一种考虑执行器饱和的模块化机械臂容错控制方法技术

本发明专利技术涉及一种考虑执行器饱和的模块化机械臂容错控制方法，该方法为：构建执行器故障下基于关节力矩传感器反馈技术的模块化机械臂的系统子关节动力学模型，针对具有外部扰动，未知执行器故障及执行器饱和的模块化机械臂系统设计积分终端滑模超平面，利用径向基神经网络设计具有非线性干扰观测器的神经自适应容错控制器，优化系统的跟踪性能，最终考虑执行饱和得到神经自适应分散容错控制器。最后，对故障发生与否分别进行实验研究验证该方法的有效性。法的有效性。

【技术实现步骤摘要】
一种考虑执行器饱和的模块化机械臂容错控制方法


[0001]本专利技术涉及机械臂控制
，特别是涉及一种考虑执行器饱和的模块化机械臂容错控制方法。

技术介绍

[0002]近年来，机器人产业发展迅速，其应用范围涉及医疗、探索等各个方面，如涂胶机器人、防疫机器人等，可以说与人们的生活息息相关。为了解决传统机械臂配置限制和体积大的问题，模块化机械臂越来越受到学术界的关注。模块化机械臂的主要思想是将一个复杂的机械臂系统分解为多个具有较高可移植性和可维护性的子系统模块。因此，其控制器的设计必须满足模块化要求，即每个关节模块都有独立的控制器，能够满足不同任务环境和各种机械手配置的工作需要，从而显示出传统机械臂所不具备的优势，进而提高工作效率。
[0003]由于模块化机械臂系统是一类具有高度非线性、时变干扰的复杂控制系统，因而其控制问题存在一定难度。众所周知，模块化机械臂的关节故障、外界扰动以及系统不确定性可以通过设计容错控制器来对其进行补偿。然而，补偿项的增加很容易在机械臂关节处产生较大的指令转矩，并且在容错控制器的操作下，可能会遇到执行器饱和的问题，导致系统不稳定甚至使得系统完全瘫痪，这将给人们的人身及财产安全带来极大的隐患。因此，针对整个关节模块系统进行具有执行器饱和的容错控制是该研究领域亟待解决的问题。

技术实现思路

[0004]本专利技术的目的是提供一种考虑执行器饱和的模块化机械臂容错控制方法，提高了控制系统的稳定性和可靠性。
[0005]为实现上述目的，本专利技术提供了如下方案：/>[0006]一种考虑执行器饱和的模块化机械臂容错控制方法，该方法为：构建执行器故障下基于关节力矩传感器反馈技术的模块化机械臂的系统子关节动力学模型，针对具有外部扰动，未知执行器故障及执行器饱和的模块化机械臂系统设计积分终端滑模超平面，利用径向基神经网络设计具有非线性干扰观测器的神经自适应容错控制器，优化系统的跟踪性能，最终考虑执行饱和得到神经自适应分散容错控制器。最后，对故障发生与否分别进行实验研究验证该方法的有效性。
[0007]一种考虑执行器饱和的模块化机械臂容错控制方法，该方法包括如下步骤：
[0008]S1建立基于力矩传感器的n自由度模块化机械臂系统动力学模型表示为：
[0009][0010]其中，Θ
i
为第i个关节位置；为第i个关节角速度；为第i个关节角加速度；I
mi
第i个关节的电机转动惯量；γ
i
为谐波减速器的减速比；为关节间的动力学耦合
交联项；为包含所有关节的位置、速度、加速度信息；为关节摩擦力矩项；τ
d
为外部干扰；τ
si
为第i个关节的力矩传感器所测得的力矩信息；τ
i
表示第i个关节的电机输出力矩；为第i个关节的执行器故障函数；为阶跃函数且γ为阶跃函数的参数，t为模块化机械臂运行时间，T
f
为模块化机械臂子关节发生执行器故障的时间。
[0011]为了便于分析，可以获得简化后的第i个关节的动力学模型：
[0012][0013]其中，B＝(I
mi
γ
i
)
‑1为转动惯量，为第i个关节的动力学耦合交联项，为第i个关节的摩擦力矩项和执行器故障项，ΔE
i
为第i个关节的外部干扰项，分别表示为：
[0014][0015][0016][0017]S2针对具有外部扰动，未知执行器故障的模块化机械臂系统设计积分终端滑模超平面，过程如下：
[0018]S2.1模块化机械臂系统的位置误差及辅助函数为：
[0019]e
i
＝Θ
i
‑
Θ
id
(6)
[0020][0021]其中，e
i
为第i个关节的位置误差，Θ
i
为第i个关节的实际位置，Θ
id
为第i个关节的期望位置，χ
i
为第i个关节的辅助变量函数，为e
i
的导数，λ
i
为辅助函数参数且λ
i
＞0。
[0022]S2.2设计积分终端滑模超平面为：
[0023][0024]其中，s
i
为第i个关节的积分终端滑模超平面，χ
i
为第i个关节的辅助变量函数，t表示时间，μ
i
表示第一正常数，ν
i
表示第二正常数，α1＞α2＝p
′
/q
′
且1＜α2＜2，p
′
为第一正奇数，q
′
为第二正奇数，是χ
i
的导数，表示第一非线性项，表示第二非线性项。
[0025]对s
i
求导，得到：
[0026][0027]其中，为第i关节的期望位置Θ
id
的二阶导数。
[0028]S3基于径向基神经网络设计具有非线性干扰观测器的神经自适应容错控制器
[0029]S3.1定义神经网络为：
[0030][0031]其中，W
if
为理想的权值，为径向基神经网络激活函数，ε
if
为神经网络近似误差。T为转置符号。
[0032][0033]其中，为摩擦力矩项和执行器故障项估计值，为权值估计值，为权值的估计误差，T为转置符号。
[0034][0035]其中，为耦合交联项上界，d
ij
为第i关节的正常数，E
j
为滑模变量辅助上界函数。
[0036][0037]其中，为耦合交联项神经网络估计值，为径向基神经网络权值估计值，Φ(|s
i
|)为径向基神经网络激活函数。
[0038]S3.2设计神经网络更新权值
[0039][0040][0041]其中，ξ
if
＞0，ξ
ip
＞0，和分别为和的导数。
[0042]S3.3考虑非线性干扰观测器被设计为：
[0043][0044]其中，为第i个关节的外部干扰项和神经网络近似误差的估计值，s
i
为第i个关节的积分终端滑模超平面，σ为正常数，为耦合交联项的径向基神经网络估计值，sgn(s
i
)为符号函数，为摩擦力矩项和执行器故障项的径向基神经网络估计值，χ
i
为第i个关节的辅助变量函数，μ
i
为第一正常数，v
i
为第二正常数，α1＞α2＝p
′
/q
′
且1＜α2＜2，p
′
为第一正奇数，q
′
为第二正奇数，是χ
i
的导数，为第一非线性项，为
第二非线性项，为第i关节的期望位置Θ
id
的二阶导数，表示第i个关节的位置跟踪误差本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑执行器饱和的模块化机械臂分散容错控制方法，该方法为：构建执行器故障下基于关节力矩传感器反馈技术的模块化机械臂的系统子关节动力学模型，针对具有外部扰动，未知执行器故障及执行器饱和的模块化机械臂系统设计积分终端滑模超平面，利用径向基神经网络设计具有非线性干扰观测器的神经自适应容错控制器，优化系统的跟踪性能，最终考虑执行饱和得到神经自适应分散容错控制器。最后，对故障发生与否分别进行实验研究验证该方法的有效性。2.根据权利要求1所述的一种考虑执行器饱和的模块化机械臂分散容错控制方法，该方法包括如下步骤：步骤一，建立基于力矩传感器的n自由度模块化机械臂系统动力学模型表示为：其中，Θ
i
为第i个关节位置；为第i个关节角速度；为第i个关节角加速度；I
mi
第i个关节的电机转动惯量；γ
i
为谐波减速器的减速比；为关节间的动力学耦合交联项；为包含所有关节的位置、速度、加速度信息；为关节摩擦力矩项；τ
d
为外部干扰；τ
si
为第i个关节的力矩传感器所测得的力矩信息；τ
i
表示第i个关节的电机输出力矩；为第i个关节的执行器故障函数；为阶跃函数且γ为阶跃函数的参数，t为模块化机械臂运行时间，T
f
为模块化机械臂子关节发生执行器故障的时间。为了便于分析，可以获得简化后的第i个关节的动力学模型：其中，B＝(I
mi
γ
i
)
‑1为转动惯量，为第i个关节的动力学耦合交联项，为第i个关节的摩擦力矩项和执行器故障项，ΔE
i
为第i个关节的外部干扰项，分别表示为：别表示为：别表示为：步骤二，针对具有外部扰动，未知执行器故障的模块化机械臂系统设计积分终端滑模超平面，过程如下：2.1模块化机械臂系统的位置误差及辅助函数为：e
i
＝Θ
i
‑
Θ
id
ꢀꢀꢀꢀ
(6)其中，e
i
为第i个关节的位置误差，Θ
i
为第i个关节的实际位置，Θ
id
为第i个关节的期望
位置，χ
i
为第i个关节的辅助变量函数，为e
i
的导数，λ
i
为辅助函数参数且λ
i
＞0。2.2设计积分终端滑模超平面为：其中，s
i
为第i个关节的积分终端滑模超平面，χ
i
为第i个关节的辅助变量函数，t表示时间，μ
i
表示第一正常数，ν
i
表示第二正常数，α1＞α2＝p
′
/q
′
且1＜α2＜2，p
′
为第一正奇数，q
′
为第二正奇数，是χ
i
的导数，表示第一非线性项，表示第二非线性项。对s
i
求导，得到：其中，为第i关节的期望位置Θ
id
的二阶导数。步骤三基于径向基神经网络设计具有非线性干扰观测器的神经自适应容错控制器3.1定义神经网络为：其中，W
if
为理想的权值，为径向基神经网络激活函数，ε
...

【专利技术属性】
技术研发人员：卢曾鹏，李岩，张振国，周帆，刘克平，李元春，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：