一种基于模型的有约束的增量预测状态空间控制方法技术

本发明专利技术提出了一种基于模型的有约束的增量预测状态空间控制方法，包括：步骤S1，对单关节状态空间进行动力学建模；步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。输入到真实的机器人单关节系统中。输入到真实的机器人单关节系统中。

【技术实现步骤摘要】
一种基于模型的有约束的增量预测状态空间控制方法


[0001]本专利技术涉及工业机器人
，特别涉及一种基于模型的有约束的增量预测状态空间控制方法。

技术介绍

[0002]随着工业机器人应用领域的不断扩大以及现代工业的快速发展，人们对工业机器人性能的要求越来越高，以进一步提高生产效率和产品质量，因此高速、高精度成为目前机器人伺服控制的发展趋势。
[0003]在工业机器人的控制器设计中，大多将机器人单关节作为刚体进行研究。但在实际应用中，由于轴承和齿轮的弹性或使用的谐波减速器的柔性，机器人单关节并不能完全作为刚体来研究。由于控制器对柔性的忽略，会造成机器人控制的响应速度和精度的下降，甚至会影响机器人控制系统的稳定性。

技术实现思路

[0004]本专利技术的目的旨在至少解决所述技术缺陷之一。
[0005]为此，本专利技术的目的在于提出一种基于模型的有约束的增量预测状态空间控制方法。
[0006]为了实现上述目的，本专利技术的实施例提供一种基于模型的有约束的增量预测状态空间控制方法，包括如下步骤：步骤S1，对单关节状态空间进行动力学建模。
[0007]步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中；进一步，对单关节状态空间进行建模。机器人单关节系统的动力学模型为：；；；；其中：: 连杆端位置；: 电机端位置；: 连杆端惯量；: 电机端惯量；: 连杆端质量；: 连杆端长度；: 减速器刚度；得到状态空间方程为：； ；
其中：；；。
[0008]进一步，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)。状态空间控制器的控制方程为：。
[0009]进一步，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果。
[0010]进一步，所述增量预测控制器的算法为：；其中： 此处为输出预测深度； 此处为控制深度；, ,
。
[0011]进一步，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
[0012]进一步，最优算法的优化函数为：
[0013]其中：: 为位置指令；，此处为控制权重；最优算法的约束为：；；；为电机出力力矩的最小值，为电机出力力矩的最大值。
[0014]进一步，所述最优算法采用梯度下降法。
[0015]根据本专利技术实施例的于模型的有约束的增量预测状态空间控制方法，用于提升控制系统的精度和稳定性。本专利技术设计应用于机器人单关节的增量预测控制，提出了状态空间控制于增量预测的策略，通过最优算法优化机器人的动力学响应。
[0016]本专利技术通过最优算法得到能优化机器人单关节系统动力的最优控制方式，通过状态空间预测提高了单关节系统的稳定性，综合后显著提高了系统的响应速度和带宽。
[0017]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0018]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术实施例的基于模型的有约束的增量预测状态空间控制方法的流程图；图2为根据本专利技术实施例的单关节控制框架图。
具体实施方式
[0019]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终
相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0020]如图1和图2所示，本专利技术实施例的基于模型的有约束的增量预测状态空间控制方法，包括如下步骤：步骤S1，对单关节状态空间进行动力学建模；步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
[0021]具体的，对单关节状态空间进行建模，机器人单关节系统的动力学模型为：；；；；其中：: 连杆端位置；: 电机端位置；: 连杆端惯量；: 电机端惯量；: 连杆端质量；: 连杆端长度；: 减速器刚度；得到状态空间方程为：； ；其中：；；。
[0022]将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)。状态空间控制器的控制方程为：。
[0023]将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果。
[0024]在本专利技术的实施例中，增量预测控制器的算法为：；其中：
ꢀ
此处为输出预测深度； 此处为控制深度；, ,。
[0025]在本专利技术中，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
[0026]具体的，最优算法的优化函数为：
[0027]其中：: 为位置指令；，此处为控制权重；最优算法的约束为：；
；；为电机出力力矩的最小值，为电机出力力矩的最大值。
[0028]在本专利技术的实施例中，最优算法方式种类不限，可以应用常用最优算法。优选的，最优算法采用梯度下降法。
[0029]根据本专利技术实施例的于模型的有约束的增量预测状态空间控制方法，用于提升控制系统的精度和稳定性。本专利技术设计应用于机器人单关节的增量预测控制，提出了状态空间控制于增量预测的策略，通过最优算法优化机器人的动力学响应。
[0030]本专利技术通过最优算法得到能优化机器人单关节系统动力的最优控制方式，通过状态空间预测提高了单关节系统的稳定性，综合后显著提高了系统的响应速度和带宽。
[0031]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、
ꢀ“
示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0032]尽管上面已经示出和描述了本专利技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本专利技术的限制，本领域的普通技术人员在不脱离本专利技术的原理和宗旨的情况下在本专利技术的范围内可以对上述实施例进行变化、修改、替换和变型。本专利技术的范围由所附权利要求及其等同限定。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型的有约束的增量预测状态空间控制方法，其特征在于，包括如下步骤：步骤S1，对单关节状态空间进行动力学建模；步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。2.如权利要求1所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，对单关节状态空间进行建模，机器人单关节系统的快动力学模型为：；；；；其中：: 连杆端位置；: 电机端位置；: 连杆端惯量；: 电机端惯量；: 连杆端质量；: 连杆端长度；: 减速器刚度；得到状态空间方程为：； ；其中：；；。3.如权利要求2所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k),状态空间控制器的控制方程为...

【专利技术属性】
技术研发人员：张靖棋，庹华，韩峰涛，杨春卫，姜鼎盛，杨嘉伟，刘长乐，王凡，
申请(专利权)人：珞石北京科技有限公司，
类型：发明
国别省市：