跳到正文
热点事件观察中

参数依赖 LMI 合成实现非完整移动机器人半全局微分 ISS 轨迹跟踪

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

该研究提出参数依赖线性矩阵不等式(LMI)框架,旨在解决受乘性车轮滑移影响的非完整移动机器人轨迹跟踪问题。论文预印本已上传 arXiv。 在 Kanayama 坐标下,该方法在半全局球域内实现指数衰减与 H-无穷范数增益优化,并在±50% 滑移比工况下较固定增益基线保持稳健性。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. arXiv · 机器人与计算机视觉
    参数依赖 LMI 合成实现非完整移动机器人半全局微分 ISS 轨迹跟踪

    该研究提出参数依赖线性矩阵不等式(LMI)框架,解决受乘性车轮滑移影响的非完整移动机器人轨迹跟踪问题。在 Kanayama 坐标下,该方法在半全局球域(σ_bar = 0.10)内实现指数衰减与 H-无穷范数增益优化,并在±50% 滑移比工况下较固定增益基线保持稳健性。论文包含 23 页、18 幅图及 50 个参考文献,预印本已上传 arXiv。

本事件热度走势

可比范围当前
4
可比范围峰值
711月18日 00:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。