[发明专利]一种基于变化阻抗控制的不确定机器人自适应控制方法

说明书

本发明公开了一种基于变化阻抗控制的不确定机器人自适应控制方法，涉及机器人控制技术领域，其包括：构建机器人的动力学模型；根据阻抗控制目标，构建期望的变阻抗模型；设计机器人滤波跟踪误差；根据动力学模型、变阻抗模型、滤波跟踪误差，基于自适应神经网络，设计自适应控制器；对自适应控制器进行仿真，得到仿真结果，若仿真结果未达到期望，则调节自适应控制器的控制参数后重新仿真，否则输出自适应控制器。该方法可以用于机器人系统的阻抗控制，能够更好的实现期望的变阻抗动态；简单可靠，易于实现，能够克服机器人变化阻抗控制的不足，从而提高机器人与环境交互的性能。

技术领域

本发明涉及机器人控制技术领域，具体而言，涉及一种基于变化阻抗控制的不确定机器人自适应控制方法。

背景技术

阻抗控制作为一种控制方法，其目的是使末端执行器的位置与机器人机械阻抗对末端执行器环境接触力的影响保持理想的动力学联系。虽然已有研究将阻抗控制应用于机器人与环境的交互作用中，但如果根据环境变化实时调整建立的阻抗模型中的参数，控制效果会有很大不同。大部分的工作都是基于固定的阻抗控制系统，即惯性、刚度和阻尼是常数矩阵。一方面，在多变的环境下，采用固定的阻抗控制并不能保证高质量的性能，不仅重复性高，精度低，而且机器人动态适应行为的能力也很低。另一方面，固定的阻抗控制要求位置能够很好的跟踪参考轨迹，并要求解二阶偏微分方程，控制过程复杂。

发明内容

本发明在于提供一种基于变化阻抗控制的不确定机器人自适应控制方法，其能够缓解上述问题。

为了缓解上述的问题，本发明采取的技术方案如下：

本发明提供了一种基于变化阻抗控制的不确定机器人自适应控制方法，包括以下步骤：

S1、构建机器人的动力学模型；

S2、根据阻抗控制目标，构建期望的变阻抗模型；

S3、设计机器人滤波跟踪误差；

S4、根据动力学模型、变阻抗模型、滤波跟踪误差，基于自适应神经网络，设计自适应控制器；

S5、对自适应控制器进行仿真，得到仿真结果；

S6、若仿真结果未达到期望，则调节自适应控制器的控制参数，之后跳转至步骤S5，否则输出自适应控制器，完成不确定机器人自适应控制设计。

本技术方案的技术效果是：该方法可以用于机器人系统的阻抗控制；根据动力学模型、变阻抗模型、滤波跟踪误差，基于自适应神经网络进行自适应控制，能够更好的实现期望的变阻抗动态，精度高，重复性低，机器人动态适应行为的能力更高；该方法简单可靠，易于实现，能够克服机器人变化阻抗控制的不足，从而提高机器人与环境交互的性能。

进一步地，所述步骤S1中，动力学模型包括机器人在关节空间的动力学模型、机器人在高斯空间的动力学模型、关节空间和笛卡尔空间之间的转换关系；

机器人在关节空间的动力学模型为：

其中，q∈R²为机器人在关节空间的位置，R²表示2维向量空间；为机器人在关节空间的速度；为机器人在关节空间的加速度；M(q)∈R^2×2表示机器人的惯性矩阵，R^2×2表示矩阵空间；表示机器人的哥氏力与离心力矩阵；G(q)∈R²表示重力矩阵；J(q)∈R^2×2表示雅可比矩阵；f∈R²表示施加的外力；τ∈R²表示控制输入；T表示矩阵的转置；

矩阵M(q)，G(q)和J(q)表示为：