一种齿轮巡检非线性全局滑模有限时间神经网络控制方法技术

一种齿轮巡检非线性全局滑模有限时间神经网络控制方法，包括，基于齿轮巡检机器人系统N关节机械臂数学模型，构建无模型控制框架并定义跟踪误差方程；利用径向基神经网络观测器，实现对齿轮巡检机器人系统不确定性参数和未知外扰实时观测补偿；以跟踪误差方程和非线性函数为基础，结合齿轮巡检机器人系统N关节机械臂惯性矩阵、跟踪误差非线性函数比例项、跟踪误差非线性函数积分项、跟踪误差非线性函数初始项，构建有限时间收敛非线性全局滑模面；采用系统扰动自适应趋近律，设计齿轮巡检机器人系统N关节机械臂非线性全局滑模有限时间神经网络控制器；验证了齿轮巡检机器人系统N关节机械臂为目标的轨迹跟踪试验。系统N关节机械臂为目标的轨迹跟踪试验。系统N关节机械臂为目标的轨迹跟踪试验。

【技术实现步骤摘要】
一种齿轮巡检非线性全局滑模有限时间神经网络控制方法


[0001]本专利技术涉及工业机器人控制系统
，尤其涉及一种齿轮巡检非线性全局滑模有限时间神经网络控制方法。

技术介绍

[0002]巡检机器人是具有多维度自主移动和视觉系统的装置，如隧道巡检机器人、电力巡检机器人、安防巡检机器人。其中，齿轮巡检机器人是一种用于高精度齿轮加工工艺检测的设备。齿轮巡检机器人由多关节机械臂和视觉系统组成，其自身的控制系统可实现多关节机械臂轨迹实时跟踪。然而，齿轮巡检机器人因其存在不确定性外扰和自身模型参数的不确定性，造成现有控制精度不高和存在重复定位精度差等问题。

技术实现思路

[0003]鉴于上述现有存在的问题，提出了本专利技术。
[0004]因此，本专利技术解决的技术问题是：如何针对齿轮巡检机器人系统N关节机械臂轨迹跟踪控制精度不高和存在重复定位精度等问题。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：基于齿轮巡检机器人系统N关节机械臂数学模型，构建无模型控制框架并定义齿轮巡检机器人系统N关节机械臂跟踪误差方程；利用径向基神经网络观测器，实现对齿轮巡检机器人系统不确定性参数和未知外扰进行实时观测补偿；以齿轮巡检机器人系统N关节机械臂跟踪误差方程和非线性函数为基础，结合齿轮巡检机器人系统N关节机械臂惯性矩阵、齿轮巡检机器人系统N关节机械臂跟踪误差非线性函数比例项、齿轮巡检机器人系统N关节机械臂跟踪误差非线性函数积分项、齿轮巡检机器人系统N关节机械臂跟踪误差非线性函数初始项，构建有限时间收敛非线性全局滑模面；采用系统扰动自适应趋近律，设计齿轮巡检机器人系统N关节机械臂非线性全局滑模有限时间神经网络控制器τ(t)。
[0006]作为本专利技术所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案，其中：
[0007]所述的齿轮巡检机器人系统包含：图像运算中心、高倍相机、N关节机械臂。
[0008]作为本专利技术所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案，其中：
[0009]所述的齿轮巡检机器人系统N关节机械臂数学模型：
[0010][0011]其中，等式左边分别为：齿轮巡检机器人系统N关节机械臂惯性力项齿轮巡检机器人系统N关节机械臂离心力和哥氏力项齿轮巡检机器人系统N关节机械臂重力项G(q(t))∈R
n
×1、齿轮巡检机器人系统N关节机械臂摩擦力项外扰项τ
d
(t)∈R
n
×1；M(q(t))∈R
n
×
n
为齿轮巡检机器人系统N关
节机械臂惯性矩阵，为齿轮巡检机器人系统N关节机械臂离心力和哥氏力矩阵；等式右边为齿轮巡检机器人系统N关节机械臂控制力项τ(t)∈R
n
×1；
[0012]基于所述的齿轮巡检机器人系统N关节机械臂数学模型，构建无模型控制框架：
[0013][0014]其中，m(q(t))∈R
n
×
n
为齿轮巡检机器人系统N关节机械臂无模型框架控制器无物理意义调参增益矩阵，d(t)∈R
n
×1为齿轮巡检机器人系统不确定性参数和未知外扰，定义如下：
[0015][0016]定义所述的齿轮巡检机器人系统N关节机械臂的跟踪误差为：
[0017]e(t)＝q
*
(t)
‑
q(t)
[0018]其中，q
*
(t)是所述的齿轮巡检机器人系统N关节机械臂的目标轨迹，q(t)是所述的齿轮巡检机器人系统N关节机械臂的实际轨迹，e(t)是所述的齿轮巡检机器人系统N关节机械臂的跟踪误差；
[0019]将所述的齿轮巡检机器人系统N关节机械臂的跟踪误差取二阶微分得：
[0020][0021]其中，是e(t)的二阶微分；是q
*
(t)的二阶微分；是q(t)的二阶微分；
[0022]定义齿轮巡检机器人系统N关节机械臂跟踪误差方程：
[0023][0024]作为本专利技术所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案，其中：
[0025]定义所述的径向基神经网络观测器：
[0026][0027][0028][0029]w
*
＝argmin(d(t))
[0030]h(x)＝[h1(x) h2(x)
ꢀ…ꢀ
h
n
(x)][0031][0032]当||x
‑
o
n
||≤h
n
：
[0033][0034]当h
n
<||x
‑
o
n
||≤2h
n
：
[0035][0036]当2h
n
<||x
‑
o
n
||：
[0037]h
n
(x)＝0
[0038]其中，是齿轮巡检机器人系统不确定性参数和未知外扰的估计值，w
*
是所述的径向基神经网络观测器最佳权值，h(x)是所述的径向基神经网络观测器隐藏层函数，x是所述的径向基神经网络观测器输入，o
n
是所述的径向基神经网络观测器中心；h
n
是所述的径向基神经网络观测器带宽。
[0039]作为本专利技术所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案，其中：
[0040]定义所述的有限时间收敛非线性全局滑模面：
[0041][0042]s(t)＝[s1(t) s2(t)
ꢀ…ꢀ
s
n
(t)]T
[0043]k
gnp
＝diag[k
1gnp k
2gnp
ꢀ…ꢀ
k
ngnp
]T
[0044]k
gni
＝diag[k
1gni k
2gni
ꢀ…ꢀ
k
ngni
]T
[0045][0046]k＝diag[k
1 k2ꢀ…ꢀ
k
n
]T
[0047]fal[e(t)，γ，η][0048]＝[fal[e1(t)，γ，η] fal[e2(t)，γ，η]ꢀ…ꢀ
fal[e
n
(t)，γ，η]]T
[0049][0050]fal[e(0)，γ，η][0051]＝[fal[e1(0)，γ，η] fal[e2(0)，γ，η]ꢀ…ꢀ
fal[e
n
(0)，γ，η]]T
[0052][0053][0054][0055]其中，k
gnp
fal[e(t),γ,η]是齿轮巡检机器人系统N关节机械臂跟踪误差非线性函数比例项，k<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种齿轮巡检非线性全局滑模有限时间神经网络控制方法，其特征在于：包括如下步骤：S1，基于齿轮巡检机器人系统N关节机械臂数学模型，构建无模型控制框架并定义齿轮巡检机器人系统N关节机械臂跟踪误差方程；S2，利用径向基神经网络观测器，实现对齿轮巡检机器人系统不确定性参数和未知外扰进行实时观测补偿；S3，以齿轮巡检机器人系统N关节机械臂跟踪误差方程和非线性函数为基础，结合齿轮巡检机器人系统N关节机械臂惯性矩阵、齿轮巡检机器人系统N关节机械臂跟踪误差非线性函数比例项、齿轮巡检机器人系统N关节机械臂跟踪误差非线性函数积分项、齿轮巡检机器人系统N关节机械臂跟踪误差非线性函数初始项，构建有限时间收敛非线性全局滑模面；S4，采用系统扰动自适应趋近律，设计齿轮巡检机器人系统N关节机械臂非线性全局滑模有限时间神经网络控制器τ(t)。2.根据权利要求1所述的一种齿轮巡检非线性全局滑模有限时间神经网络控制方法，其特征在于：步骤S1中，所述的齿轮巡检机器人系统包含：图像运算中心、高倍相机、N关节机械臂。3.根据权利要求1～2任一所述的一种齿轮巡检非线性全局滑模有限时间神经网络控制方法，其特征在于：步骤S1中，所述的齿轮巡检机器人系统N关节机械臂数学模型：其中，等式左边分别为：齿轮巡检机器人系统N关节机械臂惯性力项齿轮巡检机器人系统N关节机械臂离心力和哥氏力项齿轮巡检机器人系统N关节机械臂重力项G(q(t))∈R
n
×1、齿轮巡检机器人系统N关节机械臂摩擦力项外扰项τ
d
(t)∈R
n
×1；M(q(t))∈R
n
×
n
为齿轮巡检机器人系统N关节机械臂惯性矩阵，为齿轮巡检机器人系统N关节机械臂离心力和哥氏力矩阵；等式右边为齿轮巡检机器人系统N关节机械臂控制力项τ(t)∈R
n
×1；基于所述的齿轮巡检机器人系统N关节机械臂数学模型，构建无模型控制框架：其中，m(q(t))∈R
n
×
n
为齿轮巡检机器人系统N关节机械臂无模型框架控制器无物理意义调参增益矩阵，d(t)∈R
n
×1为齿轮巡检机器人系统不确定性参数和未知外扰，定义如下：定义所述的齿轮巡检机器人系统N关节机械臂的跟踪误差为：e(t)＝q
*
(t)
‑
q(t)其中，q
*
(t)是所述的齿轮巡检机器人系统N关节机械臂的目标轨迹，q(t)是所述的齿轮巡检机器人系统N关节机械臂的实际轨迹，e(t)是所述的齿轮巡检机器人系统N关节机械臂
的跟踪误差；将所述的齿轮巡检机器人系统N关节机械臂的跟踪误差取二阶微分得：其中，是e(t)的二阶微分；是q
*
(t)的二阶微分；是q(t)的二阶微分；定义齿轮巡检机器人系统N关节机械臂跟踪误差方程：4.根据权利要求1～3任一所述的一种齿轮巡检非线性全局滑模有限时间神经网络控制方法，其特征在于：步骤S2中，定义所述的径向基神经网络观测器：制方法，其特征在于：步骤S2中，定义所述的径向基神经网络观测器：制方法，其特征在于：步骤S2中，定义所述的径向基神经网络观测器：w
*
＝argmin(d(t))h(x)＝[h1(x) h2(x)
…
h
n
(x)]当||x
...

【专利技术属性】
技术研发人员：朱明祥，王钰，
申请(专利权)人：南京师范大学泰州学院，
类型：发明
国别省市：