A method for control of flexible manipulator system long Berg state observer based on saturation compensation includes: setting up the dynamic model of flexible manipulator servo system, system initialization, sampling time and control parameters; the Dragon Berg state observer, the observations obtained asymptotically converge to the true state of the system; according to the differential mean value theorem, the nonlinear system the input saturation linearization, a flexible manipulator system with unknown model is derived by saturation; dynamic surface technology, introduced the virtual control at each step in the design, and in turn through a low-pass filter, to avoid the complexity of the explosion problem caused by the traditional backstepping control method; at the same time, the use of self-learning the ability of the neural network can approximate nonlinear system in complex nonlinear terms. The invention provides a neural network adaptive control method which can effectively improve the control performance of the flexible manipulator servo system based on the Berg state observer.
【技术实现步骤摘要】
本专利技术涉及一种基于龙伯格状态观测器的柔性机械臂系统饱和补偿控制方法,特别是针对状态不可测以及带有输入饱和约束的机械臂伺服系统。
技术介绍
随着工业自动化水平的不断提高,机械臂作为主要的自动化机械装置,凭借其可减省人工、操作方便、安全性好等优点,在数控机床、电子加工与检测设备、生产自动化等工业控制领域得到了广泛的应用。然而,传统的刚性机械臂存在灵动性较差、能耗大等缺点,往往会降低控制系统的效率与精度,使之难以满足高精密领域的要求。考虑到上述原因,柔性机械臂模型是非常有必要的。相对于刚性机械臂,柔性机械臂具有更多自由度,并且柔性机械臂系统具有更多非线性环节。但是柔性机械臂系统状态往往不可测,难以设计控制算法以实现对伺服系统的有效动态补偿。除此之外,伺服电机还存在控制输入饱和限幅问题,这也将影响控制器的控制精度。因此,如何实现对机械臂系统不可测状态的准确估计以及解决控制器输入饱和限幅问题,是柔性机械臂系统亟待解决的关键问题。状态观测器是上世纪60年代龙伯格等人为实现对控制系统的状态反馈或其他需求提出的一种有效的控制方法,其简单的结构特点、适用面广及能代替传感器对系统未知状态进行有效估计的优点,为状态反馈技术提供了可能。因此,状态观测器技术被广泛应用于机器人、飞行器、自动化工业生产等领域。然而,在状态观测器设计过程中,存在系统阶次高以及大量复杂的非线性项等阻碍。神经网络具有自学习能力,能逼近系统中的任意未知光滑非线性 ...
【技术保护点】
一种基于龙伯格状态观测器的柔性机械臂系统饱和补偿控制方法,其特征在于:所述方法包括以下步骤:步骤1:建立柔性机械臂伺服系统动态模型,初始化系统状态、采样时间以及控制参数,过程如下:1.1柔性机械臂伺服系统动态模型的运动方程表达式为Iq··+K(q-θ)+MgLsin(q)=0Jθ··-K(q-θ)=u(v)---(1)]]>其中,q与θ分别为机械臂连杆和电机的转动角度;g为重力加速度;I为连杆的惯量;J为电机的惯量;K为弹簧的刚度系数;M与L分别为连杆的质量与长度;v为控制信号;u(v)为饱和环节,表示式为u(v)=sat(v)=sign(v)uM|v|≥uMv|v|≥uM---(2)]]>其中,sign(v)为未知非线性函数;uM为未知饱和输入上界,且uM>0;1.2定义:x1=q,x3=θ,式(1)改写为x·1=x2+f1(x‾1,x2)x·2=x3+f2(x& ...
【技术特征摘要】
1.一种基于龙伯格状态观测器的柔性机械臂系统饱和补偿控制方法,其特征在于:所
述方法包括以下步骤:
步骤1:建立柔性机械臂伺服系统动态模型,初始化系统状态、采样时间以及控制参数,
过程如下:
1.1柔性机械臂伺服系统动态模型的运动方程表达式为
I q ·· + K ( q - θ ) + M g L sin ( q ) = 0 J θ ·· - K ( q - θ ) = u ( v ) - - - ( 1 ) ]]>其中,q与θ分别为机械臂连杆和电机的转动角度;g为重力加速度;I为连杆的惯量;J为
电机的惯量;K为弹簧的刚度系数;M与L分别为连杆的质量与长度;v为控制信号;u(v)为饱
和环节,表示式为
u ( v ) = s a t ( v ) = s i g n ( v ) u M | v | ≥ u M v | v | ≥ u M - - - ( 2 ) ]]>其中,sign(v)为未知非线性函数;uM为未知饱和输入上界,且uM>0;
1.2定义:x1=q,x3=θ,式(1)改写为
x · 1 = x 2 + f 1 ( x ‾ 1 , x 2 ) x · 2 = x 3 + f 2 ( x ‾ 2 , x 3 ) x · 3 = x 4 + f 3 ( x ‾ 3 , x 4 ) x · 4 = 1 J u ( v ) + f 4 ( x ) y = x 1 - - - ( 3 ) ]]>其中,x=[x1,x2,x3,x4]T,
f 1 ( x ‾ 1 , x 2 ) = 0 , f 2 ( x ‾ 2 , x 3 ) = - M g L I sinx 1 - K I ( x 1 - x 3 + I K x 3 ) , f 3 ( x ‾ 3 , x 4 ) = 0 , f 4 ( x ) = K J ( x 1 - x 3 ) , ]]>y为系统位置输出轨迹;
步骤2:根据微分中值定理,将系统中的非线性输入饱和进行线性化处理,推导出带有
未知饱和的机械臂伺服系统模型,过程如下:
2.1对饱和模型进行光滑处理
g ( v ) = u M * tanh ( v u M ) = e v / u M - e - v / u M e v / u M + e - v / u M - - - ( 4 ) ]]>则
sat(v)=g(v)+d(v)(5)
其中,d(v)表示光滑函数与饱和模型之间存在的误差;
2.2根据微分中值定理,存在μ∈(0,1)使
g ( v ) = g ( v 0 ) + g v μ ( v - v 0 ) - - - ( 6 ) ]]>其中,vμ=μv+(1-μ)v0,v0∈(0,v);
选择v0=0,式(6)被改写为
g ( v ) = g v μ v - - - ( 7 ) ]]>2.3由式(5)和式(7),将式(3)改写为以下等效形式
x · 1 = x 2 + f 1 ( x ‾ 1 , x 2 ) x · 2 = x 3 + f 2 ( x ‾ 2 , x 3 ) x · 3 = x 4 + f 3 ( x ‾ 3 , x 4 ) x · 4 = 1 J [ g v μ v + d ( v ) ] + f 4 ( x ) y = x 1 - - - ( 8 ) ]]>步骤3:设计柔性机械臂伺服系统的龙伯格观测器模型,并定义相关变量,过程如下:
3.1龙伯格观测器表达式为
x ^ · 1 = x ^ 2 + l 1 ( x 1 - x ^ ...
【专利技术属性】
技术研发人员:陈强,高灵捷,龚相华,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。