[发明专利]协调打磨机械臂系统自适应神经网络同步阻抗控制方法

说明书

本发明涉及协调机械臂打磨领域，具体涉及协调打磨机械臂系统自适应神经网络同步阻抗控制方法，该方法包含打磨轨迹环跟踪和打磨力环跟踪两个部分，在这两个环的方法设计中，分别设计了基于神经网络的不确定性补偿控制律，从而快速消除协调机械臂系统中的动力学不确定性和工件打磨系统中的不确定性，在双环中同时保证了协调打磨机械臂系统的协同高精度打磨轨迹和打磨力的跟踪效果，为协调机械臂打磨领域提供了一个精准稳定的控制方法。

技术领域

本发明涉及协调机械臂打磨领域，具体涉及协调打磨机械臂系统自适应神经网络同步阻抗控制方法。

技术背景

随着工业机器人越来越多的被应用在工业生产领域，传统的单机械臂越来越不能满足复杂高精度的生产任务，多机械臂协调加工越来越多的被引入实际的生产加工中。以打磨加工场景为例，传统的单机械臂打磨多集中在工件固定、机械臂进行打磨的任务场景，这种加工模式在面对具有复杂工件表面时，由于自由度有限，打磨机械臂很难全面到达所需的加工位姿，需要在加工过程中人为进行打磨工件的位姿调整，降低了加工效率。而且，在流水线生产中，单机械臂加工过程中，由于工件多是固定不动的，这就在一定程度上影响了产线运行效率。协调机械臂的应用，由于协调系统具有更多的打磨自由度，因此可以在一次装夹后面对更为复杂工件表面，减少了人工干预。同时，协调打磨机械臂系统可以在打磨过程中同步进行打磨工件的搬运，提高了产线效率。

由于协调打磨机械臂系统面临着动力学参数不确定和加工环境不确定的因素，传统的位置跟踪和打磨力自适应跟踪算法多针对于单机械臂，难以适应协调机械臂之间的协同位置跟踪精度的要求。而且，传统的自适应阻抗方法由于很少考虑工件表面的复杂不确定环境，在打磨力跟踪速度和精度上都存在较大不足。神经网络在处理非线性不确定问题上具有很广泛的应用，可以快速补偿系统的不确定性误差。因此，针对协调机械臂设计考虑多机械臂系统之间的高精度自适应神经网络协同力位跟踪方法，对提高协调机械臂的打磨精度和稳定性具有重大意义。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供一种协调打磨机械臂系统自适应神经网络同步阻抗控制方法，研究协调机械臂打磨系统在加工过程中面对机械臂系统自身动力学参数不确定和工件环境不确定的情况下，通过设计基于自适应神经网络的阻抗控制器，来保证协调机械臂协同位置跟踪精度和打磨力跟踪精度，从而为协调机械臂打磨的相关研究提供理论支持，进而提高控制精度和稳定性，其具体技术方案如下：

协调打磨机械臂系统自适应神经网络同步阻抗控制方法，包括如下步骤：

S1.构建协调打磨机械臂系统的动力学模型，所述协调打磨机器人系统包含夹持机械臂系统和打磨机械臂系统；

S2.设计打磨机械臂系统和夹持机械臂系统之间的同步跟踪误差，并由此构建全局耦合滑模因子，进而构建基于笛卡尔任务空间的包含打磨机械臂系统和夹持机械臂系统动力学不确定性的闭环滑模耦合动力学模型，设计基于神经网络不确定性快速补偿的协调打磨机械臂系统驱动力矩表达式；

S3.构建包含打磨工件环境不确定性的闭环阻抗控制模型，通过引入神经网络对所述闭环阻抗控制模型进行补偿，得到新的误差补偿阻抗模型，后推导得到打磨机械臂系统阻抗修正模型。

进一步的，所述步骤S1具体包括：

所述协调打磨机械臂系统中第i个机械臂的动力学表达式为：

在公式(1)中，M_i代表机械臂的惯量矩阵，D_i代表哥式力和离心力矩阵，G_i代表重力矩阵，d_fi代表摩擦力和干扰项，τ_i代表关节力矩向量，q_i代表关节角度向量，代表关节速度向量，代表关节加速度向量；

在所述夹持机械臂系统中，工件的动力学模型表达式为：