一种带状态约束和执行器故障的单连杆机械臂控制方法技术

本发明专利技术涉及机械臂控制领域，公开了一种带状态约束和执行器故障的单连杆机械臂控制方法，包括以下步骤：第一步：建立单连杆机械臂模型和执行器故障建模，得到带执行器故障和状态约束的不确定单连杆机械臂系统动力模型；第二步：定义误差系统，并设计第一个虚拟控制律α1和自适应律第三步：设计一种相对阈值的事件触发机制；第四步：设计第二个虚拟律α2和自适应律和第五步：对所提控制方法稳定性分析及仿真验证。本发明专利技术能够在不确定单连杆机械臂的状态受到约束和执行器发生故障时，机械臂能够很好地跟踪给定的参考信号，并有效地节省了通信资源。省了通信资源。省了通信资源。

【技术实现步骤摘要】
一种带状态约束和执行器故障的单连杆机械臂控制方法


[0001]本专利技术涉及机械臂控制领域，具体为一种带状态约束和执行器故障的单连杆机械臂控制方法。

技术介绍

[0002]机械臂是一种能模仿人手和手臂的某些动作功能，用以按照固定程序抓取、操作工具或搬运物件的自动操作装置。它可以代替人进行劳动以实现生产的自动化和机械化，是一种具有高精度、高度非线性、多输入多输出、强耦合等特征的复杂系统。因其独特的操作灵活性，已在工业装配、安全防爆等多领域得到广泛应用
[0003]随着工业变得越来越智能化，机械臂的控制系统在工业制造中变得更加重要。在实际生产应用中，机械臂的位移和速度等状态会受到物理约束，如果在控制系统设计时没有遵守约束，则会影响系统的性能和稳定性，甚至造成巨大的危害。因此，研究在系统受到时间、形式和大小不确定的约束时，保证系统稳定性的控制方法是极为重要的。同时，机械臂系统中执行器与设备相连，执行器会受到外部条件的影响出现故障，这将导致系统跟踪性能的下降，因此确保控制方法在执行器发生故障时的有效性是非常有必要的。
[0004]机械臂中不可避免地具有非线性未知部分，这会导致系统的性能下降，有必要对未知参数进行处理。同时还需要注意，在解决系统约束问题时会占用大量的通信资源，而实际系统中控制网路宽带是有限的，所以还需要研究一种保证系统控制性能的同时节约通信资源的事件触发控制策略。最后，为满足工业需求，控制系统还需要在规定的时间内收敛，因此对有限时间控制方法的研究对实际工程具有重要意义。
[0005]现有技术对于带不确定参数的单连杆机械臂系统的控制问题研究时，机械臂系统的状态会受到约束(如位移、速度等)，现有方法在解决约束问题时，都是假设执行器处于正常的工作状态下。而实际系统中的执行器容易受到环境影响出现故障。因此，在设计控制系统时需要同时考虑系统的状态约束问题和进行执行器故障补偿。
[0006]另外一方面，现有的许多控制系统的收敛时间是无限长的，而在实际生产工业生产中，对系统收敛时间往往是有要求的，所以需要保证系统在有限时间内收敛。同时在解决系统约束限制时，会消耗大量的通信资源，传统的事件触发控制策略会增加通信压力。

技术实现思路

[0007](一)解决的技术问题
[0008]针对现有技术的不足，本专利技术提供一种带状态约束和执行器故障的单连杆机械臂控制方法，采用相对阈值的事件触发控制策略，在保证系统控制性能的同时节约通信资源，以解决上述的问题。
[0009](二)技术方案
[0010]为实现上述所述目的，本专利技术提供如下技术方案：
[0011]一种带状态约束和执行器故障的单连杆机械臂控制方法，包括以下步骤：
[0012]第一步：建立单连杆机械臂模型和执行器故障建模，得到带执行器故障和状态约束的不确定单连杆机械臂系统动力模型；
[0013]第二步：定义误差系统，并设计第一个虚拟控制律α1和自适应律
[0014]第三步：设计一种相对阈值的事件触发机制；
[0015]第四步：设计第二个虚拟律α2和自适应律和
[0016]第五步：对所提控制方法稳定性分析及仿真验证。
[0017]优选的，所述第一步中带不确定参数的单连杆机械臂系统动力模型用以下微分方程描述：
[0018][0019]x1和x2为系统的状态，即单连杆机械臂的位移和速度，为系统的状态，即单连杆机械臂的位移和速度，代表系统输入，代表已知的光滑非线性函数，代表未知的非线性函数，是未知的常数参数，m代表机械臂系统中执行器的数量，i1＝1,2,
…
,m，J为单连杆机械臂的惯性，M为单连杆机械臂的质量，B是粘性摩擦系数，L是关节和质心之间的长度，G是重力加速度。函数D
is
代表未知的输入干扰。
[0020]优选的，所述机械臂系统的状态会受到约束，所以系统的状态需要满足|x1|＜1.27、|x2|＜2.5。
[0021]优选的，所述第二步中的定义如下误差系统：
[0022][0023]式中，z1,z2是误差变量，α1是虚拟控制律，y
r
是参考信号，y
(1)
表示y
r
的一阶导数；
[0024]采用径向基函数神经网络来逼近系统的不确定部分设可以得到逼近处理的表达如下：
[0025][0026]其中σ1＞0，表示逼近误差，Φ1和代表未知的权重向量和选择的径向基函数，是Φ1的转置矩阵，参数Φ1是未知的，引入一个未知的参数ξ1，令ξ1＝||Φ1||2，未知的参数ξ1可以通过估计，估计误差的定义为
[0027]优选的，所述第二步中的设计虚拟控制律α1如下：
[0028][0029]其中c1＞0，0＜l＜1，A1＞0和a1＞0都是正的设计参数，ρ1是一个大于|z1|的正数，是ξ1的估计值；
[0030]设计自适应控制律如下：
[0031][0032]其中g1是正的设计参数，Γ1是正定矩阵。
[0033]优选的，第三步中设计一个相对阈值的事件触发机制，事件触发机制的表达式如下所示：
[0034][0035]其中表示事件触发的控制输入，表示控制律，t
k+1
表示事件触发的时刻，t
k
表示上次事件触发的时刻，0＜p＜1,q＞0，τ＞0，都是正的设计参数。
[0036]优选的，当t∈[t
k
,t
k+1
)时，有其中代表控制信号，如果事件触发条件满足，即有t≥t
k+1
，
[0037]优选的，所述第四步中的设计第二个虚拟律α2和自适应律和包括以下内容：
[0038]设计虚拟控制律α2如下：
[0039][0040]其中c2，a2和A2是正的设计参数，是y
r
的二阶导数，ρ2是大于|z2|的正参数；
[0041]自适应控制律和设计如下：
[0042][0043][0044]其中其中和g2是正的设计参数，Γ2是正定矩阵，是ξ2的估计值，是的估计值。
[0045]优选的，所述第五步中的稳定性分析及仿真验证包括以下内容：结合障碍李雅普诺夫函数和反步设计法，控制律和自适应律，确认系统的状态不会违反约束和在执行器发生故障时，系统能在有限的时间内收敛，并通过仿真验证。
[0046](三)有益效果
[0047]与现有技术相比，本专利技术提供的带状态约束和执行器故障的单连杆机械臂控制方法，具备以下有益效果：
[0048]1、该带状态约束和执行器故障的单连杆机械臂控制方法，比起现有方法，对于带有不确定参数的单连杆机械臂系统，本专利技术同时考虑了系统状态的约束和执行器故障，提出了一种基于径向基函数神经网络和障碍李雅普诺夫函数的神经网络自适应控制方法。在所提方法控制下，机械臂系统可以在执行器发生故障时，在有限时间内实现对控制信号的跟踪，且在保证跟踪误差很小的同时，系统的状态不会违反约束本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带状态约束和执行器故障的单连杆机械臂控制方法，其特征在于，包括以下步骤：第一步：建立单连杆机械臂模型和执行器故障建模，得到带执行器故障和状态约束的不确定单连杆机械臂系统动力模型；第二步：定义误差系统，并设计第一个虚拟控制律α1和自适应律第三步：设计一种相对阈值的事件触发机制；第四步：设计第二个虚拟律α2和自适应律和第五步：对所提控制方法稳定性分析及仿真验证。。2.根据权利要求1所述的带状态约束和执行器故障的单连杆机械臂控制方法，其特征在于：所述第一步中带不确定参数的单连杆机械臂系统动力模型用以下微分方程描述：x1和x2为系统的状态，即单连杆机械臂的位移和速度，为系统的状态，即单连杆机械臂的位移和速度，代表系统输入，代表已知的光滑非线性函数，代表未知的非线性函数，是未知的常数参数，m代表机械臂系统中执行器的数量，i1＝1,2,...,m，J为单连杆机械臂的惯性，M为单连杆机械臂的质量，B是粘性摩擦系数，L是关节和质心之间的长度，G是重力加速度。函数D
is
代表未知的输入干扰。3.根据权利要求2所述的带状态约束和执行器故障的单连杆机械臂控制方法，其特征在于：所述机械臂系统的状态会受到约束，所以系统的状态需要满足|x1|＜1.27、|x2|＜2.5。4.根据权利要求1所述的带状态约束和执行器故障的单连杆机械臂控制方法，其特征在于：所述第二步中的定义如下误差系统：式中，z1,z2是误差变量，α1是虚拟控制律，y
r
是参考信号，y
(1)
表示y
r
的一阶导数；采用径向基函数神经网络来逼近系统的不确定部分设可以得到逼近处理的表达如下：其中σ1＞0，表示逼近误差，Φ1和代表未知的权重向量和选择的径向基函数，是Φ1的转置矩阵，参数Φ1是未知的，引入一个未知的参数ξ1，令ξ1＝||Φ1||2，未知的...

【专利技术属性】
技术研发人员：王建晖，胡梓凯，张立，刘嘉睿，张苑晴，严彦成，吴宇深，李咏华，
申请(专利权)人：广州大学，
类型：发明
国别省市：