[发明专利]机械臂柔性关节的RBF神经网络自适应动态面控制方法

说明书

本发明涉及一种基于机械臂柔性关节的RBF神经网络自适应动态面控制方法，属于人工智能及智能控制技术领域。本发明针对机械臂存在的柔性关节进行建模，结合RBF神经网络与动态面技术用自适应的控制方法设计控制器。利用RBF神经网络来补偿系统参数不确定性的，利用自适应律对神经网络的权值进行调整，提高RBF神经网络对非线性函数的逼近能力，消除对机械臂精确动力学模型的需要，研究适合于具有柔性关节的轻型机械臂的位置跟踪控制算法。最后通过仿真实例对设计控制器进行验证，说明本发明可以在机器臂输出力矩有限的条件下保证关节能够有效跟踪给定信号，跟踪误差无约束在一定范围内，且所有信号都半全局有界。

技术领域

本发明属于人工智能及控制领域，具体涉及一种机械臂柔性关节的RBF神经网络自适应动态面控制方法。

背景技术

自20世纪60年代以来，机器人在工业上得到了广泛应用，如机械加工、弧焊、点焊、喷涂、装配、检测、航天、太空探测等。长期以来工业机器人在工业自动化生产线上，占据着重要的位置。但随着机器人应用范围扩大，人们发现工业机器人这种固定、重复性地操作不能满足更多更为灵活地任务的需求，如工作任务随位置改变、任务要求不相同的操作。因此，工程设计出能满足这类特殊要求的轻型机械臂。轻型机械臂大多应用于预先未知的工作环境下，无法获取周围物体相对于自身的精确位置，需要较高的定位精度，基于人机交换安全性的考虑，因此在设计过程中要考虑到设备的柔顺性。轻型机械臂一般由多个连杆通过转动或移动关节连接而成，机器人的柔性主要来源于连杆柔性和关节柔性，关节的柔性是指传动机构和关节转轴的扭曲变形，一般柔性关节可以用具有弹性的物品作为连接物，比如弹簧等。虽然可以通过机械设计减小关节的柔性，但是从现有的结果来看，效果不是很好。

在工业生产中，仅仅考虑刚性杆件的运动而不考虑到运动中的弹性，是不太充分的，甚至在一些设计中，没有考虑到机械臂的柔性，从而导致闭环系统不稳定。针对这一问题，近些年来，具有柔性关节的机器人的运动控制问题已经引起了不少专家学者的研究，也得到了一定的发展。首先，在1987年，Spong提出了柔性关节的简化模型，即将其视为线性弹簧，该简化大大推动了柔性关节机器人的控制研究。参照刚性机器人的控制思想，将PD或者PID以及柔性关节补偿控制器应用到柔性机器人关节控制上来。但是，这种方法在稳定性证明方面比较复杂，而且虽然控制器较简单，但是控制精度不高；随着研究的深入，反馈线性化和鲁棒自适应控制来控制柔性关节机器人被众多学者所注意到。反馈线性化方法对控制柔性关节机器人来虽是一种可行的方法，但是该方法的跟踪性能严重依赖系统模型的准确程度，然而，对于柔性关节机器人的精确建模较难。因此，反馈线性化与自适应技术、模糊控制、神经网络等方法结合消除对模型的精确要求，可以较好地对具有柔性关节的机器人进行控制，并达到较为理想的效果，Sira-Ramirez和Spong设计了滑模控制器，Zeman和Ge等提出了利用神经网络来补偿系统参数不确定性的设计方法。对于柔性关节机器人而言，除了系统中存在的不确定性和输出反馈控制研究之外，由于关节电机自身输出功率的限制，使得机器人关节驱动器输出力矩存着饱和限制，虽然很多文献进行了研究，但目前还没有较好的解决方法。

发明内容

针对现有技术中存在的问题，本发明将关节柔性、输出力矩受限以及外部干扰等问题综合考虑，提出机械臂柔性关节的基于RBF神经网络的自适应动态面控制方法。

为了实现上述任务，本发明采用以下技术方案：

一种机械臂柔性关节的RBF神经网络自适应动态面控制方法，包括以下步骤：

步骤1，对机械臂柔性关节进行建模；

步骤2，根据械臂柔性关节的物理特性，将建模得到的方程模型转换为状态方程；

步骤3，定义第一个跟踪误差并设计第一个虚拟控制器，将第一个虚拟控制器的信号输入第一个一阶低通滤波器，得到新的状态变量x_2d代替第一个虚拟控制器进行下一步计算，减小计算量；