[發(fā)明專利]一種機(jī)械臂自適應(yīng)軌跡跟蹤控制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011070781.3
• 申請(qǐng)日: 2020-10-09
• 公開（公告）號(hào): CN112180729B
• 公開（公告）日: 2023-03-03
• 發(fā)明（設(shè)計(jì)）人: 楊亮;周炳
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)中山學(xué)院
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 中山佳思智誠專利代理事務(wù)所(普通合伙) 44591
• 代理人: 謝自知

本發(fā)明公開了一種機(jī)械臂自適應(yīng)軌跡跟蹤控制方法，該控制方法基于滑模觀測器與神經(jīng)網(wǎng)絡(luò)辨識(shí)器建立，具體包括考慮了運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)不確定性的機(jī)械臂模型的建立、不確定運(yùn)動(dòng)學(xué)滑模觀測器的設(shè)計(jì)、動(dòng)力學(xué)部分基于RBF神經(jīng)網(wǎng)絡(luò)的控制器以及優(yōu)化的自適應(yīng)律的設(shè)計(jì)、滑模函數(shù)收斂性證明以及神經(jīng)網(wǎng)絡(luò)控制器的穩(wěn)定性證明，本發(fā)明解決的傳統(tǒng)機(jī)械臂神經(jīng)網(wǎng)絡(luò)控制算法自適應(yīng)參數(shù)多、計(jì)算復(fù)雜的問題，并在一定程度上減少了系統(tǒng)收斂時(shí)間，提高了機(jī)械臂系統(tǒng)的跟蹤控制性能。

【技術(shù)領(lǐng)域】

本發(fā)明涉及一種機(jī)械臂自適應(yīng)軌跡跟蹤控制方法。

【背景技術(shù)】

機(jī)械臂是一個(gè)多變量，強(qiáng)耦合的高度非線性系統(tǒng)，在機(jī)械臂的軌跡跟蹤控制系統(tǒng)中存在機(jī)械臂模型不確定性、外界擾動(dòng)、摩擦以及負(fù)載干擾等問題，并都制約著機(jī)械臂跟蹤控制的性能；同時(shí)，在軍事、工業(yè)等某些特殊應(yīng)用場合，要求機(jī)械臂能快速、高精度的實(shí)現(xiàn)軌跡跟蹤。這些都給機(jī)械臂系統(tǒng)的控制器設(shè)計(jì)帶來了極大的挑戰(zhàn)，因此，傳統(tǒng)的PID算法很難滿足高速高精度的軌跡跟蹤控制。近年來，各種先進(jìn)的跟蹤控制策略運(yùn)用到了機(jī)械臂控制系統(tǒng)中，其中對(duì)模型進(jìn)行線性化的傳統(tǒng)滑模自適應(yīng)控制以及采用神經(jīng)網(wǎng)絡(luò)逼近的智能控制都得到了眾多學(xué)者的青睞。然而，傳統(tǒng)的滑模自適應(yīng)控制需要對(duì)模型精確建模，并進(jìn)行線性化分離可調(diào)參數(shù)，這在實(shí)際應(yīng)用中是很難實(shí)現(xiàn)的。針對(duì)這些問題，不需要對(duì)機(jī)械臂精確建模及參數(shù)線性化的滑模觀測器控制與神經(jīng)網(wǎng)絡(luò)控制在近年來的到廣泛應(yīng)用，如文獻(xiàn)[“Tracking Control of Robotic Manipulators With Uncertain Kinematics andDynamics,”(IEEE Transactions on Industrial Electronics,vol.63,no.10,pp.6439-6449,2016.)]設(shè)計(jì)了兩種滑模觀測器，分別處理不確定的機(jī)械臂運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)，并根據(jù)估計(jì)信息設(shè)計(jì)控制器，使誤差能在有限時(shí)間收斂到零；文獻(xiàn)[“Adaptive Neural TrackingControl of Robotic Manipulators with Guaranteed NN Weight Convergence,”(Complexity,vol.2018,pp.1-11,2018.)]設(shè)計(jì)了一個(gè)新的基于神經(jīng)網(wǎng)絡(luò)及梯度法的自適應(yīng)控制器使網(wǎng)絡(luò)權(quán)值能收斂到理想值，并使跟蹤誤差和估計(jì)誤差同時(shí)收斂。然而，在目前的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制算法缺陷在于：自適應(yīng)項(xiàng)計(jì)算復(fù)雜，需要對(duì)整個(gè)權(quán)值矩陣進(jìn)行更新。這在網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)增加時(shí)會(huì)增加系統(tǒng)計(jì)算壓力，影響系統(tǒng)的性能。因此，針對(duì)模型不確定機(jī)械臂系統(tǒng)設(shè)計(jì)一個(gè)計(jì)算簡單、收斂速度快的控制算法是該領(lǐng)域的主要研究方向，而這在目前任然是一個(gè)挑戰(zhàn)。

【發(fā)明內(nèi)容】

本發(fā)明目的克服傳統(tǒng)針對(duì)模型不確定機(jī)械臂控制算法計(jì)算復(fù)雜、收斂速度慢的問題，提供了一種基于滑模觀測器與神經(jīng)網(wǎng)絡(luò)辨識(shí)器的機(jī)械臂自適應(yīng)軌跡跟蹤控制方法，在減少系統(tǒng)計(jì)算復(fù)雜度的同時(shí)確保系統(tǒng)的穩(wěn)定性與跟蹤控制性能。

本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

一種機(jī)械臂自適應(yīng)軌跡跟蹤控制方法，其特征在于該控制方法基于滑模觀測器與神經(jīng)網(wǎng)絡(luò)辨識(shí)器建立，具體步驟包括：

步驟1：針對(duì)不確定的運(yùn)動(dòng)學(xué)部分，建立運(yùn)動(dòng)學(xué)不確定雅各比矩陣模型，設(shè)計(jì)了基于滑模觀測器的不確定雅各比矩陣自適應(yīng)補(bǔ)償器，并證明其滑模面的收斂性；

步驟2：針對(duì)不確定的動(dòng)力學(xué)部分，將動(dòng)力學(xué)模型不確定項(xiàng)和外界干擾視為總不確定動(dòng)力學(xué)，設(shè)計(jì)了基于RBF神經(jīng)網(wǎng)絡(luò)的不確定動(dòng)力學(xué)模型辨識(shí)器，利用辨識(shí)出的函數(shù)估計(jì)動(dòng)力學(xué)參數(shù)及外界干擾；

步驟3：設(shè)計(jì)一種新的基于RBF神經(jīng)網(wǎng)絡(luò)的魯棒自適應(yīng)控制器，并根據(jù)該控制器設(shè)計(jì)了優(yōu)化的神經(jīng)網(wǎng)絡(luò)參數(shù)自適應(yīng)律，最后對(duì)其穩(wěn)定性進(jìn)行分析。

如上所述的機(jī)械臂自適應(yīng)軌跡跟蹤控制方法，其特征在于：步驟1中所述運(yùn)動(dòng)學(xué)不確定雅各比矩陣模型建立為：根據(jù)機(jī)械臂名義雅各比矩陣，將不確定的雅各比矩陣設(shè)計(jì)為ΔJ(q)；假設(shè)所述不確定的雅各比矩陣是有界的，即||ΔJ(q)||≤b₁，其中b₁∈R是正常數(shù)，代表有界上限。