[發明專利]一種機械臂分散化神經魯棒控制的軌跡跟蹤算法

在審

• 申請號: 201710652367.5
• 申請日: 2017-08-02
• 公開（公告）號: CN107203141A
• 公開（公告）日: 2017-09-26
• 發明（設計）人: 胡海兵;楊建德;崔世林;張結文;段敬杰
• 申請（專利權）人: 合肥工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 沈尚林

1.一種機械臂分散化神經魯棒控制的軌跡跟蹤算法，其特征在于，按照算法流程依次包括構建高階遞歸神經網絡模型、RHONN模型估計非線性系統、估計模型中未知權重系數、設計分散化魯棒神經控制器和穩定性證明，其中：

①、構建高階遞歸神經網絡模型：輸入機械手動力學模型，根據機械手動力學模型設計高階遞歸神經網絡模型，高階遞歸神經網絡模型過程是由連續時間的微分方程或者離散時間的差分方程描述的，每個神經元的狀態由相應的微分方程表示：

x·ji=-ajixji+(wjki)Tzjki;]]>

②、高階遞歸神經網絡模型對非線性系統估計：RHONN模型用于估計一般的非線性動力學系統，設定一個非線性系統的輸入與輸出關系如下：p·ji=-F(pji,ui)]]>

式中uⁱ是系統的輸入，代表系統的狀態，F(.)是用于描述輸入與輸出關系的函數，F(.)是連續的且滿足局部Lipschitz條件，則上述公式存在一定時間范圍存在特解,在系統與足夠的高階網絡連接的情況下，用RHONN模型近似的逼近任何非線性動力系統；

③、估計模型中未知權重系數：慮錯訓練算法估計未知權重系數；

④、設計分散化魯棒神經控制器：本分散化神經魯棒軌跡跟蹤算法是以二自由度機器人手臂為控制對象，對于每個關節設計RHONN模型狀態方程，通過慮錯訓練算法以及自適應調節律估計狀態方程的未知權重系數，控制律中需要添加魯棒項，再利用反演的方法逐步遞推控制器的設計；

關節1的RHONN模型識別方程：

x·11=-a11x11+w111z111(q1)+x21]]>

x·21=-a21x21+w211z211(q1)+w221z221(q·1)+w231z231(q·1,q1)+u1+d]]>

關節2的RHONN模型識別方程：

x·12=-a12x12+w112z112(q2)+x22]]>

x·22=-a22x22+w212z212(q2)+w222z222(q·2)+w232z232(q·2,q2)+u2+d]]>

第i個關節模型的角位置識別誤差定義為：

e1i=x1i-qi]]>

角速度的識別誤差為：

e2i=x2i-q·i]]>

權重系數的自適應調節律采用：

⑤、穩定性證明：定義Lyapunov函數：

V1i(mi,ei,Δwi)=Vi(ei,Δwi)+12(mi)2]]> 1

V2i(mi,ei,Δwi,Δq2i)=Vi+V1i+12(Δq2i)2]]>

其中：

Vi(ei,Δwi)=12Σi=1n((e1i)2+(γi)-1(Δw1ki)2)]]>

經過一定的數學計算、推導后可得：

V·2i=V·-η1i(mi)2-η2i(Δq2i)2-K|Δq2i|+dΔq2i≤0]]>

基于上述推導，可以證明設計的神經控制器有漸近穩定的平衡點，從而可以保證機械臂的軌跡跟蹤誤差是趨近于零的。