基于外骨骼机器人柔性作动器的位置跟踪优化控制方法技术

本发明专利技术公开一种基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，包括动态数学模型的建立：使用牛顿运动定律，在忽略摩擦力影响的情况下，建立外骨骼机器人柔性作动器的动态数学模型；定义滚动优化性能指标：通过选择合适的优化指标，实现对控制性能的优化；基于扰动补偿的位置预测输出；扰动观测器的设计：通过测量得到的位置信息，针对匹配与非匹配干扰，分别设计对应的扰动观测器；复合控制器的设计：利用观测得到的扰动信息，结合广义预测，分别从前馈和反馈控制出发，设计对应的复合控制方案。本发明专利技术基于干扰主动补偿与广义模型预测控制相结合的位置跟踪算法，具有对给定参考轨迹的精确跟踪、抗干扰能力强、稳定性好、易于实现等特点。

Optimal control method of position tracking based on flexible actuator of exoskeleton robot

【技术实现步骤摘要】
基于外骨骼机器人柔性作动器的位置跟踪优化控制方法
本专利技术涉及外骨骼机器人控制系统领域，更具体地说，涉及一种基于干扰主动补偿与广义模型预测控制相结合的精确位置跟踪算法。
技术介绍
外骨骼机器人在军事、医疗和工业等领域都有着十分重要的作用。在自然灾害救援中，外骨骼机器人能为救援人员提供更大的力量，能够轻松举起断壁残垣，拯救更多的生命。在战场上，外骨骼机器人能够帮助士兵减轻负重，外骨骼铠甲则可以使士兵能够抵御枪弹的伤害，挽救生命。在医疗救治中，外骨骼机器人能够帮助截瘫患者重新站立行走。此外，外骨骼机器人还能够增加老年人的运动能力，防止老年人因活动减少而导致生体机能下降，为老年人带来生活便利，提高生活品质。在工业生产方面，外骨骼能够在工人进行大体力劳动时减轻身体负重，节省体力，减少疲劳性损伤，提高劳动效率。柔性作动器是外骨骼机器人控制系统中应用较为广泛的一种控制器，其特征在于驱动器与负载之间加入了弹簧，这使得作动器可以更好的与人类实现交互。与传统的刚性结构的驱动器相比较，柔性作动器的优点在于，低输出阻抗、低后驱力、抗冲击能力强、力传递平稳以及能效高等。由于上述优点，该类作动器被广泛应用于服务，援助和医疗康复等方面的机械设备上。但是，由于柔性作动器中存在非线性、干扰以及不确定性等因素的影响，传统的线性控制方法，包括比例-积分-微分(PID)控制方法，不能保证兼容的驱动器系统具有足够高的性能。为了提高控制性能，近年来，已经为柔性驱动器系统开发了许多非线性控制方法，例如：专利(CN105796286B)中提出了一种模糊控制方法，但是该方法中，模糊集的确立方法比较复杂，且依赖专家经验。专利(CN102922508B)提出了一种滑模控制方法，该方法虽然具有较好的鲁棒性，但是由于滑膜控制固有的缺陷，该方法以牺牲跟踪性能为代价。专利(CN107397649A)提出了一种基于神经网络的控制方法，该方法计算量过大，不易控制器的在线实现。在这些方法中，模型预测控制(MPC)是工业应用中得到广泛应用的先进控制技术之一。它可以被视作为一种通过对象的动态模型来预测系统状态的未来行为，且能根据性能优化的目标函数来决定控制作用的优化控制方法。因为模型预测控制(MPC)具有：鲁棒性，建模简单以及具有处理系统约束的能力等优点，所以该方法可以确保令人满意的系统性能。模型预测控制(MPC)方法也有一定的局限性，其局限性在于它的控制性能在很大程度上取决于模型建立的精确度，即，很大一部分的工作集中在如何精确的建立系统的模型。除了建模误差外，外部干扰不可避免地给高精度预测带来很大障碍，并最终对闭环控制性能产生不良影响。因此，如何消除干扰和不确定性引起的不利影响始终是广大研究人员考虑的关键问题之一。
技术实现思路
针对以上问题，本专利技术提供了一种基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，其主要基于干扰主动补偿与广义模型预测控制相结合的位置跟踪算法，具有对给定参考轨迹的精确跟踪、抗干扰能力强、稳定性好、易于实现等特点，解决了现有技术中存在匹配与非匹配扰动以及传统的模型预测控制方法依赖于模型参数给高精度预测带来不利影响的问题。为实现上述目的，本专利技术通过以下技术方案实现：步骤一，动态数学模型的建立：使用牛顿运动定律，在忽略摩擦力影响的情况下，建立外骨骼机器人柔性作动器的动态数学模型；步骤二，定义滚动优化性能指标：通过选择合适的优化指标，实现对控制性能的优化；步骤三，基于扰动补偿的位置预测输出；为了得到位置预测值，在考虑扰动补偿的情况下，确立对应的位置预测输出表达式；步骤四，扰动观测器的设计：通过测量得到的位置信息，针对匹配与非匹配干扰，分别设计对应的扰动观测器；步骤五，复合控制器的设计：利用观测得到的扰动信息，结合广义预测，分别从前馈和反馈控制出发，设计对应的复合控制方案。作为改进，所述步骤一中动态数学模型的建立以及步骤二中定义滚动优化性能指标的具体方法如下：外骨骼机器人柔性作动器的动态数学模型可以描述为：al＝k/Jl，am＝k/Jm，bm＝1/Jm，Jm和Jl代表电机和链路的质量，θm和θl代表电机和连杆的角度；u是电机转矩，k是弹簧的刚度；d1(t)和d2(t)分别是电机和负载的干扰。为al(t)，am(t)，bm(t)的标称常数值，然后上式可以改写为：且值得注意的是，匹配和不匹配的干扰都会对作动器系统的控制性能产生不利影响，柔性作动器的跟踪精度不可避免地被降低。本专利技术中的解决的关键问题是优化跟踪问题，即设计控制器在受到上述两种干扰的情况下，系统输出仍能精确的跟踪参考信号θr。柔性作动器的优化指标，代价方程可以写为：其中T>0是预测周期，θr(t)是期望的参考位置信号。作为改进，所述步骤三中输出位置预测基于泰勒级数展开后如下式：通过选择使用Taylor的前四项，在上式中的基础上，如下构造预测的θl和θr：其中和分别是θl和θr的预测位置；和是ωl,ωm,和的估计值，这些参数将在后面给出观测方案。作为改进，所述步骤四中扰动观测器的设计具体如下:通过测量得到的位置信息，针对匹配与非匹配干扰，分别设计对应的扰动观测器；其中pl>0是扰动观测器的带宽。注意此时不成立。为了实现扰动观测器，定义和然后得到实际干扰观测器：其中，电机端扰动的观测方程为：其中pm>0是干扰观观测器的带宽。设和然后得到实际扰动观测器:作为进一步改进，基于外骨骼机器人柔性作动器的复合控制器的设计具体如下：通过公式(5)中得到的位置预测值，公式(3)中的性能指标函数可以进一步写成：其中★代表独立的控制量u。注意到，令从公式(8)中可得优化后的控制器为：其中，本专利技术中复合控制器由以下两部分组成：首先，通过构造两个降阶扰动观测器(RDOB)来估计集总扰动，然后，干扰观测值被用于广义预测控制器的设计当中，由此构成复合控制器的设计方案；通过引入广义模型预测控制技术，减少传统模型预测控制器对系统参数的依赖，提高了系统的动态性能，且所设计的控制器结构简单，算法易于实现。本专利技术有益效果在于：本专利技术提出了一种优化的位置跟踪控制算法，该方法采用基于扰动观测器与广义预测控制相结合的复合控制策略，以实现在匹配和不匹配干扰下的鲁棒性和精确跟踪能力；首先，广义预测控制(GPC)方法被用于反馈控制器设计中，该方法具有不完全依赖于系统模型的特点；其次，通过基于降阶扰动观测器(RDOB)来对系统的集总扰动进行观测，通过将干扰观测值引入控制器的设计中，用于消除匹配配与非匹配干扰的影响；通过与传统的控制方法进行实验对比，表明了本专利技术所提控制方法具有精确的跟踪性能和优良的抗干扰能力。附图说明...

【技术保护点】
1.一种基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，其特征在于，包括如下步骤：/n步骤一，动态数学模型的建立：使用牛顿运动定律，在忽略摩擦力影响的情况下，建立外骨骼机器人柔性作动器的动态数学模型；/n步骤二，定义滚动优化性能指标：通过选择合适的优化指标，实现对控制性能的优化；/n步骤三，基于扰动补偿的位置预测输出；为了得到位置预测值，在考虑扰动补偿的情况下，确立对应的位置预测输出表达式；/n步骤四，扰动观测器的设计：通过测量得到的位置信息，针对匹配与非匹配干扰，分别设计对应的扰动观测器；/n步骤五，复合控制器的设计：利用观测得到的扰动信息，结合广义预测，分别从前馈和反馈控制出发，设计对应的复合控制方案。/n

【技术特征摘要】
1.一种基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，其特征在于，包括如下步骤：
步骤一，动态数学模型的建立：使用牛顿运动定律，在忽略摩擦力影响的情况下，建立外骨骼机器人柔性作动器的动态数学模型；
步骤二，定义滚动优化性能指标：通过选择合适的优化指标，实现对控制性能的优化；
步骤三，基于扰动补偿的位置预测输出；为了得到位置预测值，在考虑扰动补偿的情况下，确立对应的位置预测输出表达式；
步骤四，扰动观测器的设计：通过测量得到的位置信息，针对匹配与非匹配干扰，分别设计对应的扰动观测器；
步骤五，复合控制器的设计：利用观测得到的扰动信息，结合广义预测，分别从前馈和反馈控制出发，设计对应的复合控制方案。


2.根据权利要求1所述的基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，其特征在于，所述步骤一中动态数学模型的建立以及步骤二中定义滚动优化性能指标的具体方法如下：
外骨骼机器人柔性作动器的动态数学模型为：



al＝k/Jl，am＝k/Jm，bm＝1/Jm，Jm和Jl代表电机和连杆的质量，θm和θl代表电机和连杆的角度；u是电机转矩，k是弹簧的刚度；d1(t)和d2(t)分别是电机和负载端的干扰。为al(t)，am(t)，bm(t)的标称值，然后上式可以改写为：




且



柔性作动器的优化指标，代价方程为：



其中T>0是预测周期，θr(t)是期望的参考位置信号。


3.根据权利要求1所述的基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，其特征在于，所述步骤三中输出位置预测基于泰勒级数...

【专利技术属性】
技术研发人员：孙振兴，
申请(专利权)人：湖州和力机器人智能科技有限公司，
类型：发明
国别省市：浙江;33