一种基于延迟状态的自适应模型不确定性估计器及其在机器人操纵中的应用

在本文中，我们提出了一种创新的无模型控制（MFC）算法，使用自适应模型不确定性估计器（AMUE），在存在瞬时扰动（如摩擦、负载或轨迹变化）的情况下，提供稳定的扭矩输入，并允许更精确的控制。与传统的基于时间延迟估计（TDE）的控制器直接使用单样本延迟信号来估计未建模的动态和不确定性不同，所提出的算法通过考虑单样本延迟信号及其自适应增益的梯度来实现更好的跟踪性能。此外，所提出的自适应估计器独立于传统的基于TDE的控制器良好运作，提供了广泛的控制增益。这表明，所提出的方法有机会战略性地改善由于传统TDE技术错误而导致性能局限的基于TDE的控制器。所提出的算法可以容易地扩展到不同的基于TDE的控制器。最后，通过李雅普诺夫稳定性理论保证AMUE-MFC的稳定性，并通过对机器人操纵器的仿真和实验验证其性能。