商标分类 
商标转让 
您当前的位置： 一种基于干扰观测器的机器人关节系统控制方法及系统与流程
2021-01-19 14:01:43|
282|
起点商标网
本发明涉及机器人控制技术领域，尤其涉及一种基于干扰观测器的机器人关节系统控制方法及系统。
背景技术：
伴随着“中国制造2025”的计划提出和“工业4.0”时代降临，为了提高制造产能，相关科学技术出现了井喷式的发展。作为先进科学技术，机器人在工业、军事、航空航天、医疗卫生、农业等领域得到了普遍发展和应用。
在实现本发明的过程中，发明人发现相关技术至少存在以下问题：
机器人关节系统是一个多变量、非线性、强耦合系统，机器人关节在实际工作中系统存在建模误差、参数变化无法测量以及其他外部扰动信号导致系统的模型难以确定，传统的计算控制和pid控制方法很难保证机器人关节系统的鲁棒性和抗干扰性。
技术实现要素：
本发明提供一种基于干扰观测器的机器人关节系统控制方法及系统，可以提高机器人关节系统的鲁棒性和抗干扰性。
根据本发明实施例的第一方面，提供一种基于干扰观测器的机器人关节系统控制方法，包括：
建立机器人关节系统的动力学数学模型；
根据所述机器人关节系统的动力学数学模型，建立所述机器人关节系统的干扰观测器，对所述机器人关节系统未知扰动信号的可观测部分进行观测以及补偿；
根据径向基rbf神经网络对所述未知扰动信号的不可观测部分进行模拟近似，并根据模拟近似得到的近似结果，设计反演滑模控制器；
通过所述反演滑模控制器，控制所述机器人关节系统按照预设输入系数进行运动。
可选地，所述建立机器人关节系统的动力学数学模型，包括：
根据下述式（1），建立机器人关节系统的动力学数学模型：
其中，
或者，根据下述式（2），建立机器人关节系统的动力学数学模型：
其中，
可选地，所述根据所述机器人关节系统的动力学数学模型，建立所述机器人关节系统的干扰观测器，包括：
将所述机器人关节系统的动力学数学模型转换成状态空间方程形式；
基于所述状态空间方程形式，设计所述干扰观测器。
可选地，所述将所述机器人关节系统的动力学数学模型转换成状态空间方程形式，包括：
定义
所述状态空间方程表达式如下式（3）：
所述基于所述状态空间方程形式，设计所述干扰观测器，包括：
所述将干扰观测器设计如下式（4）：
其中，
可选地，采用干扰观测器后，所述状态空间方程表达式为：
其中，
可选地，还包括：
定义辅助参数向量如下式（5）：
可选地，所述根据径向基rbf神经网络对所述未知扰动信号的不可观测部分进行模拟近似，根据模拟近似得到的近似结果，设计反演滑模控制器，包括：
步骤1：定义李亚普洛夫函数为
则有，
其中，
步骤2：对
当
步骤3：定义反演滑模控制算法下的lyapunov函数为
滑模函数为
其中，
步骤4：对所述滑模函数
其中，
步骤5：对
所述神经网络反演滑模控制率为：
其中，
根据本发明实施例的第二方面，提供一种基于干扰观测器的机器人关节系统控制系统，包括：
建立单元，用于建立机器人关节系统的动力学数学模型；
观测单元，用于根据所述机器人关节系统的动力学数学模型，建立所述机器人关节系统的干扰观测器，对所述机器人关节系统未知扰动信号的可观测部分进行观测以及补偿；
设计单元，用于根据径向基rbf神经网络对所述未知扰动信号的不可观测部分进行模拟近似，并根据模拟近似得到的近似结果，设计反演滑模控制器；
控制单元，用于通过所述反演滑模控制器，控制所述机器人关节系统按照预设输入系数进行运动。
根据本发明实施例的第三方面，提供一种电子设备，包括：
一个或多个处理器；
用于存储所述一个或多个处理器可执行指令的存储器;
其中，所述一个或多个处理器被配置为：
执行本发明实施例的第一方面所述的方法。
根据本发明实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行本发明实施例的第一方面所述的方法。
根据本发明实施例的第五方面，提供一种应用程序产品，当应用程序产品在终端在运行时，使得终端执行本发明实施例的第一方面所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明中，建立机器人关节系统的动力学数学模型；根据机器人关节系统的动力学数学模型，建立机器人关节系统的干扰观测器，对机器人关节系统未知扰动信号的可观测部分进行观测以及补偿；根据径向基rbf神经网络对未知扰动信号的不可观测部分进行模拟近似，并根据模拟近似得到的近似结果，设计反演滑模控制器；通过反演滑模控制器，控制机器人关节系统按照预设输入系数进行运动。本发明将干扰观测器补偿未知扰动和神经网络对非线性函数的逼近能力相结合，这样最大程度提高机器人关节控制的鲁棒性和抗干扰性，提高了机器人关节的跟踪精度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种基于干扰观测器的机器人关节系统控制方法的流程图；
图2是根据一示例性实施例示出的两关节机器人关节示意图；
图3是根据一示例性实施例示出的一种基于干扰观测器的机器人关节系统控制方法的基本原理图；
图4是根据一示例性实施例示出的一种基于干扰观测器的机器人关节系统控制方法的工作原理示意图；
图5是根据一示例性实施例示出的一种基于干扰观测器的机器人关节系统控制系统框图；
图6是根据一示例性实施例示出的一种电子设备框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。
图1是根据一示例性实施例示出的一种基于干扰观测器的机器人关节系统控制方法的流程图，该方法基于电子设备实现，电子设备可以是终端或服务器。该方法针对机器人关节在实际工作中系统存在建模误差、参数变化无法测量以及其他外部扰动信号导致系统的模型难以确定的问题，设计干扰观测器对系统未知扰动信号的可观测部分进行估计，例如系统的摩擦力，它与速度运动信号有关，通过选择设计参数让干扰观测器补偿可观测部分的扰动。利用神经网络对非线性函数的逼近能力，解决系统模型未知部分和参数变化的问题，最后根据反步法思想设计反演滑模控制器让机器人关节跟踪上预设的期望轨迹。本发明将干扰观测器补偿未知扰动和神经网络对非线性函数的逼近能力相结合能最大程度提高机器人关节控制的鲁棒性和抗干扰性，提高了机器人关节的跟踪精度。
其中，反步法是20世纪90年代兴起的一种系统的非线性控制方法，“反步”反映出了设计步骤的递归特性。其基本设计思想是将复杂的高阶非线性系统划分为多个低阶子系统，从最远离系统控制输入的子系统开始，通过构造部分lyapunov函数得到保证子系统稳定的虚拟控制量，并逐步后退到控制输入，从而得到最终的控制器，在此过程中全系统的lyapunov函数也相继被构造出来。反步法在控制器设计中的优势在于能够通过多种方法灵活处理不同的非线性特性，实现闭环系统的全局调节或渐近跟踪，使系统达到期望的性能指标。复杂环境下的实际系统一般可以描述为一类包含有参数不确定、未建模动态和外部干扰等多源干扰的非线性数学模型。
如图1所示，该方法包括以下步骤101-104：
步骤101、建立机器人关节系统的动力学数学模型。
其中，该动力学数学模型时符合干扰观测标准的机器人关节动力学数学模型，用于对机器人关节系统的建模误差、参数变化和未知扰动信号进行分析。
如图2所示为两关节机器人关节示意图，其中，
一种可行的实施方式中，可选地，根据下述式（1），建立机器人关节系统的动力学数学模型：
其中，
或者，根据下述式（2），建立机器人关节系统的动力学数学模型：
其中，
步骤102、根据机器人关节系统的动力学数学模型，建立机器人关节系统的干扰观测器，对机器人关节系统未知扰动信号的可观测部分进行观测以及补偿。
一种可行的实施方式中，设计干扰观测器对未知扰动信号的可观测部分进行估计，进而，通过选择设计参数让干扰观测器补偿可观测部分的扰动。
该步骤102可以包括下述步骤1021-1022：
步骤1021、将机器人关节系统的动力学数学模型转换成状态空间方程形式。
定义
状态空间方程表达式如下式（3）：
可选地，定义辅助参数向量如下式（4）：
假设相对于干扰观测器的动态特性，干扰的变化是缓慢的，即：
定义干扰观测器估计误差为
则对求导可以得到：
通过设计矩阵
优选地，采用干扰观测器后，经过理论分析，采取干扰观测器后使得系统的干扰变小，状态空间方程表达式变为下式（5）：
其中，
步骤1022、基于状态空间方程形式，设计干扰观测器，将干扰观测器设计如下式（4）：
其中，
步骤103、根据径向基rbf神经网络对未知扰动信号的不可观测部分进行模拟近似，并根据模拟近似得到的近似结果，设计反演滑模控制器。
其中，rbf（radialbasisfunction，径向基函数）神经网络是一种三层神经网络，其包括输入层、隐层、输出层。从输入空间到隐层空间的变换是非线性的，而从隐层空间到输出层空间变换是线性的。rbf网络的基本思想是：用rbf作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接映射到隐空间，而不需要通过权连接。bp神经网络的隐节点采用输入模式与权向量的内积作为激活函数的自变量，具有“局部逼近”的特性，局部逼近是指目标函数的逼近仅仅根据查询点附近的数据，学习速度快，可以满足有实时性要求的应用。本发明采用rbf神经网络对非线性函数的逼近能力，对未知扰动信号的不可观测部分进行逼近，最大程度提高机器人关节控制的鲁棒性和抗干扰性。
设计反演滑模控制器的步骤包括下述步骤1031-1035：
步骤1031：定义李亚普洛夫函数为
则有，
其中，
步骤1032：对
当
步骤1033：定义反演滑模控制算法下的lyapunov函数为
滑模函数为
其中，
步骤1034：对滑模函数
其中，
步骤1035：对
神经网络反演滑模控制率为：
其中，
步骤104、通过反演滑模控制器，控制机器人关节系统按照预设输入系数进行运动。
一种可行的实施方式中，如图3所示为本发明基于干扰观测器以及反演滑模控制器控制机器人关节系统运动的基本原理图，如图4所示为本发明基于干扰观测器的机器人关节系统控制的工作原理示意图，先通过干扰观测器对系统内未知扰动信号的可观测部分进行补偿，进而根据上述步骤103设计出反演滑模控制器，结合神经网络对非线性函数的逼近能力，使得机器人关节系统的运动轨迹跟踪上给定输入的运动轨迹，也即，使得机器人关节系统的运动轨迹跟踪上期望轨迹，大大提高了机器人关节系统的跟踪精度。
本发明中，建立机器人关节系统的动力学数学模型；根据机器人关节系统的动力学数学模型，建立机器人关节系统的干扰观测器，对机器人关节系统未知扰动信号的可观测部分进行观测以及补偿；根据径向基rbf神经网络对未知扰动信号的不可观测部分进行模拟近似，并根据模拟近似得到的近似结果，设计反演滑模控制器；通过反演滑模控制器，控制机器人关节系统按照预设输入系数进行运动。本发明将干扰观测器补偿未知扰动和神经网络对非线性函数的逼近能力相结合，这样最大程度提高机器人关节控制的鲁棒性和抗干扰性，提高了机器人关节的跟踪精度。
图5是根据一示例性实施例示出的一种基于干扰观测器的机器人关节系统控制系统框图。参照图5，该系统包括建立单元510、观测单元520、设计单元530以及控制单元540。
建立单元510，用于建立机器人关节系统的动力学数学模型；
观测单元520，用于根据所述机器人关节系统的动力学数学模型，建立所述机器人关节系统的干扰观测器，对所述机器人关节系统未知扰动信号的可观测部分进行观测以及补偿；
设计单元530，用于根据径向基rbf神经网络对所述未知扰动信号的不可观测部分进行模拟近似，并根据模拟近似得到的近似结果，设计反演滑模控制器；
控制单元540，用于通过所述反演滑模控制器，控制所述机器人关节系统按照预设输入系数进行运动。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，如图6所示的电子设备框图，例如包括指令的存储器601，上述指令可由系统600的处理器602执行以完成上述基于干扰观测器的机器人关节系统控制方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器（ram）、cd-rom、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种应用程序产品，包括一条或多条指令，该一条或多条指令可以由系统600的处理器602执行，以完成上述基于干扰观测器的机器人关节系统控制方法。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】
与客服一对一沟通，为大家解决相关问题。
此文章来源于网络,如有侵权,请联系删除
热门咨询
