一种飞走式巡线机器人柔索环境下滑移反向约束控制方法技术

本发明专利技术提出一种适用于飞走式巡线机器人柔索环境下滑移反向约束控制方法，该方法包括：建立飞走式巡线机器人的多变量模型预测控制的状态变量方程模型，对所述状态方程模型进行模型预测控制；每个控制周期内，比较控制器输出信号值，得到滑移率，将滑移率作为目标函数的约束之一，构成滑移率对控制系统的反向约束，通过遗传算法规划器求解所述目标函数的最优解，得到多变量模型预测控制的参考输入；利用所述参考输入，对多变量模型预测控制的真实输入进行控制分配。本发明专利技术提出的方法可用于模型预测控制系统的输入控制，有效的解决多变量模型预测控制系统中存在的反向约束的问题，提高了模型预测控制器的适用范围。高了模型预测控制器的适用范围。高了模型预测控制器的适用范围。

【技术实现步骤摘要】
一种飞走式巡线机器人柔索环境下滑移反向约束控制方法


[0001]本专利技术涉及飞走式巡线机器人系统控制
，尤其涉及一种柔索环境下滑移反向约束控制方法。

技术介绍

[0002]用于电力巡检的飞走式巡线机器人通过飞行悬挂到电力线上，沿呈悬链状弹性线缆长距离滑移。受机器人自重引起的柔索形变及高空风摆等环境因素干扰，使机器人在线上行走时会发生打滑现象，严重影响机器人的行走性能和巡检质量。此时，需要通过自动精细调节压紧机构产生的压力以抑制行走打滑，否则压力过大会降低行走速度，影响机器人工作效率；压力太小则不能良好的抑制打滑。并且，在上坡时随着行走过程的推进，机器人沿电力线的倾角会随之增加，加大对压紧力的需求。
[0003]多变量模型预测控制，是一种局部最优算法，常用于机器人控制。该算法通过预测模型、反馈校正和滚动优化在每个时刻通过某一性能指标的最优化，确定对未来的控制作用。它采用基于脉冲响应的非参数模型作为内部模型，以过去和未来的输入输出状态预测系统未来的输出状态，对内部模型的输出误差进行反馈校正后，与预设轨迹比较，应用二次型性能指标进行滚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞走式巡线机器人柔索环境下滑移反向约束控制方法，其特征在于，包括：步骤1：定义飞走式巡线机器人多变量模型预测控制的状态变量，建立多变量模型预测的状态变量方程模型；每个控制周期内，通过比较控制器的输出信号值，得到实际滑移率；步骤2：每个控制周期内，比较实际滑移率与目标滑移率的关系，建立以滑移率为约束之一的目标函数，通过遗传算法求解所述目标函数的最优解，得到多变量模型控制的参考输入量；步骤3：利用参考输入量，对多变量模型预测控制的真实输入量进行控制分配。2.根据权利要求1所述的方法，其特征在于，对所述飞走式巡线机器人定义的多变量模型预测控制的状态变量，建立多变量模型预测控制的状态变量方程模型，包括：步骤1：定义飞走式巡线机器人的状态变量x，如下：x＝[x1,x2]
T
＝[x,v]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，x1表示线上行走的位移x，x2表示线上行走的速度v；步骤2：对整个多变量模型预测控制，其控制输入量为驱动电机输出转矩T和压紧电机压紧力P，建立多变量模型预测控制的状态变量方程模型如下：压紧力P，建立多变量模型预测控制的状态变量方程模型如下：式中，m为无人机质量，ε为摩擦系数，g为重力加速度，θ为无人机倾角，R为主动轮半径，其中，无人机倾角以正弦函数的方式作为干扰量，即ω＝sinθ；步骤3：定义多变量模型输入的输出变量，包括：y＝[y
1 y
2 y
3 y4]
T
＝[x,v,ω1,ω2]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，y1表示线上行走的位移x，y2表示线上行走的速度v，y3表示主动轮的角速度ω1，y4表示从动轮的角速度ω2。3.根据权利要求2所述的方法，其特征在于，对所述状态变量方程进行模型预测控制，每个控制周期内，当机器人沿呈悬链状弹性线缆长距离移动时，受机器人自重引起的柔索形变及高空风摆等环境因素干扰，使机器人在线...

【专利技术属性】
技术研发人员：秦新燕，冯天明，雷金，李惠东，李博，张杰，李兆钧，王艳琦，王德新，
申请(专利权)人：石河子大学，
类型：发明
国别省市：