一种电机驱动单连杆机械手的有限时神经网络控制方法技术

本发明专利技术涉及一种电机驱动单连杆机械手的有限时神经网络控制方法，包括：(1)建立电机驱动单连杆机械手的数学模型和带有死区和输入饱和限制的执行器非线性模型；(2)确定控制目标：系统输出可以在有限时间内跟踪上系统的参考输出，同时使得系统输出保持在限定范围内；(3)设计有限时神经网络控制律，实现控制目标；(4)设计障碍李雅普诺夫函数分析闭环系统稳定性，根据李雅普诺夫函数稳定性分析，确定所设计控制律的控制参数。本发明专利技术方法考虑了输入饱和限制、死区、输出限制和系统不确定这些限制因素，因而能够更好地应用于实际系统中。此外，本发明专利技术方法能够实现有限时间轨迹跟踪，从而降低了跟踪时间，提升了系统的鲁棒性和控制精度。

A finite time neural network control method for motor driven single link manipulator

The invention relates to a finite-time neural network control method for a motor-driven single-link manipulator, which comprises: (1) establishing a mathematical model of a motor-driven single-link manipulator and an actuator nonlinear model with dead-zone and input saturation constraints; (2) determining control objectives: the output of the system can be tracked in a limited time. Reference output, while keeping the system output within a limited range; (3) Design a finite-time neural network control law to achieve control objectives; (4) Design obstacle Lyapunov function to analyze the stability of the closed-loop system, according to Lyapunov function stability analysis, determine the control parameters of the designed control law. The method of the invention considers the input saturation limitation, dead zone, output limitation and system uncertainty, so it can be better applied to practical systems. In addition, the method of the invention can realize the finite time trajectory tracking, thereby reducing the tracking time and improving the robustness and control accuracy of the system.

【技术实现步骤摘要】
一种电机驱动单连杆机械手的有限时神经网络控制方法
本专利技术涉及工业控制领域，特别涉及电机驱动单连杆机械手的有限时神经网络控制方法。
技术介绍
电机精确控制是许多工业应用领域的关键技术。对于电机而言，由于周围环境壁垒以及安全限制和性能指标要求，转子位置需要限制在某一特定范围内，如果在控制器设计过程中忽略了输出限制，将会导致系统性能降低并且造成系统损坏，因此在设计控制器的时候需要考虑输出限制。此外，在电机与机械装置的连接处会产生非光滑非线性限制，包括死区和输入饱和，死区和输入饱和的出现会降低系统性能和控制精度，甚至导致系统失稳，因此在设计控制器的时候需要考虑死区和输入饱和。而且，电机运行过程中受到各种因素的影响，例如，磁场和电场的变化，而这些不确定因素会导致电机参数变化，因此在设计控制器的过程中需要考虑这些不确定因素。然而，既有文献并没有提出同时考虑输出限制，死区和输入饱和，系统不确定这些限制因素的控制方法，因而无法应用于控制实际电机。而且，既有文献所提出控制方法仅能实现渐进收敛。与渐进收敛相比，有限时收敛具有更快的收敛速度，更强的鲁棒性和更高的控制精度。本专利技术将提出同时考虑输出限制、死区和输入饱和、系统不确定这些限制因素的控制方法，解决实际电机驱动的有限时跟踪控制问题。对于带有输出限制的系统，当系统输出逼近其限制边界时，障碍李雅普诺夫函数将变得无穷大，而使用所提出的控制方法可以使得障碍李雅普诺夫函数的导数负定，这意味着障碍李雅普诺夫函数不可能变得无穷大，系统输出无法到达其限制边界。利用这一特性，可以设计基于障碍李雅普诺夫的控制方法解决输出限制问题。对于带有死区限制的系统，可以将控制死区建模为线性项或连续逼近函数与干扰项的组合，通过神经网络、模糊逻辑等自适应方法、干扰观测器或在控制输入中加入鲁棒项等方法可以补偿干扰项，从而解决带有死区限制的系统跟踪问题。对于带有输入饱和限制的系统，可以设计辅助系统，对饱和进行补偿，从而解决带有输入饱和限制的系统跟踪问题。对于带有不确定的系统，自适应神经网络可以逼近未知非线性函数，通过反推控制得出最终控制输入的表达形式，然而反推控制存在计算复杂性爆炸问题。动态面控制通过在反推的每一步引入一阶滤波器来获得虚拟控制的导数，从而克服了反推控制存在的计算复杂性爆炸问题。因此，自适应动态面神经网络控制可以解决带有不确定的系统跟踪问题。
技术实现思路
要解决的技术问题本专利技术的目的在于提供一种电机驱动单连杆机械手的有限时神经网络控制方法，以解决实际电机驱动系统中存在的输出限制、死区和输入饱和、系统不确定等问题。使得电机驱动单连杆机械手能够在有限时间内跟踪上理想轨迹。技术方案一种电机驱动单连杆机械手的有限时神经网络控制方法，步骤如下：步骤1：建立电机驱动单连杆机械手的数学模型：式中，q，分别表示角位置、角速度和角加速度，I是电机电枢电流，ΔI为电流干扰，L为电枢电感，R为电枢电阻，KB为反电动势系数，V为输入控制电压，y为系统输出，限制在开集合Ω＝{y:|y|<kc}，kc为表示限制边界的正常数，和的表达式如下：式中，J为电机转子转动惯量，m为连接质量，M为负载质量，d为连接长度，δ为负载半径，g为重力加速度，B为连接的粘滞摩擦系数，Kr是机电转矩耦合系数；建立带有死区和输入饱和限制的执行器非线性模型：式中，v为实际控制输入，mr和ml为死区输入的斜率，br和bl为死区输入的断点，umax和umin为控制输入的上下界，控制输入(5)可以重新写为：式中，ud＝KT(t)Φ(t)v(t)+Δ(7)K(t)＝[Kr(v(t)),Kl(v(t))]T(8)步骤2：确定控制目标：系统输出可以在有限时间内跟踪上系统的参考输出，同时使得系统输出保持在限定范围内，所有闭环系统信号有界；步骤3：设计有限时神经网络控制律，实现控制目标：设计实际控制输入为：式中，γ3为正常数，为满足的正常数，m0为满足KT(t)Φ(t)≥m0的正常数，具有如下的表述形式：式中，k3、η3和ε为正常数，为满足的正常数，S3(x)＝[S31(x),...,S3l(x)]T为径向基函数向量，且有l为隐层神经元数，ci＝[ci1,...,ci3]T和bi为径向基函数的中心和宽度，为神经网络自适应权值向量，其自适应律可以设计为：式中，Γ3和σ3为正常数；和为自适应参数，其自适应律可以设计为：式中，Π2、μ3、Λ3和κ3为正常数；ν22为如下一阶滑模微分器的状态变量：式中，ν21和ν22为一阶滑模微分器的状态变量，λ0和λ1为微分器增益，α2为虚拟控制输入；z3＝x3-α2，虚拟控制α2的表达式为：式中，为满足的正常数，γ2为正常数，具有如下的表述形式：式中，k2和η2为正常数，为满足的正常数，S2(x)＝[S21(x),...,S2l(x)]T为径向基函数向量，且有l为隐层神经元数，ci＝[ci1,...,ci3]T和bi为径向基函数的中心和宽度，为神经网络自适应权值向量，其自适应律可以设计为：式中，Γ2和σ2为正常数；和为自适应参数，其自适应律可以设计为：式中，Π1、μ2、Λ2和κ2为正常数；ν12为如下一阶滑模微分器的状态变量：式中，ν11和ν12为一阶滑模微分器的状态变量，λ0和λ1为微分器增益，α1为虚拟控制输入；z2＝x2-α1，虚拟控制α1的表达式为：式中，为满足的正常数，γ1为正常数，具有如下的表述形式：式中，k1和η1为正常数，kb＝kc-B0，A可以设计为：式中，θ为正实数；S1(x)＝[S11(x),...,S1l(x)]T为径向基函数向量，且有l为隐层神经元数，ci＝[ci1,...,ci3]T和bi为径向基函数的中心和宽度，为神经网络自适应权值向量，其自适应律可以设计为：式中，Γ1和σ1为正常数；为自适应参数，其自适应律可以设计为：式中，Λ1和κ1为正常数；步骤4：设计障碍李雅普诺夫函数分析闭环系统稳定性，根据李雅普诺夫稳定性分析结果，确定所设计控制律的控制参数：k1>0，k2>0，κ1>0，κ2>0，κ3>0，Λ1>0，Λ2>0，Λ3>0，σ1>0，σ2>0，σ3>0，Γ1>0，Γ2>0，Γ3>0，μ2>0，μ3>0，Π1>0，Π2>0，η1>0，η2>0，η3>0，ε>0；步骤5：采用步骤4确定的控制参数对电机驱动单连杆机械手实施控制，使系统输出可以在有限时间内跟踪上系统的参考输出，同时使得系统输出保持在限定范围内，所有闭环系统信号有界。步骤2中的系统输出信号为yr＝π/2sin(t)(1-exp(-0.1t2))，系统输出限制为|y|<π/2。有益效果相对于现有技术，本专利技术的创新性体现在以下三个方面：(a)、本专利技术首次解决了受到输入饱和限制、死区、输出限制和系统不确定影响的电机驱动系统跟踪问题，使得所驱动的单连杆机械手能够跟踪上理想的运动轨迹。由于考虑了更多实际系统的限本文档来自技高网...

【技术保护点】
1.一种电机驱动单连杆机械手的有限时神经网络控制方法，其特征在于步骤如下：步骤1：建立电机驱动单连杆机械手的数学模型：

【技术特征摘要】
1.一种电机驱动单连杆机械手的有限时神经网络控制方法，其特征在于步骤如下：步骤1：建立电机驱动单连杆机械手的数学模型：式中，q，分别表示角位置、角速度和角加速度，I是电机电枢电流，ΔI为电流干扰，L为电枢电感，R为电枢电阻，KB为反电动势系数，V为输入控制电压，y为系统输出，限制在开集合Ω＝{y:|y|<kc}，kc为表示限制边界的正常数，和的表达式如下：式中，J为电机转子转动惯量，m为连接质量，M为负载质量，d为连接长度，δ为负载半径，g为重力加速度，B为连接的粘滞摩擦系数，Kr是机电转矩耦合系数；建立带有死区和输入饱和限制的执行器非线性模型：式中，v为实际控制输入，mr和ml为死区输入的斜率，br和bl为死区输入的断点，umax和umin为控制输入的上下界，控制输入(5)可以重新写为：式中，ud＝KT(t)Φ(t)v(t)+Δ(7)K(t)＝[Kr(v(t)),Kl(v(t))]T(8)步骤2：确定控制目标：系统输出可以在有限时间内跟踪上系统的参考输出，同时使得系统输出保持在限定范围内，所有闭环系统信号有界；步骤3：设计有限时神经网络控制律，实现控制目标：设计实际控制输入为：式中，γ3为正常数，g3为满足的正常数，m0为满足KT(t)Φ(t)≥m0的正常数，具有如下的表述形式：式中，k3、η3和ε为正常数，为满足的正常数，S3(x)＝[S31(x),...,S3l(x)]T为径向基函数向量，且有l为隐层神经元数，ci＝[ci1,...,ci3]T和bi为径向基函数的中心和宽度，为神经网络自适应权值向量，其自适应律可以设计为：式中，Γ3和σ3为正常数；和为自适应参数，其自适应律可以设计为：式中，Π2、μ3、Λ3和κ3为正常数；ν22为如下一阶滑模微分器的状态变量：式中，ν21和ν22为一阶滑模微分器的状态变量，λ0和λ1为微分器增益，α2为虚拟控制输入；z3＝x3-α2，虚拟控制α2的表达式为：式中，g2为满足的正常数，γ2为正常数，具有如下的表述形式：式中，k2和η2为正常数，为满足的正常数，S2(x)＝[S21(x),...,S2l(x)]T为径向基函数向量，且有l为隐层神经元数...

【专利技术属性】
技术研发人员：倪骏康，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61