[发明专利]基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法

说明书

基于多智能体可重构模块化柔性机械臂轨迹跟踪控制方法涉及可重构模块化柔性机械臂控制领域，其将可重构模块化柔性机械臂动力学模型描述为一个交联关节智能体子系统的集合，实现单关节智能体柔性机械臂系统的建模；利用重新定义输出的思想，将关节电机转角和柔性模态变量的线性组合作为柔性机械臂系统的输出，通过输入输出线性化，将单关节柔性机械臂系统分解为输入输出子系统和零动态子系统两部分。本发明将零动态子系统在平衡点近似线性化，通过合理选择重新定义系统输出的设计参数，使柔性机械臂系统的零动态子系统在平衡点附近渐进稳定，从而保证整个柔性机械臂系统的渐近稳定，以此来满足机械臂子系统对期望轨迹的跟踪要求。

技术领域

本发明涉及可重构模块化柔性机械臂控制领域，具体涉及一种基于多智能体的可重构模块化柔性机械臂轨迹跟踪控制方法。

背景技术

具有高柔性、设计周期短、高可靠性、成本低和易维护等特点的模块化可重构机械臂，在实验室研究、航天、核工业、军事等领域得到了广泛的研究与应用。可重构模块机械臂具有标准接口与模块，可根据不同的任务需求对自身构形进行重新组合与配置，且不需要重新设计控制器。此外，可重构模块机械臂的关节还包括了通讯、驱动、控制、传动等单元，使重构后的机械臂对新的工作环境具有更好的适应性。因此对可重构模块化柔性机械臂的轨迹跟踪研究具有重要的研究应用价值，使柔性机械臂在相关领域中发挥更好的价值。

由于可重构模块化柔性机械臂在运动过程中关节和连杆柔性效应增加，会使结构发生变形从而导致任务执行的精度降低；并且目前可重构模块化柔性机械臂的轨迹跟踪算法对环境和状态信息的依赖要求比较高，但机械臂系统中存在着较多的不确定性因素和扰动。例如目前采用遗传算法对机械臂进行轨迹规划时,首先要对机械臂建立精确的运动学和动力学模型,然后基于模型再优化末端执行器的轨迹曲线。但是柔性机械臂具有高度非线性、强耦合和时变性，在参数不确定情况下建立精确的模型很困难，导致传统的一些算法对机械臂很难进行有效的轨迹跟踪控制。因此,现有技术中主要是在对机械臂进行运动学和动力学建模基础上,在关节空间或笛卡尔空间中,通过解变换方程、运动学动力学方程反解,或者差值运算来实现柔性机械臂的轨迹规划。目前，柔性机械臂的研究已经非常成熟，但都是基于固定的结构形式，当机械臂的结构发生改变时，需要重新进行控制器的设计；目前，对于可重构机械臂的研究也取得了一定的研究成果，但较少考虑关节的柔性以及柔性模态对系统轨迹跟踪精度的影响。

柔性机械手的控制器设计均基于可测得系统状态的基础上，系统状态包括关节转角、速度、柔性模态及其导数。前三个量分别可以通过光电编码器、测速机和应变测量器获得，而柔性模态导数的获得则一直是个难点。现有的一种方法是在机械臂上安装加速度测量仪，通过对其输出信号积分获得；另一种方法是通过对模态变量直接模拟微分。前者成本较高，不利于实际应用，而后者存在噪声问题。滑模观测器控制对于系统不确定性方面具有良好的鲁棒性能，同时该算法具有响应迅速、无需在线识别、对参数变化及扰动不敏感的优点。传统滑模控制方法中切换函数的选取一般只依赖于系统状态,而与系统输入无关。这样,到达律中的不连续项会直接转移到控制中,使系统在不同的控制逻辑之间来回切换,从而引起系统抖振。而动态滑模控制方法在选取切换面时不仅依赖于系统状态,而且与系统输入甚至输入的一阶或高阶导数有关,因而到达律中不连续项的影响可有相当部分转移到控制的一阶或高阶导数项中去,这便大大削弱滑模系统的抖振，因此对柔性机械臂模型参数的不确定性、外界干扰的不确定性以及非线性时变不确定性等因素导致的柔性臂在执行任务精度不高问题具有良好的控制效果，有效提高柔性机械臂的轨迹跟踪控制精度，并且有效提高了柔性机械臂的复用率。

发明内容

本发明针对可重构模块化柔性机械臂在运动过程中关节和连杆柔性效应的增加，使结构发生变形从而使任务执行的精度降低、复用性低等问题，提出了基于多智能体的可重构模块化柔性机械臂轨迹跟踪控制方法，该方法将柔性机械臂单关节子系统看做一个智能体，首先设计柔性机械臂单关节智能体控制器，然后根据不同工况对多个关节进行串联重组，以适应不同的应用领域需要，方便快捷，轨迹跟踪精度较高且不需要重新设计控制器；该方法实现了可重构柔性机械臂渐进跟踪期望轨迹，且跟踪误差收敛且有界。