[发明专利]一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法

说明书

技术领域

本发明涉及水下机器人的运动控制技术，具体为一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法。

背景技术

组合体由实验体和悬浮目标对接后形成，包含一个可以受控旋转的关节，由于组合体工作环境为水中，可以将其视为带单关节机械臂的水下机器人系统。水下机器人系统具有非线性、时变、强耦合等特点，这对其控制器的设计提出了很大的挑战。

目前针对水下航行器的控制技术已经开展了大量的研究。多种不同的控制方法包括线性控制，鲁棒控制，模糊控制，自适应控制等都已被用于水下航行器的运动控制。但上述每种控制技术都有其针对性和局限性。

传统的局部线性化和PID控制方法需要对流体动力模型的参数有比较准确的了解，并且设计好的控制器仅能保证在平衡点附近具有较好的性能。考虑到组合体的动力学参数会随着自身运动状态及构型的变化而变化，控制器必须能够实时修正自身的控制规律以保证整个控制系统始终能获得满意的性能。

非线性控制理论的发展为解决这一问题提供了新的思路。混合悬浮微重力环境下的组合体是一个典型的多输入、多输出、非线性、强耦合系统，而且由于其水动力系数难以准确获取，系统的运动学和动力学参数随组合体构型变化而变化等原因无法获得系统的精确数学模型。因此要满足高精度的控制要求，就需要控制器能够随控制对象参数的变化而自动修正控制器的参数或结构，自适应控制和神经网络控制就是为了满足此类需要而提出的控制策略。

自适应控制器能够及时修正自己的特性以适应控制对象的动态特性变化，使系统能够保持最优或次优工作状态。现有技术中，采用将两种直接自适应控制律用于自主水下航行器(AUV)的控制，通过仿真对比了两种控制律在测量噪声存在情况下的控制效果。并且还针对含有不确定性项的AUV空间运动动力学系统模型，提出了一种自适应反演控制器，该控制器的设计不需要预知AUV的流体动力参数，仿真结果表明该控制律性能明显优于传统的PID控制。

上述自适应控制器虽然能够对参数不确定性进行辨识，通过实时修正控制器参数来补偿动力学模型的参数不确定性，但对于外部扰动和未建模动态等非参数不确定性，仅依靠自适应控制器难以保证系统的稳定性，需要与其他的控制策略相结合以提高系统的鲁棒性。

神经网络具有高度的非线性逼近映射能力，采用神经网络可实现对水下航行器动力学方程中未知部分的精确逼近，从而可通过前馈补偿，实现水下航行器的高精度运动控制。现有技术中公开了一个自适应神经网络控制器来实现对水下航行器的六自由度控制，其中用到了两种不同的神经网络结构来逼近水下航行器的非线性动力学，无需水下航行器的动力学模型即可实现对期望轨迹的良好跟踪。但该方法没有考虑推进器推力饱和对控制器性能的影响，而且忽略了神经网络的逼近误差。

为了满足组合实验体对于控制器稳定性、鲁棒性和自适应能力的要求，同时考虑到组合体系统的动力学模型无法精确获得以及推进器存在推力饱和约束等条件，需要提出一种新的混合悬浮微重力环境下组合体的自主控制方法。

发明内容

针对现有技术中存在的问题，本发明提供一种控制精度高，鲁棒性好，满足实验体的六自由度位姿控制和机械臂关节角的位置控制要求的，混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法。

本发明是通过以下技术方案来实现：

本发明一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法，包括，

步骤一，将组合体等效为水下机器人，建立运动学方程和动力学方程；

步骤二，通过径向基神经网络对组合体的动力学方程进行逼近，得到径向基神经网络对应的控制力和力矩，表示为

步骤三，通过滑模控制方法得到滑模控制对应的控制力和力矩，表示为τ_smc；

步骤四，将步骤二中神经网络对应的控制力和控制力矩，与步骤三中滑模控制法得到的控制力和控制力矩合成后，通过推力分配得到各个推进器的推力以及关节扭矩组成的广义向量u_d如下，

通过径向基神经网络对推进器的推力偏差进行逼近，得到推力偏差估计值

步骤五，合并步骤二至步骤四中得到的结果，得到推进器推进力和关节扭矩组成的广义向量u，其中，为推力分配矩阵B的广义逆矩阵；从而得到推进器推力和关节扭矩实现对组合体的自主控制。

优选的，步骤一中，

建立的组合体运动学方程如下，