一种单臂机器人系统的渐近跟踪控制方法及系统技术方案

本公开公开的一种单臂机器人系统的渐近跟踪控制方法及系统，包括：获取单臂机器人系统的状态数据；将单臂机器人系统的状态数据输入渐近跟踪控制器中，获取控制输入，其中，渐近跟踪控制器以系统的输出渐近跟踪参考信号为目标，采用径向基函数神经网络计算获得；通过控制输入对单臂机器人系统进行控制。实现了单臂机器人系统全状态约束下的渐近跟踪。

【技术实现步骤摘要】
一种单臂机器人系统的渐近跟踪控制方法及系统
本专利技术涉及非线性控制
，尤其涉及一种单臂机器人系统的渐近跟踪控制方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。不确定性非线性系统的理论分析和工业应用的广泛研究一直是控制领域的热门话题。近几十年来，非线性不确定的下三角系统是研究方向上的重要模型类别吸引了众多专家学者的研究热情。因此，出现了许多设计方法构造不确定的非线性下三角系统的控制器，例如滑模控制法、反步设计法、高增益观测器法及李雅普诺夫设计法等等。众所周知，自适应控制是解决未知参数的有效方法，其与反步设计法的结合成为了解决非线性下三角系统控制问题的常用工具。通过使用自适应反步设计法，对非线性下三角系统的控制已经获得了许多出色的结果。然而，以上这些方法不能直接应用于包含完全未知的非线性函数的非线性系统，这阻碍了其广泛的应用。1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts在分析神经元的基本特征时，建立了神经网络的概念和他们的数学模型，即MP模型。从此本文档来自技高网...

【技术保护点】
1.一种单臂机器人系统的渐近跟踪控制方法，其特征在于，包括：/n获取单臂机器人系统的状态数据；/n将单臂机器人系统的状态数据输入渐近跟踪控制器中，获取控制输入，其中，渐近跟踪控制器以系统的输出渐近跟踪参考信号为目标，采用径向基函数神经网络计算获得；/n通过控制输入对单臂机器人系统进行控制。/n

【技术特征摘要】
1.一种单臂机器人系统的渐近跟踪控制方法，其特征在于，包括：
获取单臂机器人系统的状态数据；
将单臂机器人系统的状态数据输入渐近跟踪控制器中，获取控制输入，其中，渐近跟踪控制器以系统的输出渐近跟踪参考信号为目标，采用径向基函数神经网络计算获得；
通过控制输入对单臂机器人系统进行控制。


2.如权利要求1所述的一种单臂机器人系统的渐近跟踪控制方法，其特征在于，获取的状态数据包括连杆与水平地面的夹角、连杆运动的角速度。


3.如权利要求1所述的一种单臂机器人系统的渐近跟踪控制方法，其特征在于，获取渐近跟踪控制器的具体过程为：
将系统输出与跟踪参考信号的误差以及状态与虚拟控制的坐标变换引入障碍李雅普诺夫函数中，通过障碍李雅普诺夫函数约束系统的全部状态，获得渐近跟踪控制器。


4.如权利要求3所述的一种单臂机器人系统的渐近跟踪控制方法，其特征在于，通过障碍李雅普诺夫函数约束系统的全部状态，获得渐近跟踪控制器的虚拟控制及自适应律，根据虚拟控制和自适应律计算获得渐近跟踪控制器。


5.如权利要求3所述的一种单臂机器人系统的渐近跟踪控制方法，其特征在于，在渐近跟踪控制器引入相对阈值控制策略，相对阈值...

【专利技术属性】
技术研发人员：牛奔，王晓梅，张家鸣，程婷婷，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37