一种机械臂的鲁棒自适应神经切换控制方法技术

本发明专利技术公开了一种机械臂的鲁棒自适应神经切换控制方法，包括建立机械臂的切换模型、将RBF神经网络的逼近误差和外部扰动所组成的复合扰动引入到H∞鲁棒补偿器的控制律中、以及设计一个RBF神经网络的鲁棒切换H∞控制器并确定一组由转换多重李雅普诺夫函数方法导出的切换信号。本发明专利技术不但能够提高跟踪误差衰减质量，而且解决了具有不确定性和干扰的机器人操纵器的切换控制问题。

【技术实现步骤摘要】
一种机械臂的鲁棒自适应神经切换控制方法
本专利技术涉及一种机械臂的鲁棒自适应神经切换控制方法，尤其涉及一种具有不确定性和干扰性机械臂的鲁棒自适应神经切换控制方法
技术介绍
随着机器人和工业过程对系统鲁棒性的要求越来越高，机器人系统的鲁棒控制研究近年来引起了业内的广泛关注和重视。在已有文献中提出了许多用于机械臂的鲁棒控制器的设计方案。目前，针对存在模拟为静态非线性摩擦的轨迹跟踪的全局收敛的机械臂的自适应鲁棒控制问题已被解决。然而，在实际的控制系统中，机器人动力学很少被完全了解，因此很难用精确的数学方程表示真实的机器人动力学，或者难以使动力学关于工作点线性化。自适应神经控制是处理具有不确定性和有界外部干扰的系统中最重要的方法之一，已在许多工程应用中广泛使用。目前，有一些工作涉及将自适应神经控制技术应用于机械臂。另一方面，许多工程系统，如机械臂、动力系统、飞机系统等基本上都是交换系统。过去几年，本领域技术人员已经广泛研究了用于模拟许多显示开关特性的物理或人造系统的切换系统。由于其理论意义和实际应用，研究交换系统的普及程度得到了提高。近年来，主要工作集中在动态行为(如稳定性，可控性、可达性，可观测性等)的分析和切换信号的方法(如循环、同步、单速率、平均驻留时间等)，旨在设计控制器以确保稳定性和优化性能。受上述观察的启发，研究人员提出了一个有趣的问题：自适应神经控制如何应用于切换系统。在此基础上，本专利技术提出了如何解决具有不确定性和干扰的机械臂的鲁棒自适应神经切换控制问题的方法。
技术实现思路
本专利技术的专利技术目的是提供一种机械臂的鲁棒自适应神经切换控制方法，能够有效解决具有不确定性和干扰的机械臂的鲁棒自适应神经切换控制问题。为达到上述专利技术目的，本专利技术采用的技术方案是：一种机械臂的鲁棒自适应神经切换控制方法，包括建立机械臂的切换模型、将RBF神经网络的逼近误差和外部扰动所组成的复合扰动引入到H∞鲁棒补偿器的控制律中、以及设计一个RBF神经网络的鲁棒切换H∞控制器并确定一组由转换多重李雅普诺夫函数方法导出的切换信号。上述技术方案中，所述机械臂的切换模型为：其中，q∈Rn为关节位置矢量，为关节速度矢量，M(q)∈Rn×n为对称正定操纵器惯性矩阵，为向心力和科里奥利力矩矢量，G(q)∈Rn为重力引力向量，u(t)∈Rn为施加的转矩输入矢量，d∈L2[0,∞)为外部干扰；为切换信号的分段常数函数。上述技术方案中，所述对称正定操纵器惯性矩阵M(q)∈Rn×n为mσ(t),1<||Mσ(t)(q)||<mσ(t),2，其中，mσ(t),1和mσ(t),2为正常数；所述向心力和科里奥利力矩矢量和对称正定操纵器惯性矩阵Mσ(t)(q)的时间导数满足：所述向心力和科里奥利力矩矢量满足：上述技术方案中，当所述复合扰动不等于0时，将复合扰动引入到H∞鲁棒补偿器的控制律中。上述技术方案中，将所述RBF神经网络的鲁棒切换H∞控制器的方程带入机械臂的切换模型中，并得到包含不确定性和干扰性机械臂的切换模型的跟踪误差动态方程，得到使系统稳定的充分必要条件。由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：1.本专利技术通过将RBF神经网络的逼近误差和外部扰动所组成的复合扰动引入到H∞鲁棒补偿器的控制律中以便增强机械臂的鲁棒性，提高跟踪误差衰减质量；2.本专利技术设计一个RBF神经网络的鲁棒切换H∞控制器并确定一组由转换多重李雅普诺夫函数方法导出的切换信号，解决了具有不确定性和干扰的机器人操纵器的切换控制问题；3.本专利技术放宽了神经网络的外部扰动和逼近误差边界已知的假设，利用所提出的控制方法证明了闭环系统是渐近李雅普诺夫稳定的，证明了其位置跟踪精度良好及H∞跟踪误差性能良好。具体实施方式下面通过实施例对本专利技术作进一步描述：实施例一：一种机械臂的鲁棒自适应神经切换控制方法，包括建立机械臂的切换模型、将RBF神经网络的逼近误差和外部扰动所组成的复合扰动引入到H∞鲁棒补偿器的控制律中、以及设计一个RBF神经网络的鲁棒切换H∞控制器并确定一组由转换多重李雅普诺夫函数方法导出的切换信号。下面对本专利技术的技术方案做具体阐述。定义一个n关节机械臂的切换模型可以写成如下的拉格朗日形式：其中，q∈Rn为关节位置矢量，为关节速度矢量，M(q)∈Rn×n为对称正定操纵器惯性矩阵，为向心力和科里奥利力矩矢量，G(q)∈Rn为重力引力向量，u(t)∈Rn为施加的转矩输入矢量，d∈L2[0,∞)为外部干扰。为一种称为切换信号(或法则)的分段常数函数，它在紧凑集Ξ中取值。如果σ(t)＝i，则第i个子系统处于活动状态，其余子系统处于非活动状态。定义1：对称正定操纵器惯性矩阵可以由下面的不等式来限定：mσ(t),1<||Mσ(t)(q)||<mσ(t),2。其中，mσ(t),1和mσ(t),2是正常数。本专利技术中，针对n关节机械臂，Mσ(t)(q)和Mσ(t)-1(q)都是一致有界的。定义2：向心力和科里奥利力矩矢量和对称正定操纵器惯性矩阵Mσ(t)(q)的时间导数满足：定义3：向心力和科里奥利力矩矢量满足：本专利技术设计的是鲁棒自适应神经跟踪控制方案作为鲁棒控制器，使得系统(7)的联合位置矢量q跟随任何给定的有界理想输出信号qd，并实现H∞跟踪误差性能。期望的输出信号qd及其到第n阶的时间导数是连续的和有界的。定义期望轨迹是连续的和可用的，并且Qd∈Ωd∈Rn使用Ωd已知的紧凑集合，则跟踪误差为：为了实现上述部分提出的控制目标，即跟踪误差e→0。如果前述的机械臂的动态模型是已知的并且扰动矢量d＝0，根据反馈可线性化技术和适当的控制规律，则可以实现控制目标。然而，在实际的控制系统中，包含不确定性和干扰的机械臂模型是未知的，且扰动矢量d≠0，因此使用反馈线性化技术很难实现控制方案。通常只能获得机械臂的标称模型。假定标称模型由M0(q)和表示如下：其中，ΔMσ(t)(q)，和ΔGσ(t)(q)分别表示相应的不确定部分。基于上述标称模型，计算出的转矩切换控制器设计为：其中，Kv,Kp是恒定的设计矩阵来指定闭环系统所需的瞬态性能。将(3)代入(1)中，得到：定义：所以，从式(5)可以写成另一种形式：其中，因为状态变量的非线性函数f包括机械臂动力学的不确定性，所以它是先验未知的。由于RBF神经网络具有很好的逼近能力，因此本专利技术使用RBF神经网络来识别的函数f。定义：其中，为RBF神经网络的重建近似误差。其估算值如下：在这一部分，本专利技术的目标是设计一个补偿控制器来消除不确定性，从而保证系统的稳定性和提高机械臂的跟踪性能。选择H∞方法来增强系统的鲁棒性并保持有界。众所周知，RBF神经网络存在外部扰动d和逼近误差会严重影响鲁棒性和稳定性。所以在实际控制系统中设计和实现鲁棒自适应神经切换控制器是非常困难的。定义ωi＝δi(x)+d(i∈Ξ)为系统(1)的复合扰动，其中ωi∈L2[0,t],t∈[0,∞)。此外，假设干扰ωi的上界是即那么ωi就是有界的。当ωi≠0，引入H∞鲁棒补偿器来提高机械臂系统的鲁棒性和提高跟踪误差衰减质量，满足H∞跟踪性能指标：其中，Pi和Qi为对称的正半定矩阵；β为一个适当的正数；γ干扰衰减水平。如果那么H∞跟踪误差性能指标的(9)可以写成另一种形式：其中，然本文档来自技高网...

【技术保护点】
1.一种机械臂的鲁棒自适应神经切换控制方法，其特征在于：包括建立机械臂的切换模型、将RBF神经网络的逼近误差和外部扰动所组成的复合扰动引入到H∞鲁棒补偿器的控制律中、以及设计一个RBF神经网络的鲁棒切换H∞控制器并确定一组由转换多重李雅普诺夫函数方法导出的切换信号。

【技术特征摘要】
1.一种机械臂的鲁棒自适应神经切换控制方法，其特征在于：包括建立机械臂的切换模型、将RBF神经网络的逼近误差和外部扰动所组成的复合扰动引入到H∞鲁棒补偿器的控制律中、以及设计一个RBF神经网络的鲁棒切换H∞控制器并确定一组由转换多重李雅普诺夫函数方法导出的切换信号。2.根据权利要求1所述的机械臂的鲁棒自适应神经切换控制方法，其特征在于：所述机械臂的切换模型为：其中，q∈Rn为关节位置矢量，为关节速度矢量，M(q)∈Rn×n为对称正定操纵器惯性矩阵，为向心力和科里奥利力矩矢量，G(q)∈Rn为重力引力向量，u(t)∈Rn为施加的转矩输入矢量，d∈L2[0,∞)为外部干扰；为切换信号的分段常数函数。3.根据权利要求2所述的机械臂的鲁棒自适应神经切换控制方法，其...

【专利技术属性】
技术研发人员：王群京，李国丽，许家紫，余雷，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34