System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种绳驱并联对抗式仿生关节的协同对抗控制方法技术_技高网
当前位置: 首页 > 专利查询>东北大学专利>正文

一种绳驱并联对抗式仿生关节的协同对抗控制方法技术

技术编号:40675448 阅读:4 留言:0更新日期:2024-03-18 19:13
本发明专利技术的一种绳驱并联对抗式仿生关节的协同对抗控制方法,包括:采集并联机构仿生关节的系统控制力矩和关节位姿;对采集的数据进行分组,构建数据集,并将数据集划分为训练集和验证集;将系统动力学模型简化为二阶非线性模型,以系统控制力矩、关节位姿及其一阶导数作为神经网络的输入,使用神经网络对二阶非线性模型的非线性映射函数和惯量矩阵进行估计,获得系统模型:使用验证集对训练结果的合理性进行验证;根据建立的系统模型建立误差变量,设计快速非奇异终端滑模面,对系统模型进行离散化处理;设计模型预测控制器的代价函数;根据模型预测控制器的代价函数,计算协同控制器的控制律的解析解;设计对抗柔顺切换控制策略。

【技术实现步骤摘要】

本专利技术属于机器人仿生关节控制,涉及一种绳驱并联对抗式仿生关节的协同对抗控制方法


技术介绍

1、近年来,并联机构仿生关节受到国内外学者的广泛关注,仿生关节作为机器人领域的重要研究分支,其结构设计、运动控制等问题的研究对提高整个机器人的仿生性能具有重要意义。并联机构仿生关节是一种具有高非线性、强耦合性的复杂系统,对其实现有效的控制具有非常大的难度。

2、为了实现并联机构仿生关节的有效运动控制,国内外学者提出了各种不同的控制策略:有基于传统的比例(p)、积分(i)、微分(d)控制器实现的pid控制,有基于神经网络、强化学习等技术对并联机构仿生关节模型进行学习的智能控制,也有包括滑模控制、模型预测控制等基于模型的先进控制策略。以上控制方法在一定程度上可以实现对并联机构仿生关节的运动控制。

3、基于比例(p)、积分(i)、微分(d)控制设计的控制器不需要并联机构仿生关节的系统模型,设计简单,便于实现,但是需要外对每个控制器进行解耦分析与算法解耦设计来避免并联机构仿生关节各个自由度的相互耦合问题;且比例(p)、积分(i)、微分(d)控制器控制精度较低、控制性能较差,在一些对控制性能有较高要求的场合下无法满足需求。基于神经网络、强化学习等智能方法的控制方案需要大量训练,实时性和泛化性较差,只能满足特定运动的场景,在其他未经训练的场景下控制性能较差或无法控制。模型预测控制在工业过程中被大量应用,但是传统的模型预测控制需要在线求解优化问题,导致实时性差,计算耗时多,无法满足机器人应用中高实时性的要求。此外,滑模控制和模型预测控制等先进控制方法需要被控系统的数学模型,但是并联机构仿生关节的数学模型是非常复杂的,实际应用中通常无法得到或者无法准确得到其数学模型。

4、目前对于并联机构仿生关节控制问题的研究大部分都只关注其运动控制问题,而忽略机构的对抗柔顺控制问题。在并联机构仿生关节中,对抗柔顺性是一条重要的指标性能,需要针对其特性设计相应的控制策略,提高并联机构仿生关节的仿生性能,现有技术在这一方面缺乏相应的控制策略。


技术实现思路

1、为解决上述技术问题,本专利技术的目的是提供一种绳驱并联对抗式仿生关节的协同对抗控制方法。

2、本专利技术提供一种绳驱并联对抗式仿生关节的协同对抗控制方法,所述仿生关节包括三个控制绳索的拉伸力矩的绳索驱动电机和一个控制转轴转动的旋转驱动电机,转驱动电机输出轴与下转轴连接,下转轴和上转轴通过十字轴连接,所述控制方法包括:

3、步骤1:通过传感器采集并联机构仿生关节运动过程中的数据,包括系统控制力矩和关节位姿;

4、步骤2:对采集的数据进行分组,构建数据集,并将数据集划分为训练集和验证集;

5、步骤3:将系统动力学模型简化为二阶非线性模型,以系统控制力矩、关节位姿及其一阶导数作为神经网络的输入,使用神经网络对二阶非线性模型的非线性映射函数和惯量矩阵进行估计,获得系统模型;

6、步骤4:使用验证集对训练结果的合理性进行验证;

7、步骤5:根据步骤3建立的系统模型建立误差变量,设计快速非奇异终端滑模面,对系统模型进行离散化处理;

8、步骤6:设计模型预测控制器的代价函数;

9、步骤7:根据模型预测控制器的代价函数,计算协同控制器的控制律的解析解;

10、步骤8:在协同控制器的基础上,设计对抗柔顺切换控制策略。

11、进一步的,所述步骤2具体为:

12、步骤2.1:构建如下数据集:

13、γ=[τ(1),τ(2),...,τ(m)]t                    (1)

14、θ=[θ(1),θ(2),...,θ(m)]t                    (2)

15、其中,γ为系统控制力矩数据集,θ为关节位姿数据集,τ(i)和θ(i)表示第i时刻的系统控制力矩的采样值和关节位姿的采样值,i=1,…,m;τ∈r4表示绳驱并联对抗式仿生关节的四个电机的控制力矩,θ∈r3表示三维的关节位姿;

16、步骤2.2:将数据集划分为训练集γx,θx和验证集γy,θy。

17、进一步的,所述步骤3具体为:

18、步骤3.1:将系统动力学模型简化为二阶非线性模型:

19、

20、其中,和m(θ)分别表示非线性映射函数和惯量矩阵;

21、步骤3.2:以γx,θx,作为神经网络的输入,网络输出为和分别表示神经网络对和m(θ)的估计值;

22、步骤3.3:每次利用下面关系式获得最优的和

23、

24、训练结束后将公式(3)二阶非线性模型近似为以下系统模型:

25、

26、进一步的,所述步骤5具体为:

27、步骤5.1:根据系统模型建立误差变量:

28、e=θ-θd                      (6)

29、其中,e=[e1,e2,e3],θd表示θ的期望值;

30、步骤5.2:设计快速非奇异终端滑模面s:

31、

32、sα(e)=[sα(e1),sα(e2),sα(e3)]t                (8)

33、sigβ(e)=[sigβ(e1),sigβ(e2),sigβ(e3)]t           (9)

34、

35、sigβ(ej)=|ej|βsign(ej)                (11)

36、其中,0<α<1,β>1,k1,k2∈rn×n是正定对称的增益矩阵,j=1,2,3,δ>0是待设计的参数;

37、步骤5.3:将公式(5)的系统模型离散化为如下形式:

38、

39、其中,ts是系统的采样周期,k表示当前时刻,k+1表示后一时刻。

40、进一步的,所述步骤6具体为:

41、令sk表示滑模面s在k时刻的值,定义变量如下:

42、

43、其中,δs=sk-sk-1,hc表示设定步长,设计模型预测控制器的代价函数如下:

44、

45、

46、其中,hp为正常数,表示预测步长。

47、进一步的,所述步骤7具体为:

48、通过对(14)式求偏微分并且将导数置零,得到控制律的解析解如下:

49、

50、

51、

52、进一步的,所述步骤8中的对抗柔顺切换控制策略包括:

53、当仿生关节需要和环境产生对抗作用时,控制绳索驱动电机正向运动,从而拉紧绳索,使绳索处于紧绷状态,控制旋转驱动电机带动转轴转动,绳索拉力与轴的转矩形成对抗作用,此时整个关节表现出高刚性,从而实现关节与环境的对抗效果;

54、当仿生关节需要和环境产生柔顺本文档来自技高网...

【技术保护点】

1.一种绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述仿生关节包括三个控制绳索的拉伸力矩的绳索驱动电机和一个控制转轴转动的旋转驱动电机,转驱动电机输出轴与下转轴连接,下转轴和上转轴通过十字轴连接,所述控制方法包括:

2.如权利要求1所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤2具体为:

3.如权利要求2所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤3具体为:

4.如权利要求3所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤5具体为:

5.如权利要求4所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤6具体为:

6.如权利要求5所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤7具体为:

7.如权利要求1所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤8中的对抗柔顺切换控制策略包括:

【技术特征摘要】

1.一种绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述仿生关节包括三个控制绳索的拉伸力矩的绳索驱动电机和一个控制转轴转动的旋转驱动电机,转驱动电机输出轴与下转轴连接,下转轴和上转轴通过十字轴连接,所述控制方法包括:

2.如权利要求1所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤2具体为:

3.如权利要求2所述的绳驱并联对抗式仿生关节的协同对抗控制方法,其特征在于,所述步骤3具体为:

【专利技术属性】
技术研发人员:房立金宋堂忠赵宇晗钱奕安赵乾坤庞涵予
申请(专利权)人:东北大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1