[發明專利]一種挖掘機器人關節軌跡控制方法及控制系統

在審

• 申請號: 202110067252.6
• 申請日: 2021-01-19
• 公開（公告）號: CN112681443A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 王毫旗;肖湘;王曉文
• 申請（專利權）人: 山西創智卓越科技有限公司
• 主分類號: E02F9/20
• 分類號: E02F9/20;G06N3/04;G06N3/08
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

1.一種挖掘機器人關節軌跡控制方法，其特征在于：包括

S1、建立挖掘機器人工作裝置的拉格朗日動力學方程，以挖掘機器人動臂和斗桿為研究對象，鏟斗全程處于鎖止狀態，將挖掘機器人的工作裝置簡化為二自由度的機械臂，由數據采集裝置采集動臂和斗桿的關節角度，則挖掘機器人工作裝置的拉格朗日動力學方程為：

S2、定義挖掘機器人關節軌跡控制誤差，根據挖掘機器人的期望關節角位移和信號采集裝置采集到的實際關節角位移定義挖掘機器人關節軌跡控制誤差為：

e(t)＝θ_d(t)-θ(t)；

S3、定義滑模變結構的滑模面為：

進一步得出：

S4、計算RBF神經網絡實際輸出與理想輸出之間的差值：

取RBF神經網絡的輸入為：

則根據RBF神經網絡的結構原理可以得到其理想狀態下的輸出為：

y＝W^Th(x)＝b，

由于在實際情況下RBF神經網絡在逼近不確定函數時會產生誤差ε，則RBF神經網絡的實際輸出為：

則RBF神經網絡實際輸出與理想輸出之間的差值表示為：

S5、設計RBF神經網絡滑模變結構的控制律為：

將上式帶入S3可得：

S6、定義魯棒控制項q，取τ_d和ε的上界分別為τ_db和ε_b，則：

q＝-(τ_db+ε_b)sgn(s)；

S7、對挖掘機器人關節軌跡控制系統進行穩定性分析：

定義Lyapunov函數為：

將上式進行求導并將S5的結果帶入得：

根據挖掘機器人動力學結構特性為斜對稱矩陣，且則滿足：的性質將上式化簡可得：

由于在本發明中RBF神經網絡的連接權值是在線學習自適應調整的，故隱含層與輸出層之間連接權值的誤差可取為零，則上式化簡可得：

進一步由S6和上式可得：

s^T(ε+τ_d+q)＝s^T(ε+τ_d)+s^Tq＝s^T(ε+τ_d)-||s||(ε_b+τ_db)≤0，

由此可知當且僅當s等于零時等于零。

2.根據權利要求1所述的一種挖掘機器人關節軌跡控制方法，其特征在于：包括：

S8、在滑模變結構控制中為了盡量減小因魯棒項引起的系統抖振，將魯棒項中的符號函數用飽和函數sat(·)代替，得到新的基于RBF神經網絡滑模變結構的控制律為：

S9、利用改進的和聲搜索優化算法對RBF神經網絡的結構參數w、c和b進行優化，根據和聲搜索優化算法輸出的最優和聲向量(c,b,w)即可得到RBF神經網絡的最優結構參數c、b和w，將得到的最優參數應用于RBF神經網絡，使RBF神經網絡無限逼近于不確定項b。