.png){kind=icon}
返回
Data-Efficient and Predefined-Time Stable Control for Continuum Robots
.png){kind=icon}
PRE
AI
DOI：10.1109/TRO.2025.3644946.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
受自然中软体生物和结构的启发，连续体机器人展现出卓越的灵活性、安全交互和易于小型化的特点，显示出巨大的应用潜力。然而，其柔性结构导致分析方法难以实现精确建模与控制，而现有的数据驱动方法存在数据效率低及理论控制性能未经验证的问题。本文旨在通过创新算法实现连续体机器人的高效数据建模与可靠控制，从理论和实验两个角度探讨新方法的表现。具体而言，我们利用神经常微分方程（NODE）实现连续体机器人的高效数据建模，并研究该建模方法的表现。随后，我们提出了一种新型的预定义时间同步稳定零化神经动力学（PTSS-ZND）模型。通过结合NODE方法和PTSS-ZND方法，我们设计了一个可靠的数据驱动控制系统。通过严谨的理论分析，我们证明了该数据驱动控制系统的稳定性和预定义时间收敛性。最后，通过仿真和物理实验，我们验证了新方法的有效性和收敛性，及其相较于现有数据驱动方法的优越性。针对单段和三段连续体机器人的实验表明，所提出的方法在少于100个数据样本的条件下，实现了低于机器人长度1%的均方根位置误差（例如，三段机器人为2.5 mm）。此外，该方法在各种外部和内部扰动下也表现出鲁棒性能，并有望扩展应用于末端执行器位姿控制。
Keyword:
Continuum robots
data-driven modeling
reliable control
