一种基于RBF的移动机械手自适应控制方法技术

本发明专利技术公开了一种基于径向基函数(RBF)神经网络的移动机械手自适应控制方法。包括以下步骤：S1建立标准移动机械手动力学模型；S2搭建机器人动力学模型的RBF神经网络；S3利用搭建的神经网络设计出具有自适应能力的移动机械手轨迹跟踪方法；S4通过在线学习自动识别未知的移动平台和机械手动力学参数，对未知动力学参数进行闭环辨识和补偿，RBF神经网络的参数可以在线更新，最终通过仿真验证控制方法的可行性和有效性。本发明专利技术不需要精确的机器人动力学模型，可以完全消除由未知动力学参数和外界干扰引起的输出误差，弥补了基于模型的机器人控制方案离不开精确的动力学模型的问题，提高了移动机械手的动态性能以及关节空间的轨迹跟踪精度。

An adaptive control method for mobile manipulator based on RBF

The invention discloses an adaptive control method for mobile manipulator based on radial basis function (RBF) neural network. It includes the following steps: S1 establishes the standard mobile manipulator dynamic model; S2 establishes the RBF neural network of the robot dynamic model; S3 designs the trajectory tracking method of the mobile manipulator with adaptive ability by using the built neural network; S4 automatically identifies the unknown dynamic parameters of the mobile platform and manipulator through online learning, and carries out closed-loop identification and identification of the unknown dynamic parameters. Compensation, RBF neural network parameters can be updated online, and finally the feasibility and effectiveness of the control method are verified by simulation. The invention does not need an accurate dynamic model of the robot, and can completely eliminate the output error caused by unknown dynamic parameters and external disturbances, make up for the problem that the model-based robot control scheme can not be separated from the accurate dynamic model, and improve the dynamic performance of the mobile manipulator and the trajectory tracking accuracy of the joint space.

【技术实现步骤摘要】
一种基于RBF的移动机械手自适应控制方法
本专利技术涉及移动机械手稳定控制领域，具体涉及一种基于RBF神经网络的移动机械手自适应控制方法。
技术介绍
目前，机器人技术正在向高速、高精度和智能化方向发展，因此，对机器人的控制精度提出了更高的要求。目前典型的机器人控制大都采取PID控制，对于轨迹精度要求不是那么高的应用场合，PID控制可以满足要求。但是如果要提高机器人的控制精度，必须构建考虑机器人动力学模型的控制方法，如力矩控制、动力学前馈控制等。这些控制方法都是基于机器人完整的动力学模型。然而，各种典型建模方法所得到的动力学模型，只是理想情况下的结果。实际情况中，影响机器人动力学的因素很多，如加工、装配、材料分布不均等引起的偏差；关节弹性引起的变形所带来的运动学参数偏差；关节摩擦引起的摩擦力矩；由传动方案所引起的不同关节间的运动耦合等。这些因素中，很多无法进行精确建模。动力学模型的偏差映射到控制方案中，就会引起轨迹的跟踪误差。随着机器人技术的发展，各种各样的机器人被开发出来以满足各个行业的需求，其中移动机械手成为机器人学发展中的一个重要分支。由于移动机械手拥有几乎无限大的操作空间和高度本文档来自技高网...

【技术保护点】
1.一种基于RBF的移动机械手自适应控制方法，其特征在于，包括：S1建立标准的移动机械手动力学模型；S2搭建基于RBF神经网络的移动机械手动力学模型；S3基于搭建的神经网络动力学模型，设计移动机械手自适应控制算法，采用基于李亚普诺夫稳定性理论的判稳方法，证明整个闭环控制系统的稳定性；S4基于移动机械手自适应控制算法控制机器人的运动，根据移动机械手轨迹跟踪误差，实时更新RBF神经网络参数，同时在线辨识未知的移动机械手动力学参数；最终移动机械手的关节空间精确跟踪设定轨迹。

【技术特征摘要】
1.一种基于RBF的移动机械手自适应控制方法，其特征在于，包括：S1建立标准的移动机械手动力学模型；S2搭建基于RBF神经网络的移动机械手动力学模型；S3基于搭建的神经网络动力学模型，设计移动机械手自适应控制算法，采用基于李亚普诺夫稳定性理论的判稳方法，证明整个闭环控制系统的稳定性；S4基于移动机械手自适应控制算法控制机器人的运动，根据移动机械手轨迹跟踪误差，实时更新RBF神经网络参数，同时在线辨识未知的移动机械手动力学参数；最终移动机械手的关节空间精确跟踪设定轨迹。2.如权利要求1所述的移动机械手自适应控制方法，其特征在于，所述步骤S1建立的动力学模型为：其中表示移动机械手关节的角度，表示惯性矩阵，表示科里奥利矩阵，表示摩擦力和重力，表示闭环约束方程的微分，表示约束力，表示未知干扰和未建模动力学，表示输入转换矩阵，表示关节驱动力；存在满秩矩阵为非完整约束矩阵A(q)零空间的一组基,使得ST(q)AT(q)＝0，动力学方程两边同时乘以满秩矩阵S(q)，得到其中为辅助向量，使得3.如权利要求1所述的移动机...

【专利技术属性】
技术研发人员：钱阳，吴雄君，刘剑，韩非，
申请(专利权)人：上海神添实业有限公司，
类型：发明
国别省市：上海,31