【技术实现步骤摘要】
一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法
[0001]本专利技术属于自动控制
,特别涉及一种用于柔性关节机械臂轨迹跟踪控制的基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法。
技术介绍
[0002]近几十年来,由于在航天、深海探测、工业制造、医疗等领域的广泛应用,柔性关节机械臂的研究受到了人们越来越多的关注。越来越受到人们的重视。与传统的刚性机械臂相比,柔性关节机械臂有重量轻、体积小、能耗低、载荷重量比高等优点。此外,由于机械臂的关节是柔性的,这大大提高了机械臂在实际使用时的安全性。当柔性关节发生碰撞时,柔性关节能够有效地缓解碰撞.虽然柔性关节机械臂在实际应用中具有很大的优势,但其控制方案的设计也存在较大的困难。许多研究人员都在努力设计更理想的控制方案来操纵柔性关节机械臂,使其在各项作业中能够有着更为优异的表现。
[0003]值得注意的是,与刚关节型机械臂相比,柔性关节机械臂的控制方案设计尚不成熟。众所周知,柔性关节机械臂是一个复杂的动力学系统,其中控制器中有很多待设计的参数。此外,某些参数在一定条件下不易获得。因此,人们正在考虑设计一种在反馈控制中对机械臂参数更低需求的方法。近年来,神经网络在学习能力映射和并行处理方面的应用引起了研究者们的关注,它能降低在控制器设计中对机械臂动力学系统参数的依赖程度,从而实现无模型控制。尽管径向基神经网络在柔性机械臂控制中的应用已经取得了很大的进展,但在以往的大多数径向基神经网络控制研究中,神经网络的权值估计更新律严重依赖于跟踪误差 ...
【技术保护点】
【技术特征摘要】
1.一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法,其特征在于,包括如下步骤:步骤1,建立n自由度柔性关节机械臂动力学模型;步骤2,将步骤1中模型分成两个子系统,并为每个子系统设计积分滑模面;步骤3,利用RBF神经网络对模型内部的未知动力学参数进行逼近;步骤4,利用新型扰动观测器对由RBF神经网络的估计误差和模型的外部扰动所组成的集总不确定度进行估计;步骤5,利用障碍李亚普诺夫函数设计具有位置输出约束性能的基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器,实现机械臂的无模型控制。2.根据权利要求1所述的一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法,其特征在于,所述步骤1中建立n自由度柔性关节机械臂动力学模型具体步骤如下:骤如下:式中,分别表示机械臂连杆侧和电机轴侧的角位置、角速度和角加速度;M(q)为对称正定惯性矩阵,为离心力和科氏力矩阵,G(q)为重力向量,为摩擦力矩,τ为控制输入,τ
d
为未知时变外部干扰,J
m
表示电机转动惯量正定对角矩阵,K表示表示弹簧刚度的正定对角矩阵。3.根据权利要求2所述的一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法,其特征在于,所述步骤2的具体步骤如下,首先将柔性关节机械臂动力学模型分解成两个子系统,连杆侧子系统和电机侧子系统在这两个子系统中,τ对q
m
的影响是直接的,q
m
对q的影响是直接的,而τ对q的影响是间接的,所以定义一个中间的虚拟控制量q
md
,它是q
m
的理想轨迹,只要τ能驱动q
m
跟踪q
md
,那么此时在q
m
的驱动下q就能跟踪上机械臂末端的理想轨迹q
d
;由此定义误差信号如下:e=q
‑
q
d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)e
m
=q
m
‑
q
md
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)接着,为这两个误差信号设计积分滑模面接着,为这两个误差信号设计积分滑模面式中,增益k1,k2是正常数。4.根据权利要求3所述的一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控
制器设计方法,其特征在于,所述步骤3的具体步骤为,首先介绍RBFNN神经网络的原理;RBFNN逼近任意非线性函数,其数学表达式为:f(x)=W
T
h(x)+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)式中W是理想权值矩阵,h(x)是高斯基函数向量,ε是神经网络的有界估计误差,它的值满足不等式|ε|≤ε
N
,ε
N
是ε的上界;然后,用上述的神经网络原理对柔性关节机械臂动力学模型中的G(q)矩阵进行估计;行估计;式中,G
ij
(q)分别表示G(q)矩阵中的第i行j列元素;t表示神经网络的节点总数;因此,矩阵G(q)表示为G(q)表示为式中是为方便表达定义的一个新的运算符号,它的运算规则的具体表示如下:是为方便表达定义的一个新的运算符号,它的运算规则的具体表示如下:矩阵W
C
由子矩阵W
Cij
(i=1,...,n;j=1,...,n)组成;矩阵W
G
由子矩阵W
Gij
(i=1,...,n;j=1)组成;矩阵h
C
(q),h
G
(q)分别由子矩阵(i=1,...,n;j=1,...,n)和h
Gij
(q)(i=1,...,n;j=1)组成;估计误差矩阵ε
G
(q)分别由子矩阵ε
Cij
(i=1,...,n;j=1,...,n)和ε
Gij
(i=1,...,n;j=1)组成;其中,i表示该子矩阵所处的行,j表示该子矩阵所处的列。5.根据权利要求4所述的一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法,其特征在于,所述步骤4的具体步骤为,首先对引入的新型扰动观测器进行介绍;考虑如下非线...
【专利技术属性】
技术研发人员:杨晓辉,温泉炜,黄超,臧梓坤,袁志鑫,陈苏豪,曾俊萍,许超,李昭辉,伍云飞,陈乐飞,
申请(专利权)人:南昌大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。