[发明专利]一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法

说明书

本发明属于机械臂轨迹跟踪技术领域，具体涉及一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法，包括以下步骤：建立n关节机械臂的动力学模型，初始化系统状态、采样时间和系统参数；设计滑模函数和改进型趋近律；基于二关节串联机械臂动力学模型，设计基于改进型趋近律的滑模鲁棒项，选择RBF神经网络逼近系统的干扰力矩和模型参数不确定，设计自适应控制器，更新RBF神经网络的网络权值，设计控制律，完成机械臂轨迹跟踪；改进型趋近律加速系统收敛，有效控制系统抖振，同时保证系统的鲁棒性；利用RBF神经网络用来处理系统的干扰力矩和模型参数不确定；该方法能够加速系统收敛，有效控制抖振，同时保证系统鲁棒性。

技术领域：

本发明属于机械臂轨迹跟踪技术领域，具体涉及一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法。

背景技术：

随着控制理论与控制技术的不断发展，机械臂被广泛的应用于工业生产之中。但是由于机械臂是一个复杂的多输入多输出的非线性复杂系统，同时由于机械臂本身的结构参数相对复杂难以测量导致难以建立机械臂的精确的动力学模型。现在的工业生产对于机械臂的轨迹追踪精度提出了更高的要求。因此机械臂的运动控制精度问题成为亟待解决的问题，并由此出现了多种控制方法。例如中国专利CN201410271442.X公开了一种用于空间机械臂连续轨迹跟踪的方法，包括以下步骤：首先，用逆广义雅克比法控制机械臂末端器跟踪一条已知的轨迹，但是由于该方法结果的精确度与数值积分步长成反比，所以需要更大的计算量来得到更精确的解，为固定步长提高计算精度，将Milne-Hamming线性多步预测校正方法与所述方法相结合，然后，利用龙格-库塔法计算Milne-Hamming算法步骤五之前的前四个值，应用该连续轨迹跟踪方法可更精确地完成空间机械臂任务空间内连续轨迹的跟踪；中国专利CN201810422706.5公开了一种全状态约束机械臂轨迹跟踪的协同控制方法，将基于ABLF反推控制和基于Hamilton能量理论控制相结合，构建协同控制器：建立n个关节约束的机械臂系统动力学方程，对之进行坐标变换，得到该系统状态空间方程；设计基于ABLF的反推控制器，以提升系统初始响应速度，同时避免约束被破坏；设计基于Hamilton能量理论的控制器，以提高系统响应后期的跟踪稳定性；设计协同控制器，实现对全状态约束机械臂系统快速稳定控制。

由于滑模控制具有简单的结构，能够有效的克服系统存在的不确定性，对于外界干扰和系统为建模动态具有强鲁棒性，能够良好的可控制非线性系统，因此被广泛的应用于机器人的控制系统设计。例如中国专利CN201711468258.4公开了一种柔性关节机械臂系统的分数阶滑模控制方法，针对机械臂关节柔性的整数阶滑模动力学控制中存在的抖振和轨迹跟踪控制的问题，结合滑模变结构控制的优点，引入分数阶微积分理论，并利用分数阶微分算子的快速收敛性、信息记忆性和遗传性，从而提出一种新型的具有强鲁棒性、抗干扰性和削弱抖振效果更好的分数阶滑模变结构控制器，可使机械臂的关节柔性动力学控制系统具有更好的连续性、快速性、鲁棒性和良好的抗干扰性，最终，实现分数阶滑模变结构控制方法的设计。

现有技术还存在一些问题，如二关节串联机械臂滑模控制中存在的抖振和系统收敛慢的问题。

发明内容：

为了克服现有技术的上述缺点，本发明提出一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法，通过多种趋近律的有效结合，加快系统收敛速度同时对抖振进行有效控制。

为了解决上述技术问题，本发明的技术方案如下：

一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法，包括以下步骤：

S1、建立n关节机械臂的动力学模型，初始化系统状态、采样时间和系统参数，过程如下：