【技术实现步骤摘要】
本专利技术涉及轨迹跟踪，尤其涉及一种砌墙机器人的轨迹跟踪控制方法及系统。
技术介绍
1、建筑业在许多国家的经济增长中发挥着举足轻重的作用。建筑工程本质上是劳动密集型且低效率的，严重依赖手动过程，容易出现工具和人为失误以及疲劳。近年来，机器人在建筑自动化中得到了快速发展，在建筑工作的生产力、质量和其他方面带来了巨大的提高。目前，人们开发了各种移动机器人和机电一体化系统，通过在施工现场导航来执行建筑自动化中的某些任务。
2、砌墙机器人是一种能够自动进行砌墙工作的机器人，它通常配备有各种传感器和摄像头，能够识别墙体的形状和尺寸，然后根据设计图纸和指令进行自动砌墙，砌墙机器人可以大大提高砌墙的效率和精度，减少人力成本和施工周期。它们通常被广泛应用于建筑行业，特别是在大型建筑项目中。但现有的砌墙机器人在砖块放置过程中，机器人末端执行器需要与水泥砂浆接触，在该过程中不仅受粘弹性接触力影响，而且由机器人刚度、关节摩擦、接触力模型误差等产生的动力学建模误差以及外界干扰等问题凸显，影响机器人最优轨迹跟踪精度及控制性能。
3、因此，寻找一种不仅能保证机器人的轨迹跟踪精度，又能确保砌墙机器人稳定性及鲁棒性的方法，是本领域技术人员亟待解决的技术问题。
技术实现思路
1、有鉴于此，本专利技术提出了一种砌墙机器人的轨迹跟踪控制方法及系统，其利用递归模糊小波神经网络对机器人动力学模型和水泥砂浆粘弹性模型中的不确定项进行估计，同时，采用非奇异快速终端滑模控制和鲁棒控制来抵消系统干扰和估计误
2、本专利技术的技术方案是这样实现的：
3、第一方面，本专利技术提供了一种砌墙机器人的轨迹跟踪控制方法，包括以下步骤：
4、s1、根据砌墙机器人的结构构建机器人动力学模型，并根据水泥砂浆在受力作用下的变形和应力响应构建水泥砂浆粘弹性模型，利用机器人动力学模型和水泥砂浆粘弹性模型设定期望规划轨迹；
5、s2、采用递归模糊小波神经网络对机器人动力学模型和水泥砂浆粘弹性模型中进行估计，得到机器人动力学模型和水泥砂浆粘弹性模型中不确定项；
6、s3、根据机器人动力学模型和水泥砂浆粘弹性模型中不确定项采用非奇异快速终端滑模控制进行轨迹跟踪控制得到实际运动轨迹，根据实际运动轨迹和期望规划轨迹计算得到轨迹跟踪误差；
7、s4、采用鲁棒控制方法对轨迹跟踪误差进行估计，并使用控制器对误差进行补偿，得到实际轨迹跟踪控制方法；
8、s5、根据实际轨迹跟踪控制方法对砌墙机器人的位置进行调节，使涂有水泥砂浆的砌墙机器人在粘弹性环境中进行精准定位调节。
9、在以上技术方案的基础上，优选的，步骤s2具体包括：
10、采集机器人动力学模型和水泥砂浆粘弹性模型的输入输出数据构成数据集；所述数据集包括训练集数据和测试集数据；
11、初始化递归模糊小波神经网络的参数；
12、将训练集数据输入至递归模糊小波神经网络进行训练，通过并行的结构识别和参数识别在线创建动态模糊神经网络模型；
13、使用递归结构对动态模糊神经网络进行递归学习，并使用测试集数据进行评估得到评估结果，根据评估结果对动态模糊神经网络模型的参数进行调优和优化，得到训练好的动态模糊神经网络模型；
14、采集新机器人动力学模型和水泥砂浆粘弹性模型的输入输出数据输入至训练好的动态模糊神经网络模型，得到机器人动力学模型和水泥砂浆粘弹性模型中不确定项。
15、在以上技术方案的基础上，优选的，所述递归模糊小波神经网络包括输入层、隶属层、规则层和输出层，其中，
16、输入层接收砌墙机器人的运动数据并发送至隶属层；
17、隶属层对运动数据进行隶属化处理并将运动数据映射到隶属函数上，得到运动数据的模糊特征；
18、规则层对运动数据的模糊特征映射到模糊规则上进行模糊推理操作，产生模糊输出并发送至输出层；
19、输出层接收模糊输出并将模糊输出转换为砌墙机器人的实际运动输出。
20、在以上技术方案的基础上，优选的，所述非奇异快速终端滑模控制设计为：
21、
22、其中，s∈rn是滑动变量，e表示轨迹跟踪误差，ki表示正定矩阵，ki＝diag{ki1，ki2，…，kin}∈rn×n，(i＝1，2)，αk表示轨迹跟踪误差的幂指数，表示轨迹跟踪误差的导数，p和q表示非奇异快速终端滑模控制的参数，均为正奇数。
23、在以上技术方案的基础上，优选的，步骤s4具体包括：
24、s41、根据非奇异快速终端滑模控制进行时间导数推导，得到非奇异快速终端滑模控制的时间导数；非奇异快速终端滑模控制的时间导数为：
25、
26、
27、其中，表示滑模控制s的导数，αk表示轨迹跟踪误差的幂指数，表示指数为αk-1的轨迹跟踪误差的对角矩阵，表示轨迹跟踪误差的导数，表示轨迹跟踪误差的二阶导数，τ表示砌墙机器人动力学模型的关节力矩的控制输入矢量，τd表示砌墙机器人动力学模型的输入未知扰动的向量，表示近似误差，θ表示砌墙机器人动力学模型的关节位置，表示砌墙机器人动力学模型的关节速度，表示砌墙机器人动力学模型的关节加速度，表示砌墙机器人动力学模型的期望关节加速度，δ表示泥浆变形量，表示泥浆变形速度；
28、s42、构建控制定律，并将控制定律带入至对非奇异快速终端滑模控制的时间导数中进行计算，得到机器人动力学模型的近似误差；其中控制定律定义为：
29、
30、其中，in×n表示n×n的单位矩阵，x(t)表示输入参数的集合，θt表示实际关节角度，表示实际关节速度，表示实际关节加速度，表示期望关节加速度，δ表示泥浆变形量，表示泥浆变形速度，表示鲁棒项
31、近似误差的计算公式如下：
32、
33、
34、其中，m(θ)表示惯性矩阵，表示离心和哥氏项矩阵，g(θ)表示重力项矢量，表示系统的摩擦力矩向量，表示机器人放置砖块过程关节所受接触力矩向量，w*t表示规则层与输出层间的权重向量最优参数的转置，ε*表示缩放参数ε的最优参数，ρ*表示平移参数ρ的最优参数，ω*表示递归权重参数ω的最优参数，表示w*t的近似值，表示ε的近似值，表示ρ的近似值，表示ω的近似值，εy表示近似误差向量；
35、s43、根据近似误差构建近似误差向量约束，使用泰勒级数进行展开，并构建参数边界，重新定义不确定项；
36、s44、采用鲁棒项估计不确定项界限得到鲁棒项的表达式如下：：
37、
38、其中，是对kl的估计，fs是常数，表示正定矩阵kl估计的转置，v表示砌墙机器人放置砖块的速度。
39、在以上技术方案的基础上，优选的，所述向量约束的公式为：
40、
41、其中εy表本文档来自技高网...
【技术保护点】
1.一种砌墙机器人的轨迹跟踪控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，步骤S2具体包括：
3.如权利要求2所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，所述递归模糊小波神经网络包括输入层、隶属层、规则层和输出层，其中，
4.如权利要求3所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，所述非奇异快速终端滑模控制设计为：
5.如权利要求4所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，步骤S4具体包括：
6.如权利要求5所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，所述向量约束的公式为：
7.如权利要求1所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，所述粘弹性环境由具有粘弹性接触界面的质量-弹簧-阻尼器系统建模，砌墙机器人与粘弹性环境接触的动力学模型如下：
8.一种砌墙机器人的轨迹跟踪控制系统，其特征在于，采用如权利要求1-7任一项所述的轨迹跟踪控制方法，包括：
9.一种计算机可读存储介质，其特征在于
10.一种电子设备，其特征在于，包括：至少一个处理器、一个存储器、通信接口和总线；
...【技术特征摘要】
1.一种砌墙机器人的轨迹跟踪控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，步骤s2具体包括：
3.如权利要求2所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，所述递归模糊小波神经网络包括输入层、隶属层、规则层和输出层，其中，
4.如权利要求3所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，所述非奇异快速终端滑模控制设计为：
5.如权利要求4所述的一种砌墙机器人的轨迹跟踪控制方法，其特征在于，步骤s4具体包括：
6.如权利要求5所述的一种砌墙机器人的轨迹跟踪控制方法，其特征...
【专利技术属性】
技术研发人员：汪朝晖，石青易，郑泽呈，柯希林，周子杨，雷斌，吴鹏民，
申请(专利权)人：武汉科技大学，
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。