[發明專利]一種可重構機械臂子系統的控制方法及系統在審
| 申請號: | 202110654378.3 | 申請日: | 2021-06-11 |
| 公開(公告)號: | CN113370208A | 公開(公告)日: | 2021-09-10 |
| 發明(設計)人: | 董博;朱新野;安天驕;張振國;劉克平;李元春 | 申請(專利權)人: | 長春工業大學 |
| 主分類號: | B25J9/16 | 分類號: | B25J9/16 |
| 代理公司: | 北京方圓嘉禾知識產權代理有限公司 11385 | 代理人: | 程江濤 |
| 地址: | 130012 吉林*** | 國省代碼: | 吉林;22 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 可重構 機械 子系統 控制 方法 系統 | ||
1.一種可重構機械臂子系統的控制方法,其特征在于,包括:
基于可重構機械臂子系統的基礎參數構建動力學模型;所述基礎參數包括加速度、速度、交聯耦合項、模型工作環境、控制力矩和接觸力矩;
根據所述動力學模型確定所述動力學模型的狀態空間表達式;
基于所述可重構機械臂子系統的效用函數和控制策略確定所述動力學模型的代價函數;所述效用函數為根據所述位置和所述控制力矩建立的;
采用擴張狀態觀測器對所述狀態空間表達式進行觀測得到動力學模型補償控制力矩表達式;
采用神經網絡對所述交聯耦合項進行補償得到交聯項辨識控制力矩表達式;
對所述代價函數依次采用逼近和求偏導的處理方法得到最優補償控制力矩表達式;
根據所述動力學模型補償控制力矩表達式、所述交聯項辨識控制力矩表達式和所述最優補償控制力矩表達式確定最終控制力矩表達式,并根據所述最終控制表達式對所述可重構機械臂子系統進行控制。
2.根據權利要求1所述的一種可重構機械臂子系統的控制方法,其特征在于,所述采用擴張狀態觀測器對所述狀態空間表達式進行觀測得到動力學模型補償控制力矩表達式,具體包括:
基于擴張狀態觀測器的構建方法,對所述狀態空間表達式進行處理得到處理后的狀態空間表達式;
根據所述處理后的狀態空間表達式構造第一擴張狀態觀測模型;
根據所述處理后的狀態空間表達式和所述第一擴張狀態觀測模型確定觀測誤差的動力學方程;
根據所述觀測誤差的動力學方程和位置觀測誤差函數確定第二擴張狀態觀測模型;所述位置觀測誤差函數為根據觀測參數的真實值與觀測值確定的;所述觀測參數包括所述可重構機械臂子系統的位置、速度和加速度;
基于所述處理后的狀態空間表達式和所述第二擴張狀態觀測模型,采用比例-積分-微分控制策略確定動力學模型補償控制力矩表達式。
3.根據權利要求1所述的一種可重構機械臂子系統的控制方法,其特征在于,所述采用神經網絡對所述交聯耦合項進行補償得到交聯項辨識控制力矩表達式,具體包括:
將所述交聯耦合項構建成徑向基神經網絡形式得到交聯耦合項動力學辨識表達式;
根據所述交聯耦合項動力學辨識表達式得到所述交聯耦合項動力學辨識估計值表達式;
將所述交聯耦合項動力學辨識估計值表達式和所述交聯耦合項動力學辨識表達式的差確定為辨識誤差表達式;
基于徑向基神經網絡算法根據所述辨識誤差表達式得到所述交聯項辨識控制力矩表達式。
4.根據權利要求1所述的一種可重構機械臂子系統的控制方法,其特征在于,所述對代價函數依次采用逼近和求偏導的處理方法得到最優補償控制力矩表達式,具體包括:
采用神經網絡對所述代價函數進行逼近得到近似代價函數;
采用所述神經網絡對所述近似代價函數進行逼近得到估計代價函數;
對所述估計代價函數進行求偏導得到估計偏導函數;
根據所述估計偏導函數和所述代價函數得到最優補償控制力矩表達式。
5.根據權利要求4所述的一種可重構機械臂子系統的控制方法,其特征在于,所述根據所述估計偏導函數和所述代價函數得到最優補償控制力矩表達式,具體包括:
對所述代價函數取無窮小得到哈密頓函數;
對所述哈密頓函數取最小控制力矩得到哈密頓-雅克比-貝克曼方程;
根據所述哈密頓-雅克比-貝克曼方程和所述估計偏導函數得到最優補償控制力矩表達式。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于長春工業大學,未經長春工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110654378.3/1.html,轉載請聲明來源鉆瓜專利網。





