【技术实现步骤摘要】
本专利技术涉及力反馈机械手控制，具体为基于粒子群优化的力反馈非线性自抗扰控制器及方法。
技术介绍
1、随着人口老龄化现象越来越明显，慢性疾病、残疾和运动障碍等疾病也呈上升趋势，自主康复的需求不断增长。在中风、脊髓损伤、肌无力等神经系统疾病或手臂受伤等情况下，许多患者需要进行长期自主康复，但传统的康复方法往往存在局限性。例如，传统物理疗法和药物治疗可能无法实现精细个性化康复。力反馈机械手是一种利用机器人技术为患者提供辅助训练的康复设备，它通过准确感知、模仿与控制手部运动，为患者提供个性化康复方案，从而达到提高康复效果的目的。通过使用力反馈机械手，患者可以更便捷地进行康复，增强个体的康复信心和自信心。此外，力反馈机械手还可以推动机器人技术的发展，实现智能化、个性化康复方案的制定。因此，力反馈机械手具有广泛的应用前景。
2、现有的力反馈机械手的控制技术存在以下缺陷，一是现有的控制技术不具备较强的适应性，依赖于具体的系统模型，二是无法实时反馈补偿控制系统，容易受到干扰，三是现有的粒子群算法无法自动进行参数整定，非线性自抗扰控制的参数过于繁多复杂，设计效率较低。
技术实现思路
1、本专利技术的目的在于提供基于粒子群优化的力反馈非线性自抗扰控制器及方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于粒子群优化的力反馈非线性自抗扰控制器，包括信号输入模块、跟踪微分器、反馈控制律、扩张状态观测器、力反馈系统和粒子群算法模块，信号输入模
3、基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，包括步骤一，搭建模型；步骤二，确定空间表达式；步骤三，过渡处理位移信号；步骤四，处理反馈控制信号；步骤五，处理扩张状态观测信号；步骤六，补偿控制量反馈系统；
4、其中上述步骤一中，通过粒子群的优化方法获得产生粒子在搜索空间中的位置变量x和粒子的运动速度v，搭建力反馈机械手运动学模型和动力学模型；
5、其中上述步骤二中，通过粒子群的优化方法，优化参数得到控制输出y，确定力反馈机械手的状态空间表达式；
6、其中上述步骤三中，信号输入模块获得位移信号v，输入到跟踪微分器中，输出的v1信号是输入位移信号v经过过渡后的信号，v2信号则是位移信号v的微分信号；
7、其中上述步骤四中，通过跟踪微分器过渡信号之后，v1信号和v2信号分别与扩张状态观测器的输出z1和z2相减得到反馈控制律的输入e1和e2，反馈控制律通过非线性组合的方式来实现，计算后得到的输出为u0；
8、其中上述步骤五中，在扩张状态观测器中扩张原来的状态变量，将环境外扰动和系统内扰动之和的总扰动转变为一个新的状态变量，扩张状态观测器的输入信号为b0u和y，输出为z1，z2和z3；
9、其中上述步骤六中，补偿后的控制量作用于力反馈机械手系统，实现精确控制。
10、优选的，所述步骤一中，运动学模型包括弹簧拉力的理论模型和电机通过履带传动的位移模型，公式分别为：
11、f(t)＝kx
12、
13、两式联立并分别求导得到直流电机调速控制量：
14、
15、力反馈机械手动力学模型描述如下。
16、
17、优选的，所述步骤二中，取状态变量x1＝x，那么力反馈系统的状态方程为：
18、
19、力反馈系统的状态空间表达式如下。
20、
21、
22、优选的，所述步骤三中，跟踪微分器的输出端口的系统状态v1和v2的离散公式如下：
23、
24、跟踪微分器的公式包含一个核心算法部分，即最速控制函数fhan(v1,v2,r,h0)，让整个跟踪微分器能够迅速且平稳地跟踪输入信号的变化，其跟踪公式如下：
25、
26、跟踪微分器包含的参数为跟踪速度因子r，和滤波因子h0。
27、优选的，所述步骤四中，反馈控制律表达式如下：
28、u0＝β1fal(e1,a1,δ)+β2fal(e2,a2,δ)
29、其中fal(e,a,δ)为非线性函数：
30、
31、反馈控制律包含的参数有α1、α2、β1、β2和δ。
32、优选的，所述步骤五中，对力反馈机械手系统建立非线性扩张状态观测器如下：
33、
34、扩张观测器的连续形式对应的离散形式表示公式为：
35、
36、扩张观测器包含的参数为b、β01、β02、β03、α1和α2，其中α1和α2可随意取值，可以分别取1/2和1/4可以得到较好的效果。
37、优选的，所述步骤六中，补偿后的控制量公式如下：
38、
39、力反馈非线性自抗扰控制器总共包含r、h0、b、β01、β02、β03、β1、β2、α1、α2和δ这11组参数。
40、优选的，所述粒子群的优化方法具体为：
41、s1：设置算法中的常量惯性因子ω，加速度的常量c1和c2，通过随机方法，产生粒子在搜索空间中的位置变量x和离子的运动速度v；
42、s2：跟踪微分器中的参数r和h0，和扩张状态观测器中的参数b0、b01、b02和b03作为优化对象，对应于粒子群中不同粒子的位置变量x，经过算法计算后，粒子群中每个粒子的位置变量x分别赋予跟踪微分器和扩张状态观测器中的对应参数；
43、s3：利用经粒子群算法优化后的参数r、h0、b0、b01、b02和b03在非线性自抗扰控制器和力反馈系统中进行仿真，得到控制输出y；
44、s4：根据绝对误差时间积分判断控制效果是否满足条件，若满足即结束优化，若不满足则更新粒子种群继续优化。
45、优选的，所述itae指标的计算公式如下：
46、
47、粒子群优化更新的公式如下：
48、
49、其中，pt为粒子在此刻找到的局部最优的位置，gt是在整个搜索过程中找到的全局最优的位置。
50、与现有技术相比，本专利技术的有益效果是：本专利技术通过扩张状态观测器进行实时估计，补偿力反馈系统在工作时受到的总干扰，另外设计的非线性自抗扰控制技术可以在不依赖于具体的系统模型的情况下进行力反馈控制，具有很强的适应性和鲁棒性，通过粒子群优化算法能自动进行参数整定，提高了非线性自抗扰控制器的设计效率，优化了控制性能。
本文档来自技高网...【技术保护点】
1.基于粒子群优化的力反馈非线性自抗扰控制器，包括信号输入模块(1)、跟踪微分器(2)、反馈控制律(3)、扩张状态观测器(4)、力反馈系统(5)和粒子群算法模块(6)，其特征在于：所述信号输入模块(1)和粒子群算法模块(6)的输出端均电性连接于跟踪微分器(2)上，跟踪微分器(2)和扩张状态观测器(4)的输出端电性连接于反馈控制律(3)上，反馈控制律(3)的输出端电性连接于力反馈系统(5)和扩张状态观测器(4)上，力反馈系统(5)的输出端分别电性连接于粒子群算法模块(6)和扩张状态观测器(4)上。
2.基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，包括步骤一，搭建模型；步骤二，确定空间表达式；步骤三，过渡处理位移信号；步骤四，处理反馈控制信号；步骤五，处理扩张状态观测信号；步骤六，补偿控制量反馈系统；其特征在于：
3.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述步骤一中，运动学模型包括弹簧拉力的理论模型和电机通过履带传动的位移模型，公式分别为：
4.根据权利要求2所述的基于粒子群优化的力反馈非线性
5.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述步骤三中，跟踪微分器(2)的输出端口的系统状态v1和v2的离散公式如下：
6.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述步骤四中，反馈控制律(3)表达式如下：
7.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述步骤五中，对力反馈机械手系统建立非线性扩张状态观测器(4)如下：
8.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述步骤六中，补偿后的控制量公式如下：
9.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述粒子群的优化方法具体为：
10.根据权利要求9所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述ITAE指标的计算公式如下：
...【技术特征摘要】
1.基于粒子群优化的力反馈非线性自抗扰控制器，包括信号输入模块(1)、跟踪微分器(2)、反馈控制律(3)、扩张状态观测器(4)、力反馈系统(5)和粒子群算法模块(6)，其特征在于：所述信号输入模块(1)和粒子群算法模块(6)的输出端均电性连接于跟踪微分器(2)上，跟踪微分器(2)和扩张状态观测器(4)的输出端电性连接于反馈控制律(3)上，反馈控制律(3)的输出端电性连接于力反馈系统(5)和扩张状态观测器(4)上，力反馈系统(5)的输出端分别电性连接于粒子群算法模块(6)和扩张状态观测器(4)上。
2.基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，包括步骤一，搭建模型；步骤二，确定空间表达式；步骤三，过渡处理位移信号；步骤四，处理反馈控制信号；步骤五，处理扩张状态观测信号；步骤六，补偿控制量反馈系统；其特征在于：
3.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗扰控制器的控制方法，其特征在于：所述步骤一中，运动学模型包括弹簧拉力的理论模型和电机通过履带传动的位移模型，公式分别为：
4.根据权利要求2所述的基于粒子群优化的力反馈非线性自抗...
【专利技术属性】
技术研发人员：王一波，谭立国，熊永程，张新彬，霍建文，汪鑫伟，冯小龙，闫硕，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。