[发明专利]一种改进的水下机器人作业机械臂广义预测控制方法

说明书

技术领域

本发明涉及一种改进的水下机器人作业机械臂广义预测控制方法。

背景技术

水下机器人是一种通过遥控或自主控制方式在水下自由移动，具有环境感知系统，使用机械臂等工具代替或辅助人工完成水下作业任务的装置，被广泛应用于科学研究、社会经济、军事等不同领域，是海洋探索和水下作业最为有效和最具潜力的高端智能装备，现已出现大量专业化的成熟商业产品。

水下机械臂是水下机器人进行工作时必不可少的作业工具。目前，水下机器人较多采用的是液压驱动机械臂，这类机械臂功率密度比大，负载能力强，易于实现防水密封，尤其适合搭载于体型较大的作业型缆控无人水下机器人(ROV)上。

复杂多样的作业环境和作业任务要求水下机械臂具有多个灵活的运动自由度，但与陆上常见的电动机械臂类似，自由度的增加会大幅增大机械臂的运动控制难度。水下机械臂属于多变量、快时变、强耦合且具有非线性特性的复杂系统，液压驱动器(液压马达、液压缸)自身的精确控制就已相当困难，其手爪夹持负载和洋流运动带来的力矩变化以及水下机器人自身姿态的实时变化，还会导致机械臂控制模型的不确定性。因此，必须设法找到一种更为合适的液压驱动关节运动控制算法，以使水下机械臂实现准确、快速、稳定地运动控制响应。

预测控制是由自适应控制演化而来的一种新型控制算法。它采用多步预测、滚动优化和反馈校正等控制策略，适用于难以建立精确数字模型且较为复杂的控制过程，已受到国内外工程控制界的高度重视，并出现了多种不同的分支，如模型算法控制(MAC)、动态矩阵控制(DMC)、广义预测控制(GPC)、广义预测极点控制(GPP)、推理控制(IC)、内模控制(IMC)等。

其中，广义预测控制(GPC)使用参数模型，对被控系统没有特殊要求，能克服系统实时变化、外界扰动、非最小相位问题等不利因素带来的影响，具有较强的鲁棒性。但GPC算法的计算量比较大，其为求得模型参数所采用的常规辨识算法应变能力也较差，因此，有必要基于GPC算法设计一种适合用于水下机械臂的运动控制算法。

中国专利文献CN 104865979A公开了一种污水处理过程自适应广义预测控制方法及系统，解决了广义预测控制在应对较大干扰时不能实现稳定控制的问题。实验结果表明该控制算法能够稳定、快速地控制溶解氧浓度，具有较强的抗干扰能力，有利于实现污水处理过程的稳定、高效运行。但该方法使用模糊神经网络模型辨识，所用广义预测控制算法也未经简化，导致模型辨识时间和控制率计算时间较长，不适合在机械臂这类运动速度较快的领域使用。

发明内容

本发明为了解决上述问题，提出了一种改进的水下机器人作业机械臂广义预测控制方法，本发明采用T-S模糊辨识、变遗忘因子递推最小二乘法和阶梯式广义预测控制算法相结合，能够提高参数辨识过程收敛速度、辨识精度和抗干扰性，对控制增量进行约束，达到更好的控制效果。

为了实现上述目的，本发明采用如下技术方案：

一种改进的水下机器人作业机械臂广义预测控制方法，为闭环控制，包括柔化、调节和预测环节，被控对象的设定期望值经柔化处理后生成参考轨迹向量，与预测输出初值相减再经阶梯化处理即可求得当前时刻的控制增量，进而得到控制量，将控制增量作用于被控对象执行相应动作，同时控制增量与输出量一起被用来生成新的预测输出初值。

一种改进的水下机器人作业机械臂广义预测控制方法，建立适合用于非线性系统辨识的T-S模糊辨识模型，辨识得到水下机械臂的实时CARIMA参数模型，并引入阶梯因子，形成递进关系，使用阶梯式广义预测控制算法进行滚动预测优化生成最优控制量，并作用于液压驱动器的控制装置，使水下机器臂产生相应动作。

进一步的，建立适合用于非线性系统辨识的T-S模糊辨识模型，需要事先确定T-S模型的类型、前件变量及其阶次和滞后量等关键点，还要确定模糊规则的数量、隶属函数的类型，并对模糊空间进行划分。

进一步的，T-S模糊辨识无需知道被控对象模型的具体结构，利用模糊推理原理逼近未知的非线性动态对象并可将其线性化。

进一步的，采用仿射T-S模型，选择高斯型隶属函数来完成求取前件模糊集合的任务，每条模糊规则对于T-S模型后件变量有各自的隶属度，T-S模型的输出值是由诸规则的输出项进行加权平均得到的总输出。

进一步的，引入可变遗忘因子值在线修正项，采用遗忘因子递推最小二乘法来进行参数辨识。

进一步的，广义预测控制过程中根据设定的性能指标是否达到最优来确定未来时刻的控制作用。