【技术实现步骤摘要】
本专利技术涉及机械臂控制，尤其涉及一种基于自学习控制(self-learningcontrol，简称为slc)策略的机械臂轨迹跟踪控制方法及系统。
技术介绍
1、机械臂作为一种能够实现精确操作的自动化设备，在工业制造、服务业、军事国防以及农业等领域中发挥着至关重要的作用。其核心部分是控制算法，它决定了机械臂如何根据输入指令实现精确的运动控制。随着技术的不断进步，控制算法的发展在提高机械臂性能和稳定性方面起着关键作用。
2、传统的控制算法，如pid控制，基于误差的大小、累积和变化来调节控制量，以使系统的输出跟踪期望的输入。虽然pid控制算法具有结构简单、参数易于调整、适用范围广泛等优点，但它对于具有强非线性特征的机械臂控制系统，如常见的工业机械臂，其控制效果往往不理想，容易出现超调、震荡、稳态误差等问题。
3、为了解决这些问题，研究者们提出了许多先进的控制算法，如滑模控制、模糊控制、自适应控制和神经网络控制等。滑模控制算法通过设计一个滑模面，使系统的状态从任意初始位置到达滑模面，并在滑模面上滑动到平衡点。这种算法具有鲁棒性、抗干扰能力强、控制精度高等优点，但同时也存在抖振现象、对系统的匹配性要求高、参数的选取较为复杂等问题。模糊控制、自适应控制和神经网络控制等方法在理论上能够提高机械臂的控制性能，但它们的控制结构复杂或计算量大，需要消耗更多的系统资源，这限制了它们在实际控制系统中的应用。
4、因此，为了实现高效、稳定、精确的机械臂运动控制，需要进一步研究和开发新型的控制算法。这不仅需要深入理解机
技术实现思路
1、为此，本专利技术实施例提供了一种基于自学习控制策略的机械臂轨迹跟踪控制方法及系统，用于解决现有技术中控制效果不理想、系统资源消耗大、参数选取复杂及适用范围有限等问题。
2、为了解决上述问题，本专利技术实施例提供一种基于自学习控制策略的机械臂轨迹跟踪控制方法，该方法包括：
3、s1：基于机械臂建立坐标系；
4、s2：根据所述机械臂坐标系建立机械臂的动力学方程；
5、s3：设计基于自学习控制策略的控制器；
6、s4：利用所述控制器控制所述机械臂，实现对所述机械臂轨迹的跟踪控制。
7、优选地，所述基于自学习控制策略的控制器的数学模型为：
8、u(t)＝k1u(t-t1)-k2e(t)
9、式中，u(t)代表控制输入，k1>0代表学习强度，t1>0代表学习间隔，u(t-t1)代表在t1时刻前的控制输入，e(t)是和系统状态有关的控制作用并且在其单独作用下系统能够稳定，k2>0是一个常数。
10、优选地，所述学习强度k1根据需要被设计成是常值或者是时变的。
11、本专利技术实施例还提供一种基于自学习控制策略的机械臂轨迹跟踪控制方法，该方法包括：
12、基于双连杆机械臂建立坐标系；
13、根据所述双连杆机械臂坐标系建立双连杆机械臂的动力学方程；
14、设计基于自学习控制策略的控制器；
15、利用所述控制器控制所述双连杆机械臂，实现对所述双连杆机械臂轨迹的跟踪控制。
16、优选地，所述基于双连杆机械臂建立坐标系的方法为：
17、以双连杆机械臂的基座为原点建立参考坐标系，在双连杆机械臂的末端建立运动坐标系。
18、优选地，所述双连杆机械臂的动力学方程为：
19、
20、式中，q∈r2为关节的角位移，为角速度，为角加速度，h(q)∈r2×2是2×2的机械臂惯性矩阵并且是对称正定的，是二维向心力和科里奥利力矩并且是2×2的矩阵，g(q)是二维重力矩，τ∈r2为控制力矩。
21、优选地，所述基于自学习控制策略的控制器的数学表达式为：
22、u(t)＝k1u(t-t1)-k2s
23、式中，代表位置误差，q∈r2为关节的角位移，qd代表期望的轨迹，代表的导数，u(t)代表控制输入，λ代表二阶的正定的对角矩阵，k1＞0代表学习强度，u(t-t1)代表在t1时刻前的控制输入，k2>0是一个常数。
24、本专利技术实施例还提供了一种基于自学习控制策略的机械臂轨迹跟踪控制系统，该系统用于实现上述所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，具体包括：
25、机械臂坐标系建立模块，用于基于机械臂建立坐标系；
26、机械臂的动力学方程建立模块，用于根据所述机械臂坐标系建立机械臂的动力学方程；
27、控制器设计模块，用于设计基于自学习控制策略的控制器；
28、机械臂控制模块，用于利用所述控制器控制所述机械臂，实现对所述机械臂轨迹的跟踪控制。
29、本专利技术实施例还提供了一种电子设备，所述电子设备包括处理器、存储器和总线系统，所述处理器和存储器通过该总线系统相连，所述存储器用于存储指令，所述处理器用于执行存储器存储的指令，以实现上述所述的基于自学习控制策略的机械臂轨迹跟踪控制方法。
30、本专利技术实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机软件产品，所述计算机软件产品包括的若干指令，用以使得一台计算机设备执行上述所述的基于自学习控制策略的机械臂轨迹跟踪控制方法。
31、从以上技术方案可以看出，本专利技术申请具有以下优点：
32、1.采用本专利技术的控制方法通过对先前的控制输入信息的直接学习，只需要采取简单的设计来让e(t)可以使得系统稳定，那么其鲁棒性，稳态精度都会得到显著提升。
33、2.本专利技术方法不像以往的控制算法，自学习控制(slc)不需要自适应机制或者状态观测器等，(slc)仅需要存储以往的信息并且用简单代数公式就能计算出控制输入，避免了控制结构的复杂化，节约了计算资源。
34、3.本专利技术控制器中k1和k2之间的耦合度低，在改变其中一个参数时不会需要重新考虑另一个参数的设计来适应所发生的变化。
本文档来自技高网...【技术保护点】
1.一种基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，包括：
2.根据权利要求1所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述基于自学习控制策略的控制器的数学模型为：
3.根据权利要求2所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述学习强度k1根据需要被设计成是常值或者是时变的。
4.一种基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，包括：
5.根据权利要求4所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述基于双连杆机械臂建立坐标系的方法为：
6.根据权利要求4所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述双连杆机械臂的动力学方程为：
7.根据权利要求4所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述基于自学习控制策略的控制器的数学表达式为：
8.一种基于自学习控制策略的机械臂轨迹跟踪控制系统，其特征在于，所述系统用于实现权利要求1至7任意一项所述的基于自学习控制策略的机械臂轨迹跟踪
9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器和总线系统，所述处理器和存储器通过该总线系统相连，所述存储器用于存储指令，所述处理器用于执行存储器存储的指令，以实现权利要求1至7任意一项所述的基于自学习控制策略的机械臂轨迹跟踪控制方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机软件产品，所述计算机软件产品包括的若干指令，用以使得一台计算机设备执行权利要求1至7任意一项所述的基于自学习控制策略的机械臂轨迹跟踪控制方法。
...【技术特征摘要】
1.一种基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，包括：
2.根据权利要求1所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述基于自学习控制策略的控制器的数学模型为：
3.根据权利要求2所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述学习强度k1根据需要被设计成是常值或者是时变的。
4.一种基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，包括：
5.根据权利要求4所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述基于双连杆机械臂建立坐标系的方法为：
6.根据权利要求4所述的基于自学习控制策略的机械臂轨迹跟踪控制方法，其特征在于，所述双连杆机械臂的动力学方程为：
7.根据权利要求4所述的基于自学习控制...
【专利技术属性】
技术研发人员：张承玺，陆伟佳，方星，张玉旋，
申请(专利权)人：杭州天眼智造科技有限公司，
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。