一种基于增量模型预测控制的制造技术

本发明专利技术公开了一种基于增量模型预测控制的

【技术实现步骤摘要】
一种基于增量模型预测控制的N连杆机械臂控制方法


[0001]本专利技术属于空间机械臂控制
，具体地说，是涉及一种基于增量模型预测控制的
N
连杆机械臂控制方法
。

技术介绍

[0002]随着世界航天事业迅速发展，对太空的探索不断深入，未来将有大量的空间任务需要人类来完成，如空间站的建造
、
空间设备的维护
、
科学实验载荷的照料等
。
由于太空环境的特殊性和目前科技水平的限制，这些任务尚不能全靠宇航员来完成
。
空间机械臂具有适应微重力
、
高低温交变
、
高辐射等太空环境的作业能力，采用空间机械臂协助或代替宇航员完成一些太空作业任务，在经济性和安全性方面都具有重要的意义，已经成为空间技术研究领域内的一个重要的研究方向
。
[0003]机械臂是多输入多输出系统，具有高非线性，强动态耦合，参数摄动和未知干扰等不良特性，目前机械臂控制系统很多采用
PID(Proportion
‑
Integral
‑
Differential)
控制方法
。
现有的
PID
控制器的设计方法主要分为两种，分别为传统
PID
的设计方法和智能
PID
控制方法
。
[0004]传统
PID
的设计，主要应用系统的一些可测的中间状态或输出作为反馈，通过事先计算出的
PID
参数调节输入从而实现输出的跟踪，但其在非线性场景中存在超调
、
抖动等问题，因此还不能用于许多对精密度要求高的航天领域
。
[0005]智能
PID
控制方法一般用于多输入多输出的非线性的控制系统
。
现有的智能
PID
控制方法主要有模糊自适应
PID
控制器和神经网络
PID
等
。
模糊自适应
PID
控制器是利用模糊逻辑并根据一定的模糊规则对
PID
的参数进行实时的优化，以克服传统
PID
参数无法实时调整的缺点，能够有效减小机械臂的滑模抖振现象，具有更好的动态性能和抗干扰能力，但该方法难以满足约束条件和性能指标要求
。
神经网络具有任意非线性表达能力，可以通过对系统性能的学习建立参数
k
P
、k
i
、k
d
自整定的
PID
控制器，较之模糊
PID
控制具有更好的鲁棒性和补偿非线性迟滞问题的能力
。
但是神经网络
PID
控制器的设计需要大量的训练数据，网络拟合的好坏程度直接影响着控制器的性能
。

技术实现思路

[0006]本专利技术的目的在于提供一种基于增量模型预测控制的
N
连杆机械臂控制方法，主要解决现有技术中
PID
控制器中
PID
过程参数难以调节，超调量过大和约束无法满足的问题
。
[0007]为实现上述目的，本专利技术采用的技术方案如下：
[0008]一种基于增量模型预测控制的
N
连杆机械臂控制方法，包括如下步骤：
[0009]S1
，建立
N
连杆机械臂系统的拉格朗日动力学模型，并对其进行雅可比矩阵一阶泰勒展开后再通过香农采样定理对其近似采样离散化；
[0010]S2
，建立增量模型预测控制器对系统的未来状态或输出进行预测，并在有限的时
间间隔内求解一个优化问题，对状态进行优化；
[0011]S3
，将优化后的第一步控制输入应用于系统中，并使优化过程在模型向后平移的范围内重复进行，从而实现对
N
连杆机械臂系统的控制
。
[0012]进一步地，在所述步骤
S1
中，离散后的动力学模型为：
[0013][0014]其中，
x(*)
表示系统状态量，
u(*)
表示系统输入量，
c(k)
为线性化后的常量，
y(*)
为系统输出量，
A
d
,B
d
,C
d
为状态空间系统矩阵；
[0015]对式
(1)
两边进行差分运算，得到：
[0016]x(k+1)
‑
x(k)
＝
A
d
[x(k)
‑
x(k
‑
1)]+B
d
[u(k)
‑
u(k
‑
1)]+
Δ
c
ꢀꢀ
(2)
[0017]定义状态差分变量
Δ
x(*)
和控制输入差分变量
Δ
u(*)
为：
[0018]Δ
x(k+1)
＝
x(k+1)
‑
x(k)
[0019]Δ
x(k)
＝
x(k)
‑
x(k
‑
1)
[0020]Δ
u(k)
＝
u(k)
‑
u(k
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0021]Δ
c
＝
c(k)
‑
c(k
‑
1)
[0022]则式
(2)
可写作：
[0023]Δ
x(k+1)
＝
A
d
Δ
x(k)+B
d
Δ
u(k)+
Δ
c
ꢀꢀꢀꢀ
(4)
[0024]即有：
[0025][0026]进一步地，在所述步骤
S2
中的增量模型预测控制器中，增量模型预测控制算法是通过最小化代价函数并同时满足约束条件来跟踪参考轨迹；即在时刻
t
时
,
实际采样时刻为
KT
，代价函数依赖于跟踪误差
e(k)
＝
y
d
(k)
‑
r(k)
和控制输入
u
d
(k)
，其中，
r(k)
为参考轨迹，定义输出预测
Np
步，控制输入预测
Np
步；则有：
[0027][0028]式
(6)
写成
[0029]E
k
＝<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于增量模型预测控制的
N
连杆机械臂控制方法，其特征在于，包括如下步骤：
S1
，建立
N
连杆机械臂系统的拉格朗日动力学模型，并对其进行雅可比矩阵一阶泰勒展开后再通过香农采样定理对其近似采样离散化；
S2
，建立增量模型预测控制器对系统的未来状态或输出进行预测，并在有限的时间间隔内求解一个优化问题，对状态进行优化；
S3
，将优化后的第一步控制输入应用于系统中，并使优化过程在模型向后平移的范围内重复进行，从而实现对
N
连杆机械臂系统的控制
。2.
根据权利要求1所述的一种基于增量模型预测控制的
N
连杆机械臂控制方法，其特征在于，在所述步骤
S1
中，离散后的动力学模型为：其中，
x(*)
表示系统状态量，
u(*)
表示系统输入量，
c(k)
为线性化后的常量，
y(*)
为系统输出量，
A
d
,B
d
,C
d
为状态空间系统矩阵；对式
(1)
两边进行差分运算，得到：
x(k+1)
‑
x(k)
＝
A
d
[x(k)
‑
x(k
‑
1)]+B
d
[u(k)
‑
u(k
‑
1)]+
Δ
c(2)
定义状态差分变量
Δ
x(*)
和控制输入差分变量
Δ
u(*)
为：
Δ
x(k+1)
＝
x(k+1)
‑
x(k)
Δ
x(k)
＝
x(k)
‑
x(k
‑
1)
Δ
u(k)
＝
u(k)
‑
u(k
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
Δ
c
＝
c(k)<...

【专利技术属性】
技术研发人员：李彬，王宇，张凯，史明明，关涛，韩飞，
申请(专利权)人：四川大学，
类型：发明
国别省市：