[发明专利]一种非线性双边遥操作系统的自适应鲁棒控制方法

权利要求书

1.一种非线性双边遥操作系统的自适应鲁棒控制方法，其特征在于该方法包括以下步骤：

1)建立非线性双边遥操作系统的动力学模型，具体为：

1-1)建立主从端机器人的动力学模型

其中，q_m,和q_s,分别表示主从端机械臂的位置、速度和加速度信号，D_m和D_s表示质量惯性矩阵，C_m和C_s表示科氏力/向心力矩阵，G_m和G_s表示重力矩阵，F_m和F_s表示摩擦力矩阵，d_m和d_s表示外界扰动和建模误差，τ_m和τ_s表示控制输入，τ_h和τ_e表示操作者操作力矩或者外界环境力矩，可由传感器测得；

上述模型具有如下特性：

①和为斜对称矩阵；

②公式(1)和(2)中的部分动力学方程可以写成如下线性方程的形式：

其中，W_m和W_s表示主从端机械臂的未知参数，Φ表示神经网络矩阵，和分别表示主从端机械臂的理想速度和加速度信号；

1-2)建立从端环境的非线性动力学模型

其中，W_e表示未知的环境参数；

2)基于径向基神经网络设计从端机器人的自适应鲁棒控制器，具体为：

2-1)定义从端的跟踪误差e_s如下：

e_s＝q_sd-q_s (4)

2-2)定义用于自适应控制的滑模面变量p_s如下：

其中，

2-3)将(4)代入(5)中，得到因此，

其中，

2-4)根据(6)设计控制器，保证从端系统的全局鲁棒稳定性，设计的控制器τ_s为：

τ_s＝σ_s+k_svp_s-τ_e-u_s (7)

其中，k_sv>0，τ_e表示由传感器测得的外界环境力矩，u_s是鲁棒补偿项；

2-5)为了实现无需建模信息的控制，控制器(7)中σ_s是用于估计非线性函数z_s的径向基神经网络模型，具体为：

其中，Φ_s(x_s)为径向基神经网络矩阵，W_s为自适应参数，

2-6)基于李雅普诺夫函数设计自适应参数的自适应率为：

其中，k_s>0,Γ_s>0；

3)基于径向基神经网络模型的从端环境参数估计与主端环境的重构，具体为：

3-1)将从端环境的非线性动力学模型(3)写成径向基神经网络模型形式，则：

其中，W_e表示未知环境参数，

3-2)定义为环境参数的最优估计量，其自适应率为Ω_e和Ω_e0分别表示x_e和W_e的有界集，Γ_e>0，k_e>0，通过MATLAB的神经网络工具箱实现从端环境的在线估计；

3-3)由于通信时延T(t)的存在，为避免功率信号在通信通道内的传递而影响遥操作系统的无源性，将从端的非功率环境参数估计值传递到主端，从而得到主端的重构环境力为：

其中，

4)基于径向基神经网络设计主端机器人的自适应鲁棒控制器，具体为：

4-1)定义q_md为主端机械臂的理想跟踪轨迹，且满足：

其中，D_d,C_d,G_d,F_d表示主端机械臂的透明性能系数；无源的主端机器人理想跟踪轨迹q_md可由(13)得到，基于径向基神经网络设计主端的自适应鲁棒控制器，使主端机器人跟踪理想轨迹q_md；

4-2)定义主端的跟踪误差e_m如下：

e_m＝q_md-q_m (14)

4-3)定义用于自适应控制的滑模面变量p_m如下：

其中，

4-4)将(14)代入(15)中，得到因此，

其中，

4-5)根据(16)设计控制器，保证主端系统的全局鲁棒稳定性，设计的控制器τ_m为：

τ_m＝σ_m+k_mvp_m-τ_h-u_m (17)

其中，k_mv>0，τ_h表示由传感器测得的操作者的操作力矩，u_m表示鲁棒补偿项；

4-6)为了实现无需建模信息的控制，控制器τ_m中σ_m是用于估计非线性函数z_s的径向基神经网络模型，具体为：

其中，Φ_m(x_m)为径向基神经网络矩阵，W_m为自适应参数，

4-7)基于李雅普诺夫函数设计自适应参数的自适应率为：

其中，k_m>0,Γ_m>0；

所述步骤2-4)中，u_s是应对径向基神经网络误差γ_s和系统建模误差、外干扰d_s的鲁棒补偿项，设计为：

u_s＝-(γ_sN+b_sd)sgn(p_s) (8)

其中||γ_s||≤γ_sN，||d_s||≤b_sd；

所述步骤4-5)中，u_m是应对径向基神经网络误差γ_m和系统建模误差、外干扰d_m的鲁棒补偿项，设计为：

u_m＝-(γ_mN+b_md)sgn(p_m) (18)

其中||γ_m||≤γ_mN，||d_m||≤b_md；

所述步骤2-6)中，李雅普诺夫函数V_s为：

其中，表示估计误差；

所述步骤4-7)中，李雅普诺夫函数V_m为：

其中，表示估计误差。

2.根据权利要求1所述的一种非线性双边遥操作系统的自适应鲁棒控制方法，其特征在于，所述步骤1-1)中，主端的位置信号q_m(t)通过通信通道传输到从端得到时延的位置信号q_m(t-T(t))，在从端设计轨迹生成器V_f(s)＝1/(1+τ_f)²，并将时延的位置信号q_m(t-T(t))作为输入，输出用于从端位置跟踪的理想输入信号q_sd(t),其中，T(t)为系统的通信时延。