【技术实现步骤摘要】
基于状态观测器的多关节机械臂事件驱动控制方法
[0001]本专利技术涉及机械臂控制领域，尤其涉及一种基于状态观测器的多关节机械臂事件驱动控制方法。
技术介绍
[0002]随着工业4.0和中国制造2025的推动和发展，机械臂作为智能制造业的重要环节，获得广泛关注。为了保证机械臂能够安全可靠的用于工业生产，对机械臂控制系统的动态性能和稳态精度提出了更高的要求。多关节机械臂是一种非线性、多变量、强耦合的机械系统，并且存在未建模动态，这对机械臂的预设性能控制带来了挑战。另外，出于空间和成本的限制，多关节机械臂往往难以配备关节角速度传感器。现有技术在利用机械臂模型参数的前提下，可以实现基于观测器的单关节机械臂预设性能控制。但是，针对单关节机械臂设计的观测器以及控制方法，不能应用于多关节机械臂，并且在实际中，难以得到精确的模型参数。
[0003]传统的机械臂控制方法需要对虚拟控制律取时间导数，然后构造神经网络逼近机械臂系统的未建模动态。但是，虚拟控制律的导数项会导致神经网络激励函数向量维数增加，从而增加计算量。另外，传统补偿系统...
【技术保护点】
【技术特征摘要】
1.一种基于状态观测器的多关节机械臂事件驱动控制方法，其特征在于，包括如下步骤：步骤1. 建立带有未建模动态的多关节机械臂非线性动态模型，并将多关节机械臂非线性动态模型转换为状态方程；步骤2. 采用RBF神经网络逼近状态方程中的未建模动态，从而构造状态观测器估计关节角速度；步骤3. 针对多关节机械臂非线性动态模型所产生的跟踪误差，设计带有预设性能函数的非线性变换限制跟踪误差的收敛轨迹，得到无约束的跟踪误差；步骤4. 根据无约束的跟踪误差和逆推设计法，设计带有低阶补偿系统的指令滤波器；步骤5. 构造RBF神经网络逼近控制回路的未建模动态，得到未建模动态的估计模型；步骤6. 根据估计的关节角速度和指令滤波器的输出，结合未建模动态的估计模型以及事件驱动方法设计机械臂事件驱动控制律，使得实际轨迹以预设的性能跟踪期望的轨迹。2.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法，其特征在于：步骤1中多关节机械臂非线性动态模型为：其中，表示关节角位置矢量，表示关节角速度矢量，表示关节角加速度矢量，为电机提供的控制力矩，为对称正定惯性矩阵，为离心力和哥氏力矩阵，为重力矢量。3.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法，其特征在于：步骤1中状态方程为：其中，，，表示未建模动态，其表达式为。4.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法，其特征在于：步骤2中采用RBF神经网络逼近状态方程中的未建模动态为：其中，表示激励函数向量，表示逼近误差，并且满足，是正常数，是理想的权值矩阵，是高斯基函数向量，和可表示为
其中，对于，，，高斯基函数的表达式为其中，为RBF神经网络的节点个数，为第个节点的中心矢量，为第个节点的高斯基宽度，表示指数函数。5.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法，其特征在于：步骤2中构造状态观测器为：其中，，，，，为设计参数，且为正数，表示的估计量，表示关节角速度的估计量，和分别表示和的估计量，为中间的辅助变量。6.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法，其特征在于：步骤3中无约束的跟踪误差为其中，，为无约束的跟踪误差，和分别为预设性能函数和跟踪误差的初始值；其中，跟踪误差为：
其中，为期望的关节角位置矢量，为机械臂轨迹跟踪误差，表示关节角位置矢量；预设性能函数为：其中，，表示用来限制跟踪误差的预设性能函，，，是设计参数，且，和是正数，表示指数函数。7.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法，其特征在于：步骤4中指令滤波器为：其中，为设计参数，为虚拟控制律，其...
【专利技术属性】
技术研发人员：杨迪，邹臣禧，刘伟军，赵海超，张恒，
申请(专利权)人：沈阳工业大学，
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。