一种柔性关节机械臂控制方法技术

本发明专利技术涉及一种柔性关节机械臂控制方法。其特点是，包括如下步骤：步骤一：建立柔性关节机械臂系统动力学模型；步骤二：将柔性关节机械臂期望的关节和电机的位移、角速度作为基于模糊神经网络逼近器的自适应反演控制器的参考输入，将电动机提供转矩的外部输入作为自适应反演控制器的实际输入，如果自适应反演控制器的实际输出值和预设的期望值产生跟踪误差，该跟踪误差通过自适应反演控制器的迭代计算趋近于零。该控制方法减小了超调量，快速实现跟踪，并且具有一定的抗干扰能力，显著提高了柔性关节机械手的控制稳定性。

【技术实现步骤摘要】
一种柔性关节机械臂控制方法
本专利技术涉及一种柔性关节机械臂控制方法。
技术介绍
近三十年来，柔性关节机械臂以其小巧的执行机构、高精度、低能耗的特点引起了人们的广泛关注。与刚性机械臂相比，柔性关节机械臂具有灵活性强、安全性高、损伤率低等优点。柔性关节机械臂由于其固有的高度耦合、非线性和模型不确定性，在建模和控制中存在着严重的问题。因此，这提高了控制器设计的难度，使得大量的研究使用先进的控制理论来设计更合适的控制器。目前，已有一些对于柔性关节机械臂的控制方法。自适应控制已广泛应用于柔性关节机械臂的控制器设计，研究成果比较成熟。针对机械臂系统的不匹配问题，自适应反演控制器不需要由控制律推导的不确定参数的界限。然而，许多现有的控制技术在一些温和的假设下才被应用到柔性关节机械臂上。事实上，机器人的运动是一个复杂的非线性过程，很难将其建模看成线性参数过程。函数逼近技术在解决这一问题上具有很大的优势，它不需要精确地知道系统动力学。神经网络、自递归小波神经网络和模糊系统确实在逼近各种非线性函数时具有较明显的优势。二型模糊系统能够有效地提高系统处理不确定性和逼近不确定未知函数的能力。然而，在柔性关节机械手的跟踪控制上，利用二型模糊逼近器设计自适应控制器的研究较少。
技术实现思路
本专利技术的目的是提供一种柔性关节机械臂控制方法，能够满足柔性关节机械臂对鲁棒控制技术的高精度要求，显著提高了柔性关节机械手的控制稳定性。一种柔性关节机械臂控制方法，其特别之处在于，包括如下步骤：步骤一：建立柔性关节机械臂系统动力学模型；步骤二：将柔性关节机械臂期望的关节和电机的位移、角速度作为基于模糊神经网络逼近器的自适应反演控制器的参考输入，将电动机提供转矩的外部输入作为自适应反演控制器的实际输入，如果自适应反演控制器的实际输出值和预设的期望值产生跟踪误差，该跟踪误差通过自适应反演控制器的迭代计算趋近于零。步骤一中动力学模型如下：其中q1∈Rn和q2∈Rn分别是柔性关节连杆角位移和电机位移，和分别是柔性关节连杆角加速度和电机加速度，g是重力加速度，K是关节的弹簧刚度，u∈Rn是由电动机提供转矩的外部输入，I和J分别是柔性关节连杆与电机的转动惯量，M是柔性关节连杆的重量，l是机械臂重心与柔性关节之间的长度。步骤二中迭代计算具体如下：步骤1：定义e1＝x1-x1d并且令x1d＝yd；其中e1是误差，x1＝q1即柔性关节连杆角位移，x1d是虚拟控制器，yd是期望值；定义e2＝x2-x2d以及虚拟控制器其中e2是误差，即柔性关节连杆角速度，x2d是虚拟控制器，是x1d的时间导数，其中k1是一个非负的常数；步骤2：定义e3＝x3-x3d以及虚拟控制器其中e3是误差，x3＝q2即电机位移，x3d是虚拟控制器，是x2d的时间导数，k2是一个非负常数，是g的估计值，g是未知非线性函数；此时运用区间二型模糊神经网络逼近器，得到g的逼近值其中是αg的估计值，αg是自适应因子，是的估计值，是二型模糊集的上后件值，是θg的估计值，θg是二型模糊集的下后件值，ξg是下基函数的向量，是上基函数的向量；其中ξ(x)和的计算如下：其中和分别是上下隶属函数，具体选择为高斯函数；i＝1,2,3,4为状态数，k为模糊规则数；其中和而和的更新自适应律如下：其中是的迭代更新值，是的迭代更新值，γg、λg、和是常数；步骤3：定义e4＝x4-x4d以及虚拟控制器其中e4是误差，即电机速度，x4d是虚拟控制器，是不含模型信息的已知部分，k3是一个非负常数，是d的估计值，d是未知非线性函数；此时运用区间二型模糊神经网络逼近器，得到d的逼近值其中是αd的估计值，αd是自适应因子，是的估计值，是二型模糊集的上后件值，是θd的估计值，θd是二型模糊集的下后件值，ξd是下基函数的向量，是上基函数的向量；其中ξ(x)和的计算如下：其中和分别是上下隶属函数，具体选择为高斯函数。i＝1,2,3,4为状态数和k为模糊规则数；其中和而和的更新自适应律如下：其中是的迭代更新值，是的迭代更新值，γd、λd、和是常数；步骤4：选择如下控制律：其中是h的估计值、是m的估计值以及k4是非负常数；其中是不含模型信息的已知部分，k4是一个非负常数，是h的估计值，h是未知非线性函数，是m的估计值，m是未知非线性函数；将的自适应律选为非线性函数可表示为：其中满足如下不等式是初始值，m是常数。是的迭代更新值，γm是常数；此时运用区间二型模糊神经网络逼近器，得到h的逼近值其中是αh的估计值，αh是自适应因子，是的估计值，是二型模糊集的上后件值，是θh的估计值，θh是二型模糊集的下后件值，ξh是下基函数的向量，是上基函数的向量；其中ξ(x)和的计算如下：其中和分别是上下隶属函数，具体选择为高斯函数；i＝1,2,3,4为状态数和k为模糊规则数；其中和而和的更新自适应律如下：其中是的迭代更新值，是的迭代更新值，γh、λh、和是常数；步骤5：将控制律u作为柔性关节机械臂系统的控制输入，产生实际的关节位移，即y＝x1；步骤6：实际的关节位移y和期望值yd产生跟踪误差e1；步骤7：回到步骤1，通过迭代计算直至e1、e2、e3、e4小于0.001。本专利技术方法提出了一种基于IT2FNN逼近器的柔性关节机械臂自适应反演控制方法，该方法利用李雅普诺夫稳定性理论，保证闭环系统中的所有信号最终都是有界的，与现有方法相比，该方法不要求未知参数为线性可参数化，从而使跟踪误差可减小到任意小值。该控制方法减小了超调量，快速实现跟踪，并且具有一定的抗干扰能力，显著提高了柔性关节机械手的控制稳定性。附图说明附图1为柔性关节机械臂模型示意图；附图2为IT2FNN逼近器的结构示意图。具体实施方式本专利技术提出了一种基于IT2FNN逼近器的柔性关节机械臂自适应反演控制方法。利用李雅普诺夫稳定性理论，保证闭环系统中的所有信号最终都是有界的。与现有方法相比，该方法不要求未知参数为线性可参数化，跟踪误差可减小到任意小值。本文的主要贡献如下:1)针对具有不匹配不确定性的柔性关节机械臂，提出了一种基于IT2FNN逼近器的自适应反演控制器。2)该控制器不仅能保证机械手系统的稳定性，而且能保证闭环系统中所有信号的有界性。3)通过与T1FNN和神经网络逼近器的比较，证明了该控制器对不确定柔性关节机械臂的期望轨迹跟踪的优越性。本专利技术技术可以用以满足柔性关节机械臂对鲁棒控制技术的高精度要求。针对不确定非线性系统的具有模糊逼近器的自适应控制，近年来本文档来自技高网...

【技术保护点】
1.一种柔性关节机械臂控制方法，其特征在于，包括如下步骤：/n步骤一：建立柔性关节机械臂系统动力学模型；/n步骤二：将柔性关节机械臂期望的关节和电机的位移、角速度作为基于模糊神经网络逼近器的自适应反演控制器的参考输入，将电动机提供转矩的外部输入作为自适应反演控制器的实际输入，如果自适应反演控制器的实际输出值和预设的期望值产生跟踪误差，该跟踪误差通过自适应反演控制器的迭代计算趋近于零。/n

【技术特征摘要】
1.一种柔性关节机械臂控制方法，其特征在于，包括如下步骤：
步骤一：建立柔性关节机械臂系统动力学模型；
步骤二：将柔性关节机械臂期望的关节和电机的位移、角速度作为基于模糊神经网络逼近器的自适应反演控制器的参考输入，将电动机提供转矩的外部输入作为自适应反演控制器的实际输入，如果自适应反演控制器的实际输出值和预设的期望值产生跟踪误差，该跟踪误差通过自适应反演控制器的迭代计算趋近于零。


2.如权利要求1所述的柔性关节机械臂控制方法，其特征在于：
步骤一中动力学模型如下：



其中q1∈Rn和q2∈Rn分别是柔性关节连杆角位移和电机位移，和分别是柔性关节连杆角加速度和电机加速度，g是重力加速度，K是关节的弹簧刚度，u∈Rn是由电动机提供转矩的外部输入，I和J分别是柔性关节连杆与电机的转动惯量，M是柔性关节连杆的重量，l是机械臂重心与柔性关节之间的长度。


3.如权利要求1所述的柔性关节机械臂控制方法，其特征在于：
步骤二中迭代计算具体如下：
步骤1：定义e1＝x1-x1d并且令x1d＝yd；
其中e1是误差，x1＝q1即柔性关节连杆角位移，x1d是虚拟控制器，yd是期望值；
定义e2＝x2-x2d以及虚拟控制器
其中e2是误差，即柔性关节连杆角速度，x2d是虚拟控制器，是x1d的时间导数，其中k1是一个非负的常数；
步骤2：定义e3＝x3-x3d以及虚拟控制器
其中e3是误差，x3＝q2即电机位移，x3d是虚拟控制器，是x2d的时间导数，k2是一个非负常数，是g的估计值，g是未知非线性函数；
此时运用区间二型模糊神经网络逼近器，得到g的逼近值



其中是αg的估计值，αg是自适应因子，是的估计值，是二型模糊集的上后件值，是θg的估计值，θg是二型模糊集的下后件值，ξg是下基函数的向量，是上基函数的向量；
其中ξ(x)和的计算如下：






其中和分别是上下隶属函数，具体选择为高斯函数；i＝1,2,3,4为状态数，k为模糊规则数；
其中和而和的更新自适应律如下：






其中是的迭代更新值，是...

【专利技术属性】
技术研发人员：马飞越，朱洪波，叶逢春，丁培，吴旭涛，王博，胡怡，佃松宜，赵涛，田禄，倪辉，牛勃，李秀广，刘世涛，魏莹，陈磊，
申请(专利权)人：国网宁夏电力有限公司电力科学研究院，四川大学，
类型：发明
国别省市：宁夏;64