一种柔性单链机械臂多智能体的跟踪控制方法和系统技术方案

本发明专利技术涉及一种柔性单链机械臂多智能体的跟踪控制方法和系统。本发明专利技术在确定柔性单链机械臂多智能体的动力学方程之后，对动力学方程进行变换，将动力学方程转换为五阶非严格反馈形式，接着，利用反步法和命令滤波技术，设计每一步的虚拟控制器后，引入相对阈值的事件触发策略设计自适应神经事件触发控制器，避免了数据冗余，大大地降低了网络带宽的压力，然后，基于自适应神经事件触发控制器对柔性单链机械臂多智能体进行控制，进而，能够避免无限快速的执行采样，降低通信信道的传输频率，节省系统的通信资源。系统的通信资源。系统的通信资源。

【技术实现步骤摘要】
一种柔性单链机械臂多智能体的跟踪控制方法和系统


[0001]本专利技术涉及机械臂多智能体工程领域，特别是涉及一种柔性单链机械臂多智能体的跟踪控制方法和系统。

技术介绍

[0002]由于工业以及农业领域的快速发展和对机械臂的广泛运用，柔性机械臂控制问题的研究引起了广泛的关注，研究者们逐渐提出了各种控制策略，使得研究得到了巨大的进展。此外，受自然界群集现象的启发，如大雁南飞、鱼游成群、蜜蜂成群等，多智能体的跟踪控制问题也引起了控制领域专家和学者极大的兴趣。通过对多智能体系统关于一致性跟踪控制问题的大量研究之后，成功提出了一些控制方法保证了跟随者的输出可以同步跟上领导者的输出。但是到目前为止，由于柔性机械臂多智能体系统的复杂性和本质上的非线性，使得其一致性跟踪控制问题的研究依旧是一个重要的研究课题。
[0003]现实中，机械臂多智能体系统的实际模型通常包含完全未知的非线性，这大大的增加了设计控制器的难度。目前，对机械臂的一个主流研究方向是利用坐标变换将机械臂系统转化为三角结构模型，从而应用反步法和智能估计技术相结合来设计有效的控制器确保理想的系统性能。然而，在反步迭代的过程中,由于对虚拟控制的重复求导有相当大的计算量，造成了“复杂性爆炸”的问题。基于此，现有技术针对这一问题有两种解决方案：动态面控制技术和命令滤波技术。但是动态面技术需要假设虚拟控制的导数边界信息已知，并通过一系列的公式推导再次证明其有界性，这在一定程度上是矛盾的。到目前为止，命令滤波技术还未充分应用于柔性机械臂多智能体系统，无法实现机械臂多智能体的有效控制。
[0004]另一方面，在传统的时间触发机制中，控制器的持续输出作用于系统，导致了计算机通信资源的浪费。

技术实现思路

[0005]为了克服上述现有技术存在的缺点，本专利技术提供了一种柔性单链机械臂多智能体的跟踪控制方法和系统。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种柔性单链机械臂多智能体的跟踪控制方法，包括：
[0008]确定柔性单链机械臂多智能体的动力学方程；
[0009]将所述动力学方程转换为五阶非严格反馈形式，获得转换后的动力学方程；
[0010]根据转换后的动力学方程，采用反步法和命令滤波技术，设计每一步的虚拟控制器，并引入相对阈值的事件触发策略，得到柔性单链机械臂多智能体的自适应神经事件触发控制器；
[0011]基于所述自适应神经事件触发控制器对柔性单链机械臂多智能体进行控制。
[0012]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0013]本专利技术提供的柔性单链机械臂多智能体的跟踪控制方法，在确定柔性单链机械臂
多智能体的动力学方程之后，对动力学方程进行变换，将动力学方程转换为五阶非严格反馈形式，接着，利用反步法和命令滤波技术，设计每一步的虚拟控制器后，引入相对阈值的事件触发策略设计自适应神经事件触发控制器，避免了数据冗余，大大地降低了网络带宽的压力，然后，基于自适应神经事件触发控制器对柔性单链机械臂多智能体进行控制，进而，能够避免无限快速的执行采样，降低通信信道的传输频率，节省系统的通信资源。
[0014]对应于上述提供的柔性单链机械臂多智能体的跟踪控制方法，本专利技术还提供了以下实施硬件结构：
[0015]其中一种是柔性单链机械臂多智能体的跟踪控制系统，该系统包括：
[0016]动力学方程确定模块，用于确定柔性单链机械臂多智能体的动力学方程；
[0017]五阶非严格反馈形式转换模块，用于将所述动力学方程转换为五阶非严格反馈形式，获得转换后的动力学方程；
[0018]自适应神经事件触发控制器获取模块，用于根据转换后的动力学方程，采用反步法和命令滤波技术，设计每一步的虚拟控制器，并引入相对阈值的事件触发策略，得到柔性单链机械臂多智能体的自适应神经事件触发控制器；
[0019]控制模块，用于基于所述自适应神经事件触发控制器对柔性单链机械臂多智能体进行控制。
[0020]另一种是电子设备，该电子设备包括处理器和计算机可读存储介质；
[0021]所述处理器与所述计算机可读存储介质连接；所述计算机可读存储介质中存储有多条指令；所述指令用于实施上述提供的柔性单链机械臂多智能体的跟踪控制方法；所述处理器用于加载并执行所述计算机可读存储介质中存储的多条指令。
附图说明
[0022]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本专利技术提供的柔性单链机械臂多智能体的跟踪控制方法的流程图；
[0024]图2为本专利技术实施例提供的多智能体的通信拓扑图；
[0025]图3为本专利技术实施例提供的三个跟随者和一个领导者的输出轨迹图；
[0026]图4为本专利技术实施例提供的三个跟随者的跟踪误差示意图；
[0027]图5为本专利技术实施例提供的三个控制输入示意图；
[0028]图6为本专利技术实施例提供的智能体1的状态变量x
1,1
、x
1,2
、x
1,3
、x
1,4
和x
1,5
轨迹示意图；
[0029]图7为本专利技术实施例提供的智能体2的状态变量x
2,1
、x
2,2
、x
2,3
、x
2,4
和x
2,5
轨迹示意图；
[0030]图8为本专利技术实施例提供的智能体3的状态变量x
3,1
、x
3,2
、x
3,3
、x
3,4
和x
3,5
轨迹示意图；
[0031]图9为本专利技术实施例提供的事件触发条件示意图；其中，图9的(a)部分为事件触发条件1的示意图，图9的(b)部分为事件触发条件2的示意图，图9的(c)部分为事件触发条件3
的示意图；
[0032]图10为本专利技术提供的柔性单链机械臂多智能体的跟踪控制系统的结构示意图。
具体实施方式
[0033]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]本专利技术的目的是提供一种柔性单链机械臂多智能体的跟踪控制方法和系统，能够避免无限快速的执行采样，降低通信信道的传输频率，节省系统的通信资源。
[0035]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。...

【技术保护点】

【技术特征摘要】
1.一种柔性单链机械臂多智能体的跟踪控制方法，其特征在于，包括：确定柔性单链机械臂多智能体的动力学方程；将所述动力学方程转换为五阶非严格反馈形式，获得转换后的动力学方程；根据转换后的动力学方程，采用反步法和命令滤波技术，设计每一步的虚拟控制器，并引入相对阈值的事件触发策略，得到柔性单链机械臂多智能体的自适应神经事件触发控制器；基于所述自适应神经事件触发控制器对柔性单链机械臂多智能体进行控制。2.根据权利要求1所述的柔性单链机械臂多智能体的跟踪控制方法，其特征在于，在设计每一步的虚拟控制器的同时，进行坐标转换，并引入补偿信号。3.根据权利要求1所述的的柔性单链机械臂多智能体的跟踪控制方法，其特征在于，所述动力学方程为：其中，J1表示电机转动惯性，J2表示连杆转动惯性，q1表示链接角位移，q2表示电机轴，r表示电枢电阻，L表示电枢电感，I表示电枢电流，K表示弹簧常数，K
t
表示扭矩常数，u(v)表示电枢电压，g表示重力加速度，d表示连杆重心的位置，F1表示电机粘性摩擦常数，F2表示连杆粘性摩擦常数，K
b
表示反电动势常数，M表示链接质量，N表示齿轮传动比，表示链接角速度，表示链接角加速度，表示连杆角速度，表示连杆角加速度，表示电流变化率。4.根据权利要求3所述的的柔性单链机械臂多智能体的跟踪控制方法，其特征在于，转换后的动力学方程为：其中，x
i,1
＝q1；x
i,3
＝q2；x
i,5
＝i；
x
i
＝[x
i,1
,x
i,2
,
…
x
i,5
]
T
∈R5，表示第i个智能体的整体状态变量；y
i
∈R表示第i个跟随者的输出，u
i
∈R表示第i个跟随者的...

【专利技术属性】
技术研发人员：张纪峰，张言军，赵延龙，韩丽敏，牛奔，
申请(专利权)人：北京理工大学山东师范大学，
类型：发明
国别省市：