RBF-Neural-Network-Based Adaptive Robust Control for Nonlinear Bilateral Teleoperation Manipulators With Uncertainty and Time Delay
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The bilateral teleoperation system has raised expansive concern as its excellent behaviors in executing the tasks in the remote, unstructured, and dangerous areas via the cooperative operation systems. In this article, an radial basis function (RBF) neural network based adaptive robust control design is proposed for nonlinear bilateral teleoperation manipulators to cope with the main issues including the communication time delay, various nonlinearities, and uncertainties. Specifically, the slave environmental dynamics is modeled by a general RBF neural network, and its parameters are estimated and then transmitted for the environmental torque reconstruction in the master side. Since the parameters of the neural network (which are nonpower signals) are transmitted instead of the traditional environmental torque in the communication channel, the previous existing passivity problem under time delay is avoided. In both of master and slave sides, the trajectory creators are applied to generate the desired trajectories, and the RBF-neural-network-based adaptive robust controllers are designed subsequently to handle the nonlinearities and uncertainties. Theoretically, the proposed control algorithm can guarantee the global stability of bilateral teleoperation manipulators under time delay, and the good transparency performance with both position tracking and force feedback is also achieved simultaneously. The real platform comparative experiments are carried out, and the results show the good position tracking to execute precise operation and the good force feedback to detect the sudden disturbance in the environment dynamics.
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.
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) | 0,000 | 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 découle