面向可重构多体系统的惯性分区模块化鲁棒控制框架
计算机视觉与模式识别
2025-10-29 v2
摘要
提出一种基于拉格朗日力学的新型模块化建模与控制框架,用于多体系统,旨在解决具有闭合运动链系统模块化控制的挑战,以及需要在身体级几何和惯性属性重新配置时保持局部可更新的建模框架。在该框架中,以多体系统的自由度表示模块性,模型中的最小广义坐标表示自由度,而每个身体的惯性属性相对于它们在系统动能中所反映的方式进行分区。通过以身体固定坐标的雅可比矩阵和空间惯性矩阵形式表达身体贡献,动态模型在几何和惯性参数发生变化时保持局部可更新,这对于可重构的多体系统具有优势。对于存在辅助坐标与最小广义坐标之间映射的多体系统,该方法可采用最小广义坐标的常微分方程形式包含闭合运动链,而无需显式计算约束力或建立微分代数方程。基于所得的模块化运动方程,设计了用于轨迹跟踪的鲁棒模型控制器,并在受限 uncertainty 和外部扰动的条件下分析了跟踪误差的有界性。该框架在一个具有三个自由度的series-parallel操作器上进行仿真实现,其中引入了不确定性和扰动以评估鲁棒性。结果符合预期的稳定性和跟踪性能,表明该框架在具有闭合运动链的可重构多体系统的轨迹跟踪控制方面具有潜力。
引用
@article{arxiv.2510.23225,
title = {Through the Lens: Benchmarking Deepfake Detectors Against Moir\'e-Induced Distortions},
author = {Razaib Tariq and Minji Heo and Simon S. Woo and Shahroz Tariq},
journal= {arXiv preprint arXiv:2510.23225},
year = {2025}
}
备注
48 Pages, 29 Figures, 15 Tables