[發(fā)明專利]一種柔性關(guān)節(jié)機(jī)械臂控制方法

有效

• 申請?zhí)枺?/td>: 201910291400.5
• 申請日: 2019-04-12
• 公開（公告）號: CN110877333B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 馬飛越;朱洪波;葉逢春;丁培;吳旭濤;王博;胡怡;佃松宜;趙濤;田祿;倪輝;牛勃;李秀廣;劉世濤;魏瑩;陳磊
• 申請（專利權(quán)）人: 國網(wǎng)寧夏電力有限公司電力科學(xué)研究院;四川大學(xué)
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 廣州市一新專利商標(biāo)事務(wù)所有限公司 44220
• 代理人: 張芳

1.一種柔性關(guān)節(jié)機(jī)械臂控制方法，其特征在于，包括如下步驟：

步驟一：建立柔性關(guān)節(jié)機(jī)械臂系統(tǒng)動力學(xué)模型；

動力學(xué)模型如下：

其中q₁∈Rⁿ和q₂∈Rⁿ分別是柔性關(guān)節(jié)連桿角位移和電機(jī)位移，和分別是柔性關(guān)節(jié)連桿角加速度和電機(jī)加速度，g是重力加速度，K是關(guān)節(jié)的彈簧剛度，u∈Rⁿ是由電動機(jī)提供轉(zhuǎn)矩的外部輸入，I和J分別是柔性關(guān)節(jié)連桿與電機(jī)的轉(zhuǎn)動慣量，M是柔性關(guān)節(jié)連桿的重量，l是機(jī)械臂重心與柔性關(guān)節(jié)之間的長度

步驟二：將柔性關(guān)節(jié)機(jī)械臂期望的關(guān)節(jié)和電機(jī)的位移、角速度作為基于模糊神經(jīng)網(wǎng)絡(luò)逼近器的自適應(yīng)反演控制器的參考輸入，將電動機(jī)提供轉(zhuǎn)矩的外部輸入作為自適應(yīng)反演控制器的實際輸入，如果自適應(yīng)反演控制器的實際輸出值和預(yù)設(shè)的期望值產(chǎn)生跟蹤誤差，該跟蹤誤差通過自適應(yīng)反演控制器的迭代計算趨近于零；

迭代計算具體如下：

步驟1：定義e₁＝x₁-x_1d并且令x_1d＝y(tǒng)_d；

其中e₁是誤差，x₁＝q₁即柔性關(guān)節(jié)連桿角位移，x_1d是虛擬控制器，y_d是期望值；

定義e₂＝x₂-x_2d以及虛擬控制器

其中e₂是誤差，即柔性關(guān)節(jié)連桿角速度，x_2d是虛擬控制器，是x_1d的時間導(dǎo)數(shù)，其中k₁是一個非負(fù)的常數(shù)；

步驟2：定義e₃＝x₃-x_3d以及虛擬控制器

其中e₃是誤差，x₃＝q₂即電機(jī)位移，x_3d是虛擬控制器，是x_2d的時間導(dǎo)數(shù)，k₂是一個非負(fù)常數(shù)，是g的估計值，g是未知非線性函數(shù)；

此時運用區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)逼近器，得到g的逼近值

其中是α_g的估計值，α_g是自適應(yīng)因子，是的估計值，是二型模糊集的上后件值，是θ_g的估計值，θ_g是二型模糊集的下后件值，ξ_g是下基函數(shù)的向量，是上基函數(shù)的向量；

其中ξ(x)和的計算如下：

其中和分別是上下隸屬函數(shù)，為高斯函數(shù)；i＝1,2,3,4為狀態(tài)數(shù)，k為模糊規(guī)則數(shù)；

其中和而和的更新自適應(yīng)律如下：

其中是的迭代更新值，是的迭代更新值，γ_g、λ_g、和是常數(shù)；

步驟3：定義e₄＝x₄-x_4d以及虛擬控制器

其中e₄是誤差，即電機(jī)速度，x_4d是虛擬控制器，是不含模型信息的已知部分，k₃是一個非負(fù)常數(shù)，是d的估計值，d是未知非線性函數(shù)；

此時運用區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)逼近器，得到d的逼近值

其中是α_d的估計值，α_d是自適應(yīng)因子，是的估計值，是二型模糊集的上后件值，是θ_d的估計值，θ_d是二型模糊集的下后件值，ξ_d是下基函數(shù)的向量，是上基函數(shù)的向量；

其中ξ(x)和的計算如下：

其中和分別是上下隸屬函數(shù)，為高斯函數(shù)，i＝1,2,3,4為狀態(tài)數(shù)和k為模糊規(guī)則數(shù)；

其中和而和的更新自適應(yīng)律如下：

其中是的迭代更新值，是的迭代更新值，γ_d、λ_d、和是常數(shù)；

步驟4：選擇如下控制律：

其中是h的估計值、是m的估計值以及k₄是非負(fù)常數(shù)；

其中是不含模型信息的已知部分，k₄是一個非負(fù)常數(shù)，是h的估計值，h是未知非線性函數(shù)，是m的估計值，m是未知非線性函數(shù)；

將的自適應(yīng)律選為非線性函數(shù)可表示為：

其中滿足如下不等式是初始值，m是常數(shù)，是的迭代更新值，γ_m是常數(shù)；

此時運用區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)逼近器，得到h的逼近值

其中是α_h的估計值，α_h是自適應(yīng)因子，是的估計值，是二型模糊集的上后件值，是θ_h的估計值，θ_h是二型模糊集的下后件值，是下基函數(shù)的向量，是上基函數(shù)的向量；

其中ξ(x)和的計算如下：

其中和分別是上下隸屬函數(shù)，為高斯函數(shù)；i＝1,2,3,4為狀態(tài)數(shù)和k為模糊規(guī)則數(shù)；

其中和而和的更新自適應(yīng)律如下：

其中是的迭代更新值，是的迭代更新值，γ_h、λ_h、和是常數(shù)；

步驟5：將控制律u作為柔性關(guān)節(jié)機(jī)械臂系統(tǒng)的控制輸入，產(chǎn)生實際的關(guān)節(jié)位移，即y＝x₁；

步驟6：實際的關(guān)節(jié)位移y和期望值y_d產(chǎn)生跟蹤誤差e₁；

步驟7：回到步驟1，通過迭代計算直至e₁、e₂、e₃、e₄小于0.001。