[发明专利]一种带干扰观测器的机械手神经网络控制系统及方法

说明书

本发明公开的一种带干扰观测器的机械手神经网络控制系统及方法，采用第一加法运算器、RBF神经网络运算器、第二加法运算器、计算转矩控制器、第三加法运算器、机械手系统及扰动观测器建立带干扰观测器的神经网络系统控制系统，能够处理机械手系统中的动力学不确定项及外部扰动。其中，RBF神经网络运算器用于逼近机械手系统不确定的动力学参数引起的动力学不确定项；扰动观测器用于对外部扰动进行估计和补偿。本发明同时还能够验证控制方法对动力学不确定项和外部扰动一直的有效性，具有良好的跟踪效果。本发明能够有效地提高机械手系统的控制性能和跟踪精度。

技术领域

本发明涉及一种机械手控制系统及控制方法，具体涉及一种带干扰观测器的机械手神经网络控制系统及方法。

背景技术

机械手是非常复杂的多输入多输出非线性系统，不可避免的存在各种不确定性，无法获得系统精确的动力学模型，其控制十分复杂。从系统内部来看，由于测量和建模的不精确，动力学模型的参数很难确切的知道，如机器人每个连杆的质量、长度等；从外部来看，系统还会受到负载的变化以及各种不可预测的扰动的影响。因此，针对机械手中存在的参数不确定和外部扰动，需要设计适当的控制方案保证系统的鲁棒性。

在具有外界干扰和参数不确定的情况下,为了提高机械手控制系统的跟踪精度,目前主要有自适应控制方法、智能控制方法，干扰观测器方法和鲁棒控制方法。但自适应控制和鲁棒控制等方法对机械手的动力学模型的精确度要求较高。而神经网络由于不依赖于系统模型，具有以任意精度逼近任意非线性函数的万能逼近特性，非常适合用于逼近系统动力学模型中的未知参数，即未建模动态项，以消除系统未建模动力学的影响。干扰观测器的基本思想是通过构造新的动态系统对原系统中不确定因素进行观测或估计，然后利用观测器的估计输出，抵消不确定性的影响，提高已有控制器的控制性能。因此，干扰观测器对不可预测的或随机的外部干扰具有很好的抑制效果，极大地增强了系统的鲁棒性。

发明内容

本发明的目的在于提供一种带干扰观测器的机械手神经网络系统及控制方法，采用第一加法运算器、RBF神经网络运算器、第二加法运算器、计算转矩控制器、第三加法运算器、机械手系统及扰动观测器建立带干扰观测器的机械手神经网络控制系统，能够处理机械手系统中的动力学不确定项及外部扰动。其中，RBF神经网络运算器用于逼近机械手系统不确定的动力学参数引起的动力学不确定项；扰动观测器用于对外部扰动进行估计和补偿。本发明同时还能够验证控制方法对动力学不确定项和外部扰动一直的有效性，具有良好的跟踪效果。本发明能够有效地提高机械手系统的控制性能和跟踪精度。

为了达到上述目的，本发明通过以下技术方案实现：

一种带干扰观测器的机械手神经网络控制系统，其特点是，该控制系统包含：

第一加法运算器，所述第一加法运算器的第一输入端输入机械手系统的期望运动位移信号；

RBF神经网络运算器，所述RBF神经网络运算器的第一输入端与所述第一加法运算器的输出端连接；

第二加法运算器，所述第二加法运算器器的第一输入端输入机械手系统的期望运动速度信号；该第二加法运算器器的输出端与所述RBF神经网络运算器的第二输入端连接；

计算转矩控制器，所述计算转矩控制器的第一输入端与所述第一加法运算器的输出端连接，该计算转矩控制器的第二输入端与所述第二加法运算器的输出端连接；

第三加法运算器，所述第三加法运算器的第一输入端与所述RBF神经网络运算器的输出端连接，该第三加法运算器的第二输入端与所述计算转矩控制器的输出端连接；

机械手系统，所述机械手系统的输入端与所述第三加法运算器的输出端连接，该机械手系统的第一输出端与所述第一加法运算器的第二输入端连接，该机械手系统的第二输出端与所述第二加法运算器的第二输入端连接；