[發明專利]基于自適應迭代學習的柔性機械臂的神經網絡控制方法

有效

• 申請號: 202210174112.3
• 申請日: 2022-02-22
• 公開（公告）號: CN114559429B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 劉嶼;鄔曉奇;李林
• 申請（專利權）人: 華南理工大學;廣州現代產業技術研究院
• 主分類號: B25J9/16
• 分類號: B25J9/16;G05B13/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 黃衛萍

1.一種基于自適應迭代學習的柔性機械臂的神經網絡控制方法，其特征在于，所述神經網絡控制方法包括以下步驟：

根據柔性機械臂的動力學特征，利用哈密頓原理構建柔性機械臂系統的動力學模型；

所述柔性機械臂的動力學特征包括柔性機械臂系統的動能、勢能以及非保守力對柔性機械臂系統所做的虛功，將動能、勢能、虛功代入哈密頓原理，得到柔性機械臂系統的動力學模型為：

其中l為柔性機械臂長度，ρ為柔性機械臂密度，s為長度變量，c為柔性機械臂阻尼系數，EI為柔性機械臂彎曲剛度，T為柔性機械臂張力，表示柔性機械臂的偏轉速度，柔性機械臂的偏轉加速度，w″(s,t)和w””(s,t)分別表示柔性機械臂的彈性形變值w(s,t)對s的二次導數和四次導數；

邊界條件為：

其中，m為柔性機械臂末端負載的質量，I為柔性機械臂輪轂慣性值，r為柔性機械臂輪轂半徑，u1(t)、u2(t)分別為第一、第二控制輸入，d1(t)、d2(t)分別為第一、第二外部擾動，為柔性機械臂旋轉角度的角加速度，w(0,t)為柔性機械臂在長度為0處的彈性形變值，w(l,t)為柔性機械臂在長度為l的彈性形變值，w′(0,t)為w(0,t)對s的一階偏導，w″(0,t)為w(0,t)對s的二階偏導，w″′(0,t)為w(0,t)對s的三階偏導，w′(l,t)為w(l,t)對t的一階偏導，w″(l,t)為w(l,t)對t的二階偏導，w″′(l,t)為w(l,t)對t的三階偏導，為柔性機械臂在l處的偏轉加速度；

基于反步技術設計虛擬控制量，構建第一Lyapunov函數，并得到初始邊界控制方法；

基于柔性機械臂受到外部干擾，構建迭代控制項，迭代控制項以隱式形式給出；

基于柔性機械臂系統的輸入飽和特性和參數不確定性，提出神經網絡項用于解決輸入飽和與參數不確定性帶來的影響；

將所述的初始邊界控制方法和迭代控制項、神經網絡項相結合，包括：往初始邊界控制方法加入迭代控制項和神經網絡項；迭代控制項根據上一次系統的輸出進行更新；神經網絡項中，根據傳感器的信息，通過權重估計系數向量更新律更新估計系數向量，從而處理柔性機械臂參數不確定性。

2.根據權利要求1所述的基于自適應迭代學習的柔性機械臂的神經網絡控制方法，其特征在于，所述基于反步技術設計虛擬控制量的過程如下：

分別定義x₁(t)＝θ(t)-θ_d，x₃(t)＝y_e(l,t)，

其中θd為柔性機械臂期望角度值，θ(t)為柔性機械臂旋轉角度，x₁(t)為第一狀態量，為柔性機械臂旋轉角速度，x₂(t)為第二狀態量，y_e(l,t)為柔性機械臂在l處的偏轉誤差，x₃(t)為第三狀態量，為柔性機械臂在l處的偏轉速度，x₄(t)為第四狀態量；

定義v₁(t)為x₂(t)的虛擬控制量，v₂(t)為x₄(t)的虛擬控制量，具體為其中，η,γ分別為虛擬控制量的第一控制參數、第二控制參數，且η,γ＞0,

定義s₁為v₁(t)與x₂(t)之間的誤差，s₂為v₂(t)與x₄(t)之間的誤差，具體為