Adaptive Robust Tracking Control Based on Backstepping Method for Uncertain Robotic Manipulators Including Motor Dynamics
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 161
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IECO-4-1_002
تاریخ نمایه سازی: 20 تیر 1401
چکیده مقاله:
Recent research on the backstepping control of robotic systems has motivated us to design a robust backstepping voltage-based controller with computational simplicity and ease of implementation. In this paper, an adaptive robust tracking controller based on backstepping method (ARTB) is presented for uncertain electrically-driven robotic manipulators in the framework of voltage control strategy. It is intended to convert robot control problem to motor control problem. In the design procedure, the manipulator dynamics are incorporated into a lumped uncertainty, such that the proposed adaptation law promptly compensates for it. Hence, high tracking accuracy, robust behavior and less complexity are the prominent features of the proposed control system in the presence of external disturbances, parametric uncertainties and un-modeled dynamics. Moreover, the control approach is useful for high-speed tracking purposes. The stability of the closed-loop system is guaranteed based on the Lyapunov theory and the tracking error converges to zero asymptotically. As a case study, the proposed ARTB is simulated on a two-link robot manipulator driven by permanent magnet DC motors. Numerical simulations are included to show the superiority of the proposed controller to a state augmented adaptive backstepping method, a sliding backstepping controller and an adaptive backstepping sliding mode control in tracking the desired trajectory.
کلیدواژه ها:
نویسندگان
javad keighobadi
Department of Electrical and Robotic Engineering
Mohammad mehdi Fateh
Department of Electrical and Robatic Enbineering ,Shahrood University of Technology,Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :