学学报(信息科学版), 2017, 35(6): 650-655.
[3]	张雨烟, 陈万忠, 张涛, 李明阳. 基于非负矩阵分解的癫痫脑电自动检测[J]. 吉林大学学报(信息科学版), 2017, 35(5): 551-559.
[4]	兰兰, 陈万忠, 魏庭松. 基于融合特征提取与 LLE 方法的表情识别[J]. 吉林大学学报(信息科学版), 2017, 35(4): 384-391.
[5]	杨永健, 聂瑜, 吴洋, 孙广志, 杨仲尧. 基于 SVM 新的情感计算方法[J]. 吉林大学学报(信息科学版), 2017, 35(4): 438-442.
[6]	李学贵,许少华,李娜,赵恩涛,郭昊 . 基于涡流搜索算法的过程支持向量回归机模型[J]. 吉林大学学报(信息科学版), 2017, 35(3): 341-346.
[7]	王强,王颖,左宗玉 . 动量轮固定时间终端滑模控制[J]. 吉林大学学报(信息科学版), 2017, 35(2): 158-163.
[8]	胡云鹏, 王世刚. 基于支持向量机与朴素贝叶斯的犯罪度理论研究[J]. 吉林大学学报(信息科学版), 2017, 35(1): 20-25.
[9]	杜昭慧,司玉娟 . 基于层次支持向量机的脉搏信号情感识别[J]. 吉林大学学报(信息科学版), 2017, 35(1): 37-42.
[10]	唐国维,张岩,王苫社,刘彦彤,赵璨 . 基于 ε-SVR 的嵌入式小波图像编码算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 76-84.
[11]	王丹,臧雪柏,陈奋君 . 基于 Latent SVM 的多视角行为识别方法[J]. 吉林大学学报(信息科学版), 2016, 34(6): 747-752.
[12]	杨宇, 司玉娟, 宋晓洋. 基于小波变换和支持向量机的心电信号ST 段分类[J]. 吉林大学学报(信息科学版), 2016, 34(3): 315-319.
[13]	宋晓洋, 刘立勋. 基于SVM 回归的连续血压测量方法[J]. 吉林大学学报(信息科学版), 2016, 34(3): 384-389.
[14]	李奔, 王德军. 基于无速度传感器的直接转矩控制系统优化[J]. 吉林大学学报(信息科学版), 2016, 34(1): 39-46.
[15]	马兴民1, 孙文财2, 徐艺2, 郑鹏宇3. 驾驶员不良情绪状态检测系统的方法研究[J]. 吉林大学学报(信息科学版), 2015, 33(6): 680-.