First-Order Continuous Adaptive Sliding Mode Control for Robot Manipulators with Finite-Time Convergence of Trajectories to Real Sliding Mode
Notice bibliographique
Résumé
In this paper the design, analysis and implementation of improved first-order continuous adaptive sliding mode control (CASMC) based on online estimation of the lumped time-varying uncertainties for tracking control of the robot manipulators is presented. The proposed method allows to address the main drawbacks of conventional sliding mode control: the chattering phenomenon, and the requirement for a priori knowledge of the bounds of the uncertainties, and also the chattering problem associated with adaptive discontinuous sliding mode controllers, while the robustness property of the conventional sliding mode control is preserved. Furthermore, in the previously published version of the controller [1], the estimate of robot inertia matrix is needed to realize the adaptive component of the control law. In this work, the skew-symmetry property (passivity property) of robot dynamic is used to eliminate that requirement. The global stability and robustness of the proposed controller are established in the presence of time-varying uncertainties using Lyapunov's approach and fundamentals of sliding mode theory. The robustness is achieved without knowing the bound of uncertainties. The dynamic model of a two-degrees of freedom (2-DOF) rigid robot is used for simulation study and a 2-DOF flexible-link robot is used as an experimental test-bed to evaluate the performance, and robustness of the controller. Based on the simulations and experimental results, the proposed controller performs remarkably well in terms of the tracking error convergence, estimation of lumped uncertain parameter. And it is robust against un-modeled dynamics and external disturbances.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».