[发明专利]视觉伺服机器人中的多模型自适应控制方法

说明书

技术领域

本发明涉及自动控制领域，尤其涉及一种视觉伺服机器人中的多模型自适应控制方法。

背景技术

在实际工业过程中，不同生产条件下，模型结构或参数往往不同。这种情况下，单一模型的自适应控制器的效果并不理想，可能导致较大的暂态误差。多模型自适应控制是解决复杂系统控制问题的有力工具，比较有效地改善系统的过渡过程。

基于切换的多模型自适应控制器，能快速地响应模型的突变，但子控制器间切换时暂态响应不好，且系统控制存在滞后时，有可能会导致子控制器间频繁切换，引发系统震荡。基于混合的多模型自适应控制器避免了子控制器间切换的发生，且在子模型集交集内，混合控制器比单个子控制器的控制效果更好。混合控制器适用于参数时不变或缓慢变化的被控对象，但在工业过程中，一些偶然事件，如环境变化，外界干扰等，将使被控对象的模型参数发生很大的变化，使得混合控制器不能及时响应，会造成较大的误差。

具体到视觉伺服机器人领域，视觉伺服机器人在跟踪机动目标的过程中，首先要在图像序中找到目标的确切位置。如果每次都在整个图像范围内对目标进行搜索，必然会增大系统的计算量，影响系统的实时性.—个有效的解决方法就是滤波。即根据之前获得的目标位置和运动信息，对目标的运动进行可靠预测，在相对较小的区域内完成对目标的搜索，但因为很难建立一个精确的机动目标模型，所以对机动目标的预测比较困难。虽然学者提出了基于切换或混合的多模型去逼近机动目标模型，取得了不错的控制效果。但基于切换的多模型机构容易引发系统震荡，瞬态效果差。基于混合的多模型机构不能及时响应系统参数跳变，控制效果不理想。

发明内容

本发明要解决的技术问题是如何避免在视觉伺服机器人中基于混合的多模型机构不能及时响应系统参数跳变的问题。

为了解决这与一技术问题，本发明提供了一种视觉伺服机器人中的多模型自适应控制方法，包括如下步骤：

S100：依据之前已获得的机动目标的位置和运动信息，建立有关目标位置参数的系统参数模型集，将该系统参数模型集划分成若干个相互之间有并集的模型子集；

S200：为每个所述模型子集设计一个对应的子控制器；

S300：建立一个误差模型；

S400：取每个所述模型子集中的中心点值，将其应用到步骤S300得到的误差模型中，得到第一系统辨识误差；

对视觉伺服机器人运动模型的目标位置参数进行估计，得到估计值，将步骤S300得到的误差模型应用到该估计值中，得到第二系统辨识误差；

S500：比较所述第一系统辨识误差与第二系统辨识误差，从而判断目标位置参数是否发生跳变；若判断结果为没有发生跳变，则采用混合控制器对所有所述子控制器进行混合控制；若发生跳变，则把相应的估计值重构为所述模型子集的中心点值，用所述模型子集对应的子控制器进行控制。

在所述步骤S400中，还包括采用具有约束投影算法的自适应算法对目标位置参数进行更新的过程。

所述步骤S100中，被控系统被描述为：

y(t)＝G(s；θ^*)u(t)+d(t) (1)

G(s；θ^*)＝G₀(s；θ^*)(1+Δ_m(s)) (2)

y_m(t)＝y(t)+v(t) (4)

式中，u(t),y(t)分别表示被控对象的输入和输出，d(t)是有界的干扰，满足G(s；θ^*)为实际被控对象；G₀(s；θ^*)为被控对象的模型描述；Δ_m(s)表示未建模动态特性；矢量表示G₀(s；θ^*)的未知参数；a_n-1(s)＝[s^n-1,s^n-2,…s,1]^T；y_m(t)为y(t)的测量值；v(t)表示有界的传感器噪音，满足

其中：

A1:D₀(s)是首项系数为1的多项式，并且阶次n是已知的；

A2:N₀的阶次小于n.

A3:Δ_m(s)是正则的，Re[s]≥-δ₀/2,δ₀是已知的常量。