一种非线性双边遥操作系统的自适应鲁棒控制方法技术方案

本发明专利技术公开了一种非线性双边遥操作系统的自适应鲁棒控制方法。针对双边遥操作系统的通信时延问题，本发明专利技术通过径向基神经网络模型对从端非功率环境参数进行在线估计，并将其传输回主端进行环境力的重构，从而避免了传统遥操作系统的无源性以及稳定性和透明性的权衡问题。针对双边遥操作系统的非线性、不确定性问题，本发明专利技术分别在主从端设计轨迹生成器，以及基于径向基神经网络的非线性自适应鲁棒控制器，并基于李雅普诺夫理论设计一种在线调整神经网络参数的自适应率，保证系统具备良好的渐进稳定性和收敛性。本发明专利技术能够较好地保证非线性双边遥操作系统的全局鲁棒稳定性，实现从端机器人的位置跟踪，并为操作者提供逼真的力反馈。

【技术实现步骤摘要】
一种非线性双边遥操作系统的自适应鲁棒控制方法
本专利技术属于遥操作控制领域，具体来说是一种基于径向基神经网络的非线性双边遥操作系统的自适应鲁棒控制方法，在保证遥操作系统稳定性的同时提升遥操作系统的透明性。
技术介绍
随着自动化技术的进步，依靠人机交互的遥操作技术，即通过操作者在主端操作机器人实现对从端机器人的控制，由于具备高临场感、近实时同步操作的特性，已经在卫星维护、太空垃圾清理、海洋开发、医疗健康、核废物处理及核电站安全监控等领域得到了广泛的应用，并作为机器人应用领域的一种重要支撑技术得到了极大地重视和研究。然而，信号在主从端通信通道的传输过程中会产生传输时延，从而导致主端机器人和从端机器人的动作不同步，极大降低了系统的透明性，甚至恶化系统的全局稳定性。此外，由于应用于实际作业的多自由度主从端机器人存在非线性和不确定性等问题，传统的基于无源理论的双通道和基于主从端动力学匹配的四通道遥操作结构都不能达到很好的控制效果。因此，针对遥操作系统的通信时延引起的系统稳定性和透明性权衡，以及多自由度主从端机器人引起的系统非线性、不确定性等问题，本专利技术提出一种基于径向基神经网络的非线性双边遥操作系统的自适应鲁棒控制方法，克服了系统不确定性以及外界干扰对系统性能的影响，并提高了系统的暂、稳态性能以及抗干扰性能，在保证遥操作系统稳定性的同时提升遥操作系统的透明性。
技术实现思路
本专利技术的目的在于提出一种基于径向基神经网络的非线性双边遥操作系统的自适应鲁棒控制方法，以解决传统遥操作系统存在的稳定性、透明性、非线性和不确定性等技术问题。为实现上述目的，该专利技术的技术方案具体内容如下：本专利技术包括以下步骤：1)建立非线性双边遥操作系统的动力学模型，具体为：1-1)建立主从端机器人的动力学模型其中，和表示机械臂的位置、速度和加速度信号，Dm和Ds表示质量惯性矩阵，Cm和Cs表示科氏力/向心力矩阵，Gm和Gs表示重力矩阵，Fm和Fs表示摩擦力矩阵，dm和ds表示外界扰动和建模误差，τm和τs表示控制输入，τh和τe表示操作者操作力矩或者外界环境力矩，可由传感器测得。上述模型具有如下特性：①和为斜对称矩阵；②公式(1)和(2)中的部分动力学方程可以写成如下线性方程的形式：其中，Wm和Ws表示主从端机械臂的未知参数，Φ表示神经网络矩阵，和表示机械臂的理想速度和加速度信号。由于遥操作系统存在通信时延，主端的位置信号qm(t)通过通信通道传输到从端得到时延的位置信号qm(t-T(t))，在从端设计轨迹生成器Vf(s)＝1/(1+τf)2，并将时延的位置信号qm(t-T(t))作为输入，输出用于从端位置跟踪的理想输入信号其中，T(t)为系统的通信时延。1-2)建立从端环境的非线性动力学模型其中，We表示未知的环境参数。2)基于径向基神经网络设计从端机器人的自适应鲁棒控制器，具体为：2-1)定义从端的跟踪误差es如下：es＝qsd-qs(4)2-2)定义用于自适应控制的滑模面变量ps如下：其中，2-3)将(4)代入(5)中，得到因此，其中，2-4)根据(6)设计控制器，保证从端系统的全局鲁棒稳定性，设计的控制器τs为：τs＝σs+ksvps-τe-us(7)其中，ksv>0，τe表示由传感器测得的外界环境力矩，us是应对径向基神经网络误差γs和系统建模误差、外干扰ds的鲁棒补偿项，设计为：us＝-(γsN+bsd)sgn(ps)(8)其中||γs||≤γsN，||ds||≤bsd。2-5)为了实现无需建模信息的控制，控制器(7)中σs是用于估计非线性函数zs的径向基神经网络模型，具体为：其中，Φs(xs)为径向基神经网络矩阵，Ws为自适应参数，2-6)设计李雅普诺夫函数Vs为：基于李雅普诺夫函数设计自适应参数的自适应率为：其中，ks>0,Γs>0。3)基于径向基神经网络模型的从端环境参数估计与主端环境的重构，具体为：3-1)将从端环境的非线性动力学模型(3)写成径向基神经网络模型形式，则：其中，We表示未知环境参数，3-2)定义为环境参数的最优估计量，其自适应率为Ωe和Ωe0分别表示xe和We的有界集，Γe>0，ke>0，通过MATLAB的神经网络工具箱实现从端环境的在线估计。3-3)由于通信时延T(t)的存在，为避免功率信号在通信通道内的传递而影响遥操作系统的无源性，将从端的非功率环境参数估计值传递到主端，从而得到主端的重构环境力为：其中，4)基于径向基神经网络设计主端机器人的自适应鲁棒控制器，具体为：4-1)定义qmd为主端机械臂的理想跟踪轨迹，且满足：其中，Dd,Cd,Gd,Fd表示主端机器人的透明性能系数。通过选取适当的透明性能系数，无源的主端机器人理想跟踪轨迹qmd可由(13)得到，基于径向基神经网络设计主端的自适应鲁棒控制器，使主端机器人跟踪理想轨迹qmd。4-2)定义主端的跟踪误差em如下：em＝qmd-qm(14)4-3)定义用于自适应控制的滑模面变量pm如下：其中，4-4)将(14)代入(15)中，得到因此，其中，4-5)根据(16)设计控制器，保证主端系统的全局鲁棒稳定性，设计的控制器τm为：τm＝σm+kmvpm-τh-um(17)其中，kmv>0，τh表示由传感器测得的操作者的操作力矩，um是应对径向基神经网络误差γm和系统建模误差、外干扰dm的鲁棒补偿项，设计为：um＝-(γmN+bmd)sgn(pm)(18)其中||γm||≤γmN，||dm||≤bmd。4-6)为了实现无需建模信息的控制，控制器τm中σm是用于估计非线性函数zs的径向基神经网络模型，具体为：其中，Φm(xm)为径向基神经网络矩阵，Wm为自适应参数，4-7)设计李雅普诺夫函数Vm为：基于李雅普诺夫函数设计自适应参数的自适应率为：其中，km>0,Γm>0。与现有技术相比，本专利技术具有如下有益效果：1、通过训练包含系统建模信息的非线性函数的径向基神经网络模型，并且设计自适应率在线调整神经网络模型参数，避免参数不确定性对系统造成的负效应；2、通过径向基神经网络模型对从端非功率环境系数估计和主端环境力重构，避免了功率信号在通信通道中的传输，从而避免了传统遥操作系统无源性问题以及稳定性和透明性的权衡问题；3、基于径向基神经网络的非线性自适应鲁棒控制方法可以使从端机器人实时跟踪主端机器人的位置信号，克服了系统不确定性以及外界干扰对系统性能的影响，使跟踪误差渐进趋于0，提高了系统的暂、稳态性能以及抗干扰性能,提升了系统的透明性能；4、利用李雅普诺夫稳定性函数保证系统的稳定性和收敛性，从而保证所有信号的全局鲁棒稳定性。附图说明图1是本专利技术提出的基于径向基神经网络的非线性双边遥操作系统的自适应鲁棒控制框图；图2是本专利技术提出的径向基神经网络模型框图；图3是本专利技术的主端机器人与从端机器人的位置跟踪和力反馈图；具体实施方式了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构本文档来自技高网...

【技术保护点】
1.一种非线性双边遥操作系统的自适应鲁棒控制方法，其特征在于该方法包括以下步骤：1)建立非线性双边遥操作系统的动力学模型，具体为：1‑1)建立主从端机器人的动力学模型

【技术特征摘要】
1.一种非线性双边遥操作系统的自适应鲁棒控制方法，其特征在于该方法包括以下步骤：1)建立非线性双边遥操作系统的动力学模型，具体为：1-1)建立主从端机器人的动力学模型其中，qm,和qs,表示机械臂的位置、速度和加速度信号，Dm和Ds表示质量惯性矩阵，Cm和Cs表示科氏力/向心力矩阵，Gm和Gs表示重力矩阵，Fm和Fs表示摩擦力矩阵，dm和ds表示外界扰动和建模误差，τm和τs表示控制输入，τh和τe表示操作者操作力矩或者外界环境力矩，可由传感器测得；上述模型具有如下特性：①和为斜对称矩阵；②公式(1)和(2)中的部分动力学方程可以写成如下线性方程的形式：其中，Wm和Ws表示主从端机械臂的未知参数，Φ表示神经网络矩阵，和表示机械臂的理想速度和加速度信号；1-2)建立从端环境的非线性动力学模型其中，We表示未知的环境参数；2)基于径向基神经网络设计从端机器人的自适应鲁棒控制器，具体为：2-1)定义从端的跟踪误差es如下：es＝qsd-qs(4)2-2)定义用于自适应控制的滑模面变量ps如下：其中，2-3)将(4)代入(5)中，得到因此，其中，2-4)根据(6)设计控制器，保证从端系统的全局鲁棒稳定性，设计的控制器τs为：τs＝σs+ksvps-τe-us(7)其中，ksv>0，τe表示由传感器测得的外界环境力矩，us是鲁棒补偿项；2-5)为了实现无需建模信息的控制，控制器(7)中σs是用于估计非线性函数zs的径向基神经网络模型，具体为：其中，Φs(xs)为径向基神经网络矩阵，Ws为自适应参数，2-6)基于李雅普诺夫函数设计自适应参数的自适应率为：其中，ks>0,Γs>0；3)基于径向基神经网络模型的从端环境参数估计与主端环境的重构，具体为：3-1)将从端环境的非线性动力学模型(3)写成径向基神经网络模型形式，则：其中，We表示未知环境参数，3-2)定义为环境参数的最优估计量，其自适应率为Ωe和Ωe0分别表示xe和We的有界集，Γe>0，ke>0，通过MATLAB的神经网络工具箱实现从端环境的在线估计；3-3)由于通信时延T(t)的存在，为避免功率信号在通信通道内的传递而影响遥操作系统的无源性，将从端的非功率环境参数估计值传递到主端，从而得到主端的重构环境力为：其中，4)基于径向基神经网络设计主端机器人的自适应鲁棒控制器，具体为：4-1)定义qmd为主端机械臂的理想跟...

【专利技术属性】
技术研发人员：陈正，黄方昊，宋伟，王滔，朱世强，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33