基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法技术

基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法涉及可重构模块化柔性机械臂控制领域，其将可重构模块化柔性机械臂动力学模型描述为一个交联关节智能体子系统的集合，实现单关节智能体柔性机械臂系统的建模；利用重新定义输出的思想，将关节电机转角和柔性模态变量的线性组合作为柔性机械臂系统的输出，通过输入输出线性化，将单关节柔性机械臂系统分解为输入输出子系统和零动态子系统两部分。本发明专利技术将零动态子系统在平衡点近似线性化，通过合理选择重新定义系统输出的设计参数，使柔性机械臂系统的零动态子系统在平衡点附近渐进稳定，从而保证整个柔性机械臂系统的渐近稳定，以此来满足机械臂子系统对期望轨迹的跟踪要求。

【技术实现步骤摘要】
基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法
本专利技术涉及可重构模块化柔性机械臂控制领域，具体涉及一种基于多智能体的可重构模块化柔性机械臂轨迹跟踪控制方法。
技术介绍
具有高柔性、设计周期短、高可靠性、成本低和易维护等特点的模块化可重构机械臂，在实验室研究、航天、核工业、军事等领域得到了广泛的研究与应用。可重构模块机械臂具有标准接口与模块，可根据不同的任务需求对自身构形进行重新组合与配置，且不需要重新设计控制器。此外，可重构模块机械臂的关节还包括了通讯、驱动、控制、传动等单元，使重构后的机械臂对新的工作环境具有更好的适应性。因此对可重构模块化柔性机械臂的轨迹跟踪研究具有重要的研究应用价值，使柔性机械臂在相关领域中发挥更好的价值。由于可重构模块化柔性机械臂在运动过程中关节和连杆柔性效应增加，会使结构发生变形从而导致任务执行的精度降低；并且目前可重构模块化柔性机械臂的轨迹跟踪算法对环境和状态信息的依赖要求比较高，但机械臂系统中存在着较多的不确定性因素和扰动。例如目前采用遗传算法对机械臂进行轨迹规划时,首先要对机械臂建立精确的运动学和动力学模型,然后基于模型再优化末端执行器的轨迹曲线。但是柔性机械臂具有高度非线性、强耦合和时变性，在参数不确定情况下建立精确的模型很困难，导致传统的一些算法对机械臂很难进行有效的轨迹跟踪控制。因此,现有技术中主要是在对机械臂进行运动学和动力学建模基础上,在关节空间或笛卡尔空间中,通过解变换方程、运动学动力学方程反解,或者差值运算来实现柔性机械臂的轨迹规划。目前，柔性机械臂的研究已经非常成熟，但都是基于固定的结构形式，当机械臂的结构发生改变时，需要重新进行控制器的设计；目前，对于可重构机械臂的研究也取得了一定的研究成果，但较少考虑关节的柔性以及柔性模态对系统轨迹跟踪精度的影响。柔性机械手的控制器设计均基于可测得系统状态的基础上，系统状态包括关节转角、速度、柔性模态及其导数。前三个量分别可以通过光电编码器、测速机和应变测量器获得，而柔性模态导数的获得则一直是个难点。现有的一种方法是在机械臂上安装加速度测量仪，通过对其输出信号积分获得；另一种方法是通过对模态变量直接模拟微分。前者成本较高，不利于实际应用，而后者存在噪声问题。滑模观测器控制对于系统不确定性方面具有良好的鲁棒性能，同时该算法具有响应迅速、无需在线识别、对参数变化及扰动不敏感的优点。传统滑模控制方法中切换函数的选取一般只依赖于系统状态,而与系统输入无关。这样,到达律中的不连续项会直接转移到控制中,使系统在不同的控制逻辑之间来回切换,从而引起系统抖振。而动态滑模控制方法在选取切换面时不仅依赖于系统状态,而且与系统输入甚至输入的一阶或高阶导数有关,因而到达律中不连续项的影响可有相当部分转移到控制的一阶或高阶导数项中去,这便大大削弱滑模系统的抖振，因此对柔性机械臂模型参数的不确定性、外界干扰的不确定性以及非线性时变不确定性等因素导致的柔性臂在执行任务精度不高问题具有良好的控制效果，有效提高柔性机械臂的轨迹跟踪控制精度，并且有效提高了柔性机械臂的复用率。
技术实现思路
本专利技术针对可重构模块化柔性机械臂在运动过程中关节和连杆柔性效应的增加，使结构发生变形从而使任务执行的精度降低、复用性低等问题，提出了基于多智能体的可重构模块化柔性机械臂轨迹跟踪控制方法，该方法将柔性机械臂单关节子系统看做一个智能体，首先设计柔性机械臂单关节智能体控制器，然后根据不同工况对多个关节进行串联重组，以适应不同的应用领域需要，方便快捷，轨迹跟踪精度较高且不需要重新设计控制器；该方法实现了可重构柔性机械臂渐进跟踪期望轨迹，且跟踪误差收敛且有界。本专利技术解决技术问题所采取的技术方案如下：基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法，其包括如下步骤：步骤一、第i个关节智能体重新定义的系统输出模块根据信号采集与调理模块检测到可重构模块化柔性机械臂的各关节转角和柔性模态，求得第i个关节智能体重新定义的系统输出实际值zi，i为自然数，i＝1,2,…,n；步骤二、第i个关节智能体期望轨迹模块根据给定的柔性臂关节转角参考值θdi，计算求得第i个关节智能体重新定义的系统输出期望轨迹zid，角标符号d表示期望值或参考值，zid表示第i个关节智能体重新定义的系统输出zi的期望轨迹，θdi表示第i个关节智能体柔性臂关节转角θi的参考值；步骤三、柔性模态变化率观测器模块根据信号采集与调理模块检测到可重构柔性机械臂的关节转角、关节转角变化率以及柔性模态，通过采用自适应动态滑模控制策略以及不确定项及干扰的自适应变化率，计算求得柔性模态变化率的估计值；步骤四、建立可重构模块化柔性机械臂第i个关节智能体的动力学模型，将关节电机转角和柔性模态变量的线性组合作为单关节柔性机械臂系统的输出，通过输入输出线性化，将系统分解为输入输出子系统和零动态子系统两部分；步骤五、针对第i个关节智能体的输入输出子系统，根据信号采集与调理模块检测到可重构柔性机械臂的关节转角、关节转角变化率以及柔性模态、步骤一获得的第i个关节智能体重新定义的系统输出实际值与步骤二获得的第i个关节智能体重新定义的系统输出期望轨迹二者的差值、步骤三获得的柔性模态变化率估计值和不确定项及干扰项变化率的自适应估计值，设计干扰观测器，获得系统中不确定项及干扰的估计值及zi2的估计值并提出基于干扰观测器的二阶滑模控制策略，实现在系统存在干扰及参数不确定情况下对期望轨迹的跟踪；针对n个关节智能体组装重构机械臂的情况，基于多智能体理论修订滑模控制策略，实现n关节可重构模块化柔性机械臂输入输出子系统状态对期望参考轨迹的跟踪；步骤六、将第i个关节智能体的零动态子系统在平衡点近似线性化，以保证Ai(λ0i,λ1i)的特征值严格在复平面的左半平面，且以矩阵Ai(λ0i,λ1i)的最大特征值与最小特征值的差值最小为目标，选择步骤五中控制器用到的重新定义系统输出的设计参数，保证整个柔性机械臂系统快速的跟踪期望的参考轨迹。本专利技术的有益效果如下：1)针对具有高柔性、设计周期短、高可靠性、成本低和易维护特点的可重构模块化柔性机械臂由于其在轨迹跟踪过程中关节和连杆柔性效应增加，使得结构发生变形从而导致任务执行的精度降低问题，本专利技术将可重构模块化柔性机械臂动力学模型描述为一个交联关节智能体子系统的集合，从而实现单关节智能体柔性机械臂系统的建模。利用重新定义输出的思想，将关节电机转角和柔性模态变量的线性组合作为柔性机械臂系统的输出，通过输入输出线性化，将单关节柔性机械臂系统分解为输入输出子系统和零动态子系统两部分。本专利技术提出了一种基于干扰观测器的二阶滑模控制策略，使得输入输出子系统有限时间跟踪期望的参考轨迹。本专利技术将零动态子系统在平衡点近似线性化，通过合理选择重新定义系统输出的设计参数，使柔性机械臂系统的零动态子系统在平衡点附近渐进稳定，从而保证整个柔性机械臂系统的渐近稳定，以此来满足机械臂子系统对期望轨迹的跟踪要求。2)本专利技术提出一种基于自适应估计的柔性模态变化率动态滑模观测器，取代硬件传感器获取柔性模态变化率估计值，大大削弱滑模系统的抖振，提高了参数估计的准确性，减少了硬件体积，降低了系统成本。3)相比现有的技术，本专利技术对系统的非线性不确定性具有更好本文档来自技高网...

【技术保护点】
1.基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法，其特征在于，该方法包括如下步骤：步骤一、第i个关节智能体重新定义的系统输出模块根据信号采集与调理模块检测到可重构模块化柔性机械臂的各关节转角和柔性模态，求得第i个关节智能体重新定义的系统输出实际值zi，i为自然数，i＝1,2,…,n；步骤二、第i个关节智能体期望轨迹模块根据给定的柔性臂关节转角参考值θdi，计算求得第i个关节智能体重新定义的系统输出期望轨迹zid；步骤三、柔性模态变化率观测器模块根据信号采集与调理模块检测到可重构柔性机械臂的关节转角、关节转角变化率以及柔性模态，通过采用自适应动态滑模控制策略以及不确定项及干扰的自适应变化率，计算求得柔性模态变化率的估计值；步骤四、建立可重构模块化柔性机械臂第i个关节智能体的动力学模型，将关节电机转角和柔性模态变量的线性组合作为单关节柔性机械臂系统的输出，通过输入输出线性化，将系统分解为输入输出子系统和零动态子系统两部分；步骤五、针对第i个关节智能体的输入输出子系统，根据信号采集与调理模块检测到可重构柔性机械臂的关节转角、关节转角变化率以及柔性模态、步骤一获得的第i个关节智能体重新定义的系统输出实际值与步骤二获得的第i个关节智能体重新定义的系统输出期望轨迹二者的差值、步骤三获得的柔性模态变化率估计值和不确定项及干扰项变化率的自适应估计值，设计干扰观测器，获得系统中不确定项及干扰的估计值...

【技术特征摘要】
1.基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法，其特征在于，该方法包括如下步骤：步骤一、第i个关节智能体重新定义的系统输出模块根据信号采集与调理模块检测到可重构模块化柔性机械臂的各关节转角和柔性模态，求得第i个关节智能体重新定义的系统输出实际值zi，i为自然数，i＝1,2,…,n；步骤二、第i个关节智能体期望轨迹模块根据给定的柔性臂关节转角参考值θdi，计算求得第i个关节智能体重新定义的系统输出期望轨迹zid；步骤三、柔性模态变化率观测器模块根据信号采集与调理模块检测到可重构柔性机械臂的关节转角、关节转角变化率以及柔性模态，通过采用自适应动态滑模控制策略以及不确定项及干扰的自适应变化率，计算求得柔性模态变化率的估计值；步骤四、建立可重构模块化柔性机械臂第i个关节智能体的动力学模型，将关节电机转角和柔性模态变量的线性组合作为单关节柔性机械臂系统的输出，通过输入输出线性化，将系统分解为输入输出子系统和零动态子系统两部分；步骤五、针对第i个关节智能体的输入输出子系统，根据信号采集与调理模块检测到可重构柔性机械臂的关节转角、关节转角变化率以及柔性模态、步骤一获得的第i个关节智能体重新定义的系统输出实际值与步骤二获得的第i个关节智能体重新定义的系统输出期望轨迹二者的差值、步骤三获得的柔性模态变化率估计值和不确定项及干扰项变化率的自适应估计值，设计干扰观测器，获得系统中不确定项及干扰的估计值及zi2的估计值并提出基于干扰观测器的二阶滑模控制策略，实现在系统存在干扰及参数不确定情况下对期望轨迹的跟踪；针对n个关节智能体组装重构机械臂的情况，基于多智能体理论修订滑模控制策略，实现n关节可重构模块化柔性机械臂输入输出子系统状态对期望参考轨迹的跟踪；步骤六、将第i个关节智能体的零动态子系统在平衡点近似线性化，以保证Ai(λ0i,λ1i)的特征值严格在复平面的左半平面，且以矩阵Ai(λ0i,λ1i)的最大特征值与最小特征值的差值最小为目标，选择步骤五中控制器用到的重新定义系统输出的设计参数，保证整个柔性机械臂系统快速的跟踪期望的参考轨迹。2.如权利要求1所述的基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法，其特征在于，步骤四所述的建立可重构模块化柔性机械臂第i个关节智能体的动力学模型，通过输入输出线性化，将系统分解为输入输出子系统和零动态子系统两部分的过程如下：1)建立可重构模块化柔性机械臂第i个关节智能体的动力学模型将可重构机械臂的每个关节智能体作为一个子系统，则第i个关节智能体子系统的动力学模型可以描述为：式中，θi(t)为第i个关节智能体的电机转角向量；qi(t)为第i个关节智能体的柔性模态向量，qi＝[qi1,…,qir]T；ui(t)为第i个关节智能体的控制转矩向量；ffi(θi,qi)和fri(θi,qi)分别第i个关节智能体受重力、哥氏力和离心力影响的项；和分别为第i个关节智能体正定阻尼矩阵，Ki(qi)为第i个关节智能体正定刚度矩阵；r为柔性模态的个数，分别表示θi和qi的二阶导数和一阶导数；Mi＝[MriMrfi；MfriMfi]为第i个关节智能体的正定惯量矩阵；C1i、C2i为第i个关节智能体与其他智能体的关联项；式中，Mrij、Mrfij、Mfrij、Mfij分别为MrMrf；MfrMf的第ij个分量；n为可重构模块化柔性机械臂所包含的关节数，j＝1,2，…，n；当系统存在不确定性时，假设参数Mi、fri、E1i、ffi、E2i、Ki、C1i、C2i的标称量分别为：Mni、frni、E1ni、ffni、E2ni、Kni、C1ni、C2ni，定义：ΔMi＝Mi-Mni，Δfri＝fri-frni，ΔE1i＝E1i-E1ni，Δffi＝ffi-ffni，ΔE2i＝E2i-E2ni，ΔKi＝Ki-Kni，ΔC1i＝C1i-C1ni，ΔC2i＝C2i-C2ni表示系统中存在的参数不确定性，则可重构柔性机械臂系统第i个关节智能体(1)可重新写为如下的形式：式中，Mni＝[MrniMrfni；MfrniMfni]式(2)中令i＝1,2，…，n，即可求得可重构模块化柔性机械臂各个关节智能体的模型；2)得到第i个关节智能...

【专利技术属性】
技术研发人员：张袅娜，刘帅师，秦喜文，李宗昊，张晓芳，杨瀛，呼薇，姜春霞，矫德强，庞广华，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：吉林,22