欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2022114210974
申请人: 沈阳工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 手动工具;轻便机动工具;手动器械的手柄;车间设备;机械手
更新日期:2024-08-22
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于,包括如下步骤:步骤1. 建立带有未建模动态的多关节机械臂非线性动态模型,并将多关节机械臂非线性动态模型转换为状态方程;

步骤2. 采用RBF神经网络逼近状态方程中的未建模动态,从而构造状态观测器估计关节角速度;

步骤3. 针对多关节机械臂非线性动态模型所产生的跟踪误差,设计带有预设性能函数的非线性变换限制跟踪误差的收敛轨迹,得到无约束的跟踪误差;

步骤4. 根据无约束的跟踪误差和逆推设计法,设计带有低阶补偿系统的指令滤波器;

步骤5. 构造RBF神经网络逼近控制回路的未建模动态,得到未建模动态的估计模型;

步骤6. 根据估计的关节角速度和指令滤波器的输出,结合未建模动态的估计模型以及事件驱动方法设计机械臂事件驱动控制律,使得实际轨迹以预设的性能跟踪期望的轨迹。

2.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤1中多关节机械臂非线性动态模型为:其中, 表示关节角位置矢量, 表示关节角速度矢量, 表示关节角加速度矢量, 为电机提供的控制力矩, 为对称正定惯性矩阵,为离心力和哥氏力矩阵, 为重力矢量。

3.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤1中状态方程为:其中, , , 表示未建模动态,其表达式为。

4.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤2中采用RBF神经网络逼近状态方程中的未建模动态为:其中, 表示激励函数向量, 表示逼近误差,并且满足, 是正常数, 是理想的权值矩阵, 是高斯基函数向量, 和可表示为

其中,对于 , ,

,高斯基函数的表达式为

其中,为RBF神经网络的节点个数, 为第 个节点的中心矢量, 为第 个节点的高斯基宽度, 表示指数函数。

5.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤2中构造状态观测器为:其中, , , , , 为设计参数,且为正数, 表示 的估计量, 表示关节角速度 的估计量, 和 分别表示 和 的估计量, 为中间的辅助变量。

6.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤3中无约束的跟踪误差为其中, , 为无约束的跟踪误差, 和 分别为预设性能函数和跟踪误差的初始值;

其中,跟踪误差为:

其中, 为期望的关节角位置矢量, 为机械臂轨迹跟踪误差, 表示关节角位置矢量;

预设性能函数为:

其中, , 表示用来限制跟踪误差 的预设性能函数, , ,是设计参数,且 , 和 是正数, 表示指数函数。

7.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤4中指令滤波器为:其中, 为设计参数, 为虚拟控制律,其表达式为其中, 表示设计参数,且是正定矩阵,无约束的跟踪误差向量, , ,对于

, ,

, 为考虑补偿信号的跟踪误差,其表达式为其中, 为补偿信号,由低阶补偿系统产生;构造低阶补偿系统为其中, 表示设计参数, ,表示符号函数。

8.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤5中未建模动态的估计模型为其中, 为控制回路的未建模动态, 表示激励函数向量, 表示逼近误差,并且满足 , 是正常数,是理想的权值矩阵, 是高斯基函数向量,和 可表示为

其中,对于 , ,

,高斯基函数的表达式为

其中,为RBF神经网络的节点个数, 为第 个节点的中心矢量, 为第 个节点的高斯基宽度, 表示指数函数。

9.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:步骤6中机械臂事件驱动控制律为:其中, , 为正整数, 、 和 为设计参数,并且满足, 为双曲正切函数, , ,、 、 和 分别为 、 、 和 的第个分量;

虚拟控制律 的表达式为

其中, 表示设计参数,且是正定矩阵, 和 为设计参数,, 和 分别表示 和 的估计量。

10.根据权利要求1所述的基于状态观测器的多关节机械臂事件驱动控制方法,其特征在于:所述控制方法的稳定性证明方法为:定义估计误差变量 , , ,其中, 为状态的估计;对估计误差变量 和 分别取时间导数有(1)

其中, , ,根据高斯基函数的特性,得,其中, 为正常数,进一步得(2)

构造如下李雅普诺夫函数 来分析观测器的稳定性(3)

对李雅普诺夫函数 取时间导数得(4)

根据杨氏不等式得

(5)

将式子(5)代入式子(4)可得(6)

其中,

, ;由式子

(6)得,估计误差变量 , , 是有界的,即存正常数 , , 使得 ,, 成立,其中, ;

构造李雅普诺夫函数 ,对 取时间导数并考虑补偿系统得(7)

其中,误差变量 ;根据杨氏不等式得(8)

由式子(8)以及虚拟控制律 得(9)

构造李雅普诺夫函数 为

(10)

其中,误差变量 ,考虑机械臂参数 和 的斜对称特性,对 取时间导数得

(11)

其中,误差变量 , 为时变函数,满足 , 为正常数,为有界的函数向量;根据杨氏不等式得(12)

其中, 表示 的单位矩阵;将式子(12)代入 得(13)

构造李雅普诺夫函数 ,对 取时间导数得(14)

由于 为正定对角矩阵,并且对于指令滤波器,存在 使得 成立;因此通过选择 ,得到(15)

由式子(15)可知, 是渐近稳定的,即当 时, ;构造李雅普诺夫函数 ,对 取时间导数得(16)

其中,

, ,

;由式子

(16)可知, 、 、 是有界的;根据 知,是有界的并且跟踪误差 是满足预设性能要求的,即 ;因为期望的轨迹 是有界的,故 和 是有界的,这意味着和 是有界的;进一步可得 、 、 、 、 和 是有界的,因此闭环系统是稳定的;

最后证明存在 ,使得 成立;

对于 和 ,根据 得

(17)

由以上推导可知,存在正常数 使得 成立;因为 和,故相邻触发时间间隔 。