A Signal Compensation-Based Robust Swing-Up and Balance Control Method for the Pendubot

Wei, Cui; Chai, Tianyou; Xin, Xin; Chen, Xinkai; Wang, Liangyong; Chen, Ye Hwa

doi:10.1109/tie.2021.3065621

Cited by 19 publications

(11 citation statements)

References 34 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In this article, a nonlinear prediction model need to be constructed from the input and output data. By using the modeling method of our group, 38,39 the crystallization process model ( 12) can be expressed by a linear part and an unknown nonlinear term:…”

Section: Nonlinear Model Predictive Controller Designmentioning

confidence: 99%

“…In this article, a nonlinear prediction model need to be constructed from the input and output data. By using the modeling method of our group, 38,39 the crystallization process model () can be expressed by a linear part and an unknown nonlinear term:

A ((), z^{- 1}) y ((), k goodbreak+ 1) goodbreak= B ((), z^{- 1}) u ((), k) goodbreak+ v ((), k),

where

y ((), k) = {[ω_{1} (k), ω_{2} (k), \dots, ω_{n - 1} (k)]}^{T}

, u ( k ) represents the temperature.

A ((), z^{- 1})

and

B ((), z^{- 1})

are matrix polynomial.…”

Section: Nonlinear Model Predictive Control Of Psdmentioning

confidence: 99%

See 1 more Smart Citation

Predictive control of particlesize distribution of crystallization process using deep learning based image analysis

2022

Self Cite

View full text Add to dashboard Cite

The challenges to regulate the particle‐size distribution (PSD) stem from on‐line measurement of the full distribution and the distributed nature of crystallization process. In this article, a novel nonlinear model predictive control method of PSD for crystallization process is proposed. Radial basis function neural network is adopted to approximate the PSD such that the population balance model with distributed nature can be transformed into the ordinary differential equation (ODE) models. Data driven nonlinear prediction model of the crystallization process is then constructed from the input and output data and further be used in the proposed nonlinear model predictive control algorithm. A deep learning based image analysis technology is developed for online measurement of the PSD. The proposed PSD control method is experimentally implemented on a jacketed batch crystallizer. The results of crystallization experiments demonstrate the effectiveness of the proposed control method.

show abstract

Section: Nonlinear Model Predictive Controller Designmentioning

confidence: 99%

“…In this article, a nonlinear prediction model need to be constructed from the input and output data. By using the modeling method of our group, 38,39 the crystallization process model () can be expressed by a linear part and an unknown nonlinear term:

A ((), z^{- 1}) y ((), k goodbreak+ 1) goodbreak= B ((), z^{- 1}) u ((), k) goodbreak+ v ((), k),

where

y ((), k) = {[ω_{1} (k), ω_{2} (k), \dots, ω_{n - 1} (k)]}^{T}

, u ( k ) represents the temperature.

A ((), z^{- 1})

and

B ((), z^{- 1})

are matrix polynomial.…”

Section: Nonlinear Model Predictive Control Of Psdmentioning

confidence: 99%

Predictive control of particlesize distribution of crystallization process using deep learning based image analysis

2022

Self Cite

View full text Add to dashboard Cite

show abstract

“…Điều khiển hệ thống cơ khí hụt cơ cấu chấp hành phi tuyến là một vấn đề đầy thách thức vì nó yêu cầu khai thác đầy đủ các đặc tính Non-Holonomic. Ví dụ như các hệ thống tay máy với khớp linh hoạt như tàu thủy (Ships), vệ tinh (Satellites), con lắc ngược đơn và đôi, Acrobot [4], Underactuated Planar Robot [5], Pendubot [6],… Các kỹ thuật được phát triển cho các bộ điều khiển robot cơ khí đủ cơ cấu chấp hành không thể sử dụng trực tiếp để điều khiển các hệ thống cơ khí hụt cơ cấu chấp hành. Một vài bộ điều khiển đã được đề xuất cho các hệ thống hụt chấp hành cụ thể như các kỹ thuật tuyến tính hóa phản hồi một phần (partial feedback linearization) cho Pendubot [7], luật điều khiển phản hồi trạng thái phi tuyến (nonlinear state feedback control law) cho con lắc ngược (Inverted Pendulum) [8], điều khiển dựa trên sự thụ động (Passivity based Control) cho con lắc ngược [9] và Pendubot.…”

Section: Giới Thiệuunclassified

Điều khiển trượt cho robot khớp mềm 2-DOF xem xét tới các thành phần bất định

2022

jsthaui

View full text Add to dashboard Cite

Bài báo trình bày mô hình hóa chi tiết và điều khiển Robot khớp mềm 2-DOF. Với đặc điểm Robot là hệ hụt cơ cấu chấp hành nên việc thiết kế điều khiển để ổn định được cả khớp được truyền động trực tiếp và khớp không được truyền động gặp nhiều thách thức. Vì vậy bộ điều khiển trượt được đề xuất sử dụng kết hợp sử dụng lý thuyết ổn định Lyapunov để chứng minh tính ổn định của hệ thống gồm cả khớp không được truyền động. Mô phỏng Matlab/Simulink được sử dụng để kiểm tra tính hiệu quả của bộ điều khiển trong trường hợp mô hình có xem xét và không xem xét tới thành phần bất định. Kết quả mô phỏng bộ điều khiển thu được kết quả điều khiển cải thiện rõ rệt đặc biệt khi hệ thống ảnh hưởng bởi các thành phần bất định.

show abstract

“…In ref. [17], a signal compensation-based robust control method is proposed. However, these methods only consider the matched friction in the actuated link.…”

Section: Introductionmentioning

confidence: 99%

Adaptive robust control for Pendubot with matched–mismatched uncertainty via constraint-following

Wei

Chen²,

Chai³

et al. 2023

Robotica

Self Cite

View full text Add to dashboard Cite

The study presents an adaptive robust control method for the Pendubot subjects to matched and mismatched uncertainty. First, the control task is formatted as a reduced-dimension equality constraint of the system states. To handle the matched and mismatched uncertainties, an orthogonal decomposition method is employed to make the mismatched part disappear after decomposition. Based on the above, an adaptive robust control law based on constraint-following is devised. By the Lyapunov approach, it is rigorously proven that the proposed approach ensures the uniform boundedness and uniform ultimate boundedness of the closed-loop control system and thus renders approximate constraint-following, regardless of uncertainty. Simulation and experimental results are provided and discussed, demonstrating the good performance of the proposed approach.

show abstract

A Signal Compensation-Based Robust Swing-Up and Balance Control Method for the Pendubot

Cited by 19 publications

References 34 publications

Predictive control of particlesize distribution of crystallization process using deep learning based image analysis

Predictive control of particlesize distribution of crystallization process using deep learning based image analysis

Điều khiển trượt cho robot khớp mềm 2-DOF xem xét tới các thành phần bất định

Adaptive robust control for Pendubot with matched–mismatched uncertainty via constraint-following

Contact Info

Product

Resources

About