用奇异模型描述的受限机器人的学习控制

本文了一类受限机器人的迭代学习控制方案，控制器的设计是基于机器人模型的降阶形式。在存在有界未知干扰的情况下，对末端操纵器受线性、无摩擦约束面的受限机器人。本文给出的控制方案保证了机器人系统的完全运动跟踪，同时保证了力跟踪误差有界的，且界的大小是可调节的。     

奇异摄动系统主导极点配置的一种方法

本文将奇异摄动系统看成是存在参数扰动的广义系统的一种特殊形式，然后利用广义系统特征结构配置来使广义系统的有限闭环极点尽可能接近奇异摄动系统的闭环主导极点，从而达到近似配置奇异摄动系统主导极点的目的。本文提供的算法是数值稳定的。     

受限机器人运动的自适应控制

本文基于[4]中对受限机器人运动方程的变换,给出了一种自适应控制方案,使得在系统某些参数未知的情况下,机器人末端操纵器的位置运动及其与刚性、无摩擦的工作环境之间的接触力渐近趋于期望值,本文中的仿真例子验证了给出的自适应控制方案的有效性。     

多变量系统鲁棒性复数极点配置的一种新方法*

本文对线性定常多变量系统的鲁棒性极点配置问题,给出了一种算法。这个算法对指定闭环极点中含共轭复极点的情形,用起来十分方便,它把一个带约束优化问题变成了一个无约束优化问题求解,本文末还给出了一个数值例子。     

一类受限机器人的学习控制

本文给出了一类受限机器人的一个学习控制方案，学习控制器的设计是基于受限机器人的奇异模型，在存在未知的有界干扰的情况下，对末端操纵器受线性、无摩擦约束面约束的机器人，本文给出的控制方案实现了机器人运动的完全跟踪，保证了力跟踪误差是有界的，并且界的大小是可调节的。