一种基于RBF神经网络的机械臂自适应阻抗控制方法技术

本发明专利技术公开了一种基于RBF神经网络的机械臂自适应阻抗控制方法，包括：建立机械臂的D‑H参数，并推导机械臂的正运动学；利用kane方法建立机械臂系统的名义动力学模型；结合二阶阻抗方程设计阻抗控制器；设计动力学模型误差补偿控制器；将阻抗控制器与动力学模型误差补偿控制器结合，并根据李雅普诺夫函数设计RBF神经网络权值矩阵的变化率，构成自适应阻抗控制器，并证明自适应阻抗控制器的稳定性；根据所设计的控制器，判断机械臂柔顺控制的效果。本方法能在线补偿机械臂动力学误差的阻抗控制的方法，对机械臂模动力学的不确定部分进行在线补偿，使补偿后的阻抗控制器能够实现对机械臂的精准柔顺控制。

【技术实现步骤摘要】
一种基于RBF神经网络的机械臂自适应阻抗控制方法
本专利技术属于机械臂柔顺控制领域，涉及一种基于径向基函数(RBF)神经网络的机械臂自适应阻抗控制方法。
技术介绍
随着航天技术的发展，航天领域的研究焦点开始向航天器的在轨应用转移。但航天器在轨运行时可能会出现航天器失控、零件失效、燃料用尽等问题，导致航天器无法正常工作甚至被迫退役。由于太空环境的复杂性以及科学技术的限制，许多空间任务尚不能通过航天员出舱进行，因此空间机械臂成为了执行空间任务中不可或缺的部分。空间机械臂主要应用于在轨维护、目标捕获、飞行器组装与回收等操作，在执行任务时会与环境发生接触，空间机械臂末端与目标会存在较大的接触力。为了确保目标或机械臂本身不被损坏以及任务的顺利执行，这就需要在空间机械臂上安装力传感器实现力感知，再设计相应的控制算法将接触力控制在一个合理的范围之内。机械臂对接触力具有响应的能力，则称机械臂具有柔顺性能，相应的控制方法称为柔顺控制方法。在柔顺控制算法中，阻抗控制凭借将力与位置纳入统一控制体系等优点，成为空间机械臂柔顺控制应用领域的一大热点。在机械臂阻抗控制的研究和应用中，通常使用计算力矩控制方法，即结合机械臂逆动力学与阻抗方程设计阻抗控制器。通常机械臂执行任务的目标刚度较大，较小的控制力拒误差就会导致较大的接触力。控制力拒的精准度由逆动力学模型的精准度决定。因此，要实现精准的柔顺控制，让机械臂具有良好的柔顺性能，需要对机械臂进行精准的动力学建模。机械臂系统具有高度的不确定性和非线性，包括模型的不确定性和参数的不确定性以及外部干扰，这些不确定性所造成的影响会直接反映为动力学模型的不确定性，从而影响机械臂的柔顺性能。机械臂系统的名义动力学模型通常可由机械臂参数求出，但实际动力学模型与名义动力学模型的误差无法通过计算求出。因此，期望设计一种能在线补偿机械臂动力学误差的自适应阻抗控制方法。
技术实现思路
针对机械臂模型存在的不确定性问题，本专利技术提出的一种基于RBF神经网络的机械臂自适应阻抗控制方法，本方法能在线补偿机械臂动力学误差的阻抗控制的方法，对机械臂动力学模型的不确定部分进行在线补偿，使补偿后的阻抗控制器能够实现对机械臂的精准柔顺控制。本专利技术提供了一种基于RBF神经网络的机械臂自适应阻抗控制方法，包括如下步骤：S1：建立机械臂的D-H参数，并推导机械臂的正运动学；S2：利用kane方法建立机械臂系统的名义动力学模型；S3：根据步骤S2中建立的机械臂系统的名义动力学模型，结合二阶阻抗方程设计阻抗控制器；S4：设定RBF神经网络的初始参数，设计动力学模型误差补偿控制器；S5：将步骤S3中设计的阻抗控制器与步骤S4中建立的动力学模型误差补偿控制器结合，并根据李雅普诺夫函数设计RBF神经网络权值矩阵的变化率，构成自适应阻抗控制器，并证明所构成的自适应阻抗控制器的稳定性；S6：根据步骤S5中所设计的自适应阻抗控制器，判断机械臂柔顺控制的效果，在相同的控制器参数的条件下设置期望接触力为0，以接触力大小为指标，机械臂接触力越小则柔顺控制效果越好。进一步，步骤S1具体过程为：假定机械臂的自由度为n，即把机械臂看作由n个连杆，n-1个关节连接组成，关节1为第1根连杆和第2根连杆的连接关节，首先根据如下步骤建立机械臂的D-H坐标系：1)建立基座坐标系：以基座上感兴趣的位置为原点、关节1的运动轴正方向为z0轴，按右手定则建立右手正交坐标系(x0,y0,z0)，其中，x0轴和y0轴与z0轴垂直，方向任选；2)建立连杆i坐标系的zi轴：以连杆i与连杆i-1连接关节的运动轴正向为zi轴；3)建立连杆i坐标系的原点Oi：若zi轴和连杆i-1坐标系的zi-1轴相交，则以两轴交点为原点Oi；若zi轴和zi-1轴异面或平行，则以两轴的公垂线与zi轴的交点为原点Oi；4)建立连杆i坐标系的xi轴：按xi＝±(zi-1×zi)/||zi-1×zi||建立xi轴，即，使xi轴与zi-1轴及zi轴同时垂直；若zi-1轴与zi轴平行，则以它们的公垂线为xi轴；5)建立连杆i坐标系的yi轴：根据已建立的xi轴和zi轴，按右手定则建立yi轴，即令yi＝(zi×xi)/||zi×xi||；6)建立机械臂末端坐标系(xn,yn,zn)：zn轴与连杆n-1坐标系的zn-1轴平行，但指向机器人本体外方向；xn轴与zn-1轴及zn轴同时垂直；yn轴由右手定则确定，由此完成机械臂的D-H坐标系的建立；根据建立的连杆坐标系，计算从一个关节到下一个相邻关节的变换矩阵，变换通过旋转-平移-旋转-平移四个子变换得到：绕连杆i-1的xi-1轴转角度量αi-1；沿xi-1轴移动量ai-1；绕连杆i的zi轴转动角度量θi；沿zi轴移动量di；第i-1根连杆相对于第i根连杆的位姿变换矩阵Ai定义如下：i-1Ti＝Ai＝Rot(x,αi-1)Trans(x,ai-1)Rot(z,θi)Trans(z,di)(1)其中，i-1Ti用来描述连杆末端在基座的位姿态，表示第i-1根连杆的连杆坐标系相对于第i根连杆的连杆坐标系的变换；Rot表示旋转；Trans表示移动，计算得到第i-1根连杆相对于第i根连杆的位姿变化矩阵Ai的通式为：其中，C表示余弦三角函数；S表示正弦三角函数，将各连杆相对于其前一根连杆的位姿变换矩阵相乘，得到机械臂总变换矩阵0Tn，即得到机械臂的正运动学：0Tn＝0T11T2…n-1Tn＝A1A2…An(3)。进一步，步骤S2中利用kane方法建立机械臂系统的名义动力学模型，得到机械臂与环境接触时的名义动力学方程：其中，τ为机械臂收到的驱动关节的控制力矩；Mc(q)为机械臂的惯性矩阵，并且为正定对称矩阵；为离心力和哥氏力矢量；gc(q)为重力矢量；q为关节旋转角矩阵；为关节旋转角速度矩阵；为关节旋转角加速度矩阵；JT(q)为雅克比矩阵的转置矩阵；Fe为机械臂末端与环境的接触力。进一步，步骤S3具体过程如下：二阶阻抗方程式为其中，M、B、K为阻抗参数，；xd为机械臂末端的期望位置；x为机械臂末端位置；为机械臂末端的期望加速度；为为机械臂末端加速度；为机械臂末端的期望速度；为机械臂末端速度；利用逆动力学求得机械臂的操作律为：其中，τc为阻抗控制器输出的机械臂控制力矩，将机械臂与环境接触时的名义运动学方程式(4)左右两边同时求二阶导求得关节旋转角加速度矩阵其中，J-1(q)为雅克比矩阵的逆矩阵；为雅可比矩阵的变化率，将关节旋转角加速度矩阵代入逆动力学得到阻抗控制律：进一步，步骤S4中，RBF神经网络的初始参数包括输入层节点数、输出层节点数、隐含层节点数、隐含层节点中心向量和高斯函数宽度。进一步，步骤S4具体过程如下：动力学模型误差为计算得到的模型与真实的模型之差，则真实的机械臂动本文档来自技高网...

【技术保护点】
1.一种基于RBF神经网络的机械臂自适应阻抗控制方法，其特征在于，包括如下步骤：/nS1：建立机械臂的D-H参数，并推导机械臂的正运动学；/nS2：利用kane方法建立机械臂系统的名义动力学模型；/nS3：根据步骤S2中建立的机械臂系统的名义动力学模型，结合二阶阻抗方程设计阻抗控制器；/nS4：设定RBF神经网络的初始参数，设计动力学模型误差补偿控制器；/nS5：将步骤S3中设计的阻抗控制器与步骤S4中建立的动力学模型误差补偿控制器结合，并根据李雅普诺夫函数设计RBF神经网络权值矩阵的变化率，构成自适应阻抗控制器，并证明所构成的自适应阻抗控制器的稳定性；/nS6：根据步骤S5中所设计的自适应阻抗控制器，判断机械臂柔顺控制的效果，在相同的控制器参数的条件下设置期望接触力为0，以接触力大小为指标，机械臂接触力越小则柔顺控制效果越好。/n

【技术特征摘要】
1.一种基于RBF神经网络的机械臂自适应阻抗控制方法，其特征在于，包括如下步骤：
S1：建立机械臂的D-H参数，并推导机械臂的正运动学；
S2：利用kane方法建立机械臂系统的名义动力学模型；
S3：根据步骤S2中建立的机械臂系统的名义动力学模型，结合二阶阻抗方程设计阻抗控制器；
S4：设定RBF神经网络的初始参数，设计动力学模型误差补偿控制器；
S5：将步骤S3中设计的阻抗控制器与步骤S4中建立的动力学模型误差补偿控制器结合，并根据李雅普诺夫函数设计RBF神经网络权值矩阵的变化率，构成自适应阻抗控制器，并证明所构成的自适应阻抗控制器的稳定性；
S6：根据步骤S5中所设计的自适应阻抗控制器，判断机械臂柔顺控制的效果，在相同的控制器参数的条件下设置期望接触力为0，以接触力大小为指标，机械臂接触力越小则柔顺控制效果越好。


2.根据权利要求要求1所述的方法，其特征在于，步骤S1具体过程为：
假定机械臂的自由度为n，即把机械臂看作由n个连杆，n-1个关节连接组成，关节1为第1根连杆和第2根连杆的连接关节，首先根据如下步骤建立机械臂的D-H坐标系：
1)建立基座坐标系：以基座上感兴趣的位置为原点、关节1的运动轴正方向为z0轴，按右手定则建立右手正交坐标系(x0,y0,z0)，其中，x0轴和y0轴与z0轴垂直，方向任选；
2)建立连杆i坐标系的zi轴：以连杆i与连杆i-1连接关节的运动轴正向为zi轴；
3)建立连杆i坐标系的原点Oi：若zi轴和连杆i-1坐标系的zi-1轴相交，则以两轴交点为原点Oi；若zi轴和zi-1轴异面或平行，则以两轴的公垂线与zi轴的交点为原点Oi；
4)建立连杆i坐标系的xi轴：按xi＝±(zi-1×zi)/||zi-1×zi||建立xi轴，即，使xi轴与zi-1轴及zi轴同时垂直；若zi-1轴与zi轴平行，则以它们的公垂线为xi轴；
5)建立连杆i坐标系的yi轴：根据已建立的xi轴和zi轴，按右手定则建立yi轴，即令yi＝(zi×xi)/||zi×xi||；
6)建立机械臂末端坐标系(xn,yn,zn)：zn轴与连杆n-1坐标系的zn-1轴平行，但指向机器人本体外方向；xn轴与zn-1轴及zn轴同时垂直；yn轴由右手定则确定，由此完成机械臂的D-H坐标系的建立；
根据建立的连杆坐标系，计算从一个关节到下一个相邻关节的变换矩阵，变换通过旋转-平移-旋转-平移四个子变换得到：绕连杆i-1的xi-1轴转角度量αi-1；沿xi-1轴移动量ai-1；绕连杆i的zi轴转动角度量θi；沿zi轴移动量di；
第i-1根连杆相对于第i根连杆的位姿变换矩阵Ai定义如下：

i-1Ti＝Ai＝Rot(x,αi-1)Trans(x,ai-1)Rot(z,θi)Trans(z,di)(1)
其中，i-1Ti用来描述连杆末端在基座的位姿态，表示第i-1根连杆的连杆坐标系相对于第i根连杆的连杆坐标系的变换；Rot表示旋转；Trans表示移动，
计算得到第i-1根连杆相对于第i根连杆的位姿变化矩阵Ai的通式为：



其中，C表示余弦三角函数；S表示正弦三角函数，
将各连杆相对于其前一根连杆的位姿变换矩阵相乘，得到机械臂总变换矩阵0Tn，即得到机械臂的正运动学：

0Tn＝0T11T2...n-1Tn＝A1A2...An(3)。


3.根据权利要求1所述的方法，其特征在于，步骤S2中利用kane方法建立机械臂系统的名义动力学模型，得到机械臂与环境接触时的名义动力学方程：



其中...

【专利技术属性】
技术研发人员：戚毅凡，贾英宏，徐拴锋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11