Disturbance estimation for robotic systems using continuous integral sliding mode observer
Notice bibliographique
Résumé
Abstract This article presents a novel force‐sensor‐less method for the estimation of external forces for a general class of second‐order robotic systems. The method is based on the integral sliding mode observer (ISMO) which serves as a second‐order differentiator for the position measurement of the system. As a result, the system states and disturbance are estimated without explicitly using force and velocity measurements. To apply the ISMO to the general second‐order systems, a proper assumption is proposed to address their nonlinearity and discontinuity. The boundary‐layer method is applied to ensure that the virtual inputs of the observer are continuous such that the chattering phenomenon is attenuated. A Lyapunov‐based method is used to analyze the influence of the boundary layers on the convergence of the state‐ and disturbance‐estimation errors. This influence, mainly determined by the boundary‐layer scalars, is given in analytical forms as a reference for parameter selection. The method is evaluated by numerical simulation on a robot manipulator system and compared with a conventional sliding mode observer (SMO). The validation of the performance of the continuous ISMO indicates its generalizability to general second‐order robotic systems. Also, the advantage of continuous ISMO over the conventional SMO is reflected by its small estimation errors and superior responsiveness. In general, the proposed method in this paper may interest those who are seeking solutions for haptic robotic tasks without using force sensors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».