[发明专利]一种基于神经网络的机械臂内模控制方法

说明书

本发明公开了一种基于神经网络的机械臂内模控制方法，该方法包括：步骤1，选取永磁同步电机作为关节驱动电机，并将电机模型与机械臂模型整合，建立整体系统的数学模型；步骤2，针对机械子系统，设计基于输出调节理论的内模控制器；步骤3，针对电气子系统，利用神经网络方法设计最终控制器。本发明针对机械臂系统存在参数不确定以及负载干扰的情况，设计了基于内模和神经网络的状态反馈控制器，在允许所有系统参数未知的情况下实现了机械臂系统的位置跟踪和干扰抑制，具有良好的跟踪性能。

技术领域

本发明涉及机械臂系统控制领域，具体为一种基于神经网络的机械臂内模控制方法。

背景技术

随着科学技术的发展，机械臂系统由于其优异的性能，在工业及其自动化领域得到了广泛的应用。同时，作为机械臂的关节驱动电机，永磁同步电机由于其具有功率密度高、体积小、易于维护等特点，在驱动机械臂时性能更加优异。考虑到永磁同步电机及机械臂整个系统是一个十分复杂的非线性系统，且存在参数不确定性和外部干扰，如何设计控制器实现机械臂的高精度控制具有重要的研究意义。

一方面，非线性输出调节理论在过去的几十年取得了很大进展，而其内模控制方法能够方便的解决系统的轨迹跟踪与干扰抑制问题，且具有良好的鲁棒性。另一方面，由于神经网络能够近似复杂的非线性函数，在非线性系统控制方面也应用颇广。在针对永磁同步电机驱动的机械臂系统中，将内模控制方法与神经网络方法相结合，可以在系统参数未知的情况下实现位置跟踪和干扰抑制，且具有更加优良的跟踪性能。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于神经网络的机械臂内模控制方法。针对永磁同步电机驱动的机械臂系统，设计了基于内模和神经网络的状态反馈控制器，从而得到优良的位置跟踪与干扰抑制性能，并允许系统所有参数未知。

本发明的技术方案是：

一种基于神经网络的机械臂内模控制方法，其特征在于，包括以下步骤：

步骤1：选取永磁同步电机作为关节驱动电机，并将电机模型与机械臂整合，建立整体系统的数学模型；

步骤2：针对机械子系统，设计基于输出调节理论的内模控制器；

步骤3：针对电气子系统，利用神经网络方法设计最终控制器。

步骤1中，选取永磁同步电机作为关节驱动电机，并将电机模型与机械臂整合，建立整体系统的数学模型，其过程如下：

1.1，根据欧拉-拉格朗日方法建立机械臂的动力学模型，由表贴式永磁同步电机驱动的n自由度机械臂模型如下：

其中为机械臂的角位置，为惯性矩阵，为二维向心力和科里奥利力矩，为重力矩，为外界扰动，分别为dq轴定子电流，I_D＝diag{I_d1，I_d2，…，I_dn}，I_Q＝diag{I_q1，I_q2，…，I_qn}，u_d，分别为dq轴定子电压，p为电机极对数，Φ_m＝3pΦ_v/2，Φ_v＝diag{Φ_v1，Φ_v2，…，Φ_vn}，R＝diag{R₁，R₂，…，R_n}，L＝diag{L₁，L₂，…，L_n}均为n维正定常对角矩阵，分别表示电机转子磁链，定子电阻和电感；

1.2，令则系统(1)可以写为如下形式：

上述系统(1)具有以下性质：