文献

J-GLOBAL ID：202002239832715633   整理番号：20A0276957

移動物体追跡のための視覚クワッドロータのニューロ適応積分ロバスト制御【JST・京大機械翻訳】

Neuroadaptive integral robust control of visual quadrotor for tracking a moving object

著者 (9件)： Shao Xingling (School of Instrument and Electronics, North University of China, Taiyuan 030051, China) ,  Shao Xingling (National Key Laboratory for Electronic Measurement Technology, School of Instrument and Electronics, North University of China, Taiyuan 030051, China) ,  Liu Ning (School of Instrument and Electronics, North University of China, Taiyuan 030051, China) ,  Liu Ning (National Key Laboratory for Electronic Measurement Technology, School of Instrument and Electronics, North University of China, Taiyuan 030051, China) ,  Wang Zhuqing (School of Computer Science and Engineering, Northwestern Polytechnical University, Xi’an 710072, China) ,  Zhang Wendong (School of Instrument and Electronics, North University of China, Taiyuan 030051, China) ,  Zhang Wendong (National Key Laboratory for Electronic Measurement Technology, School of Instrument and Electronics, North University of China, Taiyuan 030051, China) ,  Yang Wei (School of Instrument and Electronics, North University of China, Taiyuan 030051, China) ,  Yang Wei (National Key Laboratory for Electronic Measurement Technology, School of Instrument and Electronics, North University of China, Taiyuan 030051, China)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 136  ページ： Null  発行年： 2020年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,様々な不確実性の存在下で,地上移動目標のための視覚的二次回転子追跡を達成することを目的とした。安定な二次回転子運動を提供するために,定義された仮想画像平面から抽出された透視画像モーメントを,視覚的特徴として選択して,分離された視覚二次回転子モデルを推論した。次に,画像に基づく視覚サーボ(IBVS)フレームワークの中の視覚的二次回転子の外側と内側のループのために,神経適応積分ロバスト制御装置を設計した。それは誤差安定化を可能にして,反障害能力を改良した。次に,パラメトリック不確実性と外部擾乱から成る未知の集中不確実性を最小学習パラメータ-ニューラルネットワーク(MLP-NN)を構築し,フィードフォワードループで補償し,次に,誤差(RISE)フィードバック制御則の構造化ロバスト積分により,残差推定誤差をさらに抑制し,従って高精度サーボ追跡性能を期待できる。このアルゴリズムの革新は,フィードフォワードループで補償されたNN近似により,フィードバックループにおける残留推定誤差は減少し,その結果,大規模不確実性に直面すると,漸近安定性は,連続および有界制御入力で保証され,NN学習パラメータの数は閉ループシステムに対して2倍に減少し,オンライン計算負荷は大幅に減少した。最後に,提案した方法の妥当性と優位性を,シミュレーションと比較を通して検証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ロバスト性 ,  *視覚 ,  透視 ,  学習 ,  移動体 ,  フィードフォワード ,  漸近安定 ,  残差 ,  ニューラルネットワーク ,  アルゴリズム ,  フィードバック制御 ,  不確実性 ,  近似法 ,  ロバスト制御 ,  閉ループ系

著者キーワード (5件)： 画像ベース視覚サーボ(IBVS) ,  オブジェクトトラッキング ,  誤差の符号のロバスト積分 ,  ニューラルネットワーク ,  最小学習パラメータ(MLP)

分類 (3件)： 梁,桁  (HD03020H) ,  システム設計・解析  (IA02030D) ,  振動論  (BB02020O)

タイトルに関連する用語 (6件)： 物体追跡 ,  視覚 ,  クワッドロータ ,  適応 ,  積分 ,  ロバスト制御