[发明专利]一种基于数据驱动的水下机械臂抗扰预测控制方法

说明书

本发明提供了一种基于数据驱动的水下机械臂抗扰预测控制方法，属于串联机械臂控制技术领域，解决了机械臂因在水下环境中受到阻力而导致控制精度不高的问题。其技术方案为：首先建立了水下机械臂的动力学模型，设计降阶扩张状态观测器对系统未建模动态和水下阻力影响进行观测与补偿，再针对补偿后系统设计控制量转换矩阵和预测控制律，最后选取合适控制参数，求解控制力矩，保证跟踪误差收敛。本发明的有益效果为：在未知水下阻力和系统精确动力学模型的情况下，可实现水下机械臂稳定、精确、快速地跟踪给定指令，完成控制任务。

技术领域

本发明涉及串联机械臂控制技术领域，尤其涉及一种基于数据驱动的水下机械臂抗扰预测控制方法。

背景技术

随着国家发展和社会进步，人们对资源的需求也愈发强烈。但由于对陆地资源的过度开发，导致地面上可利用的资源逐渐减少，于是就将目光投向了海洋。机械臂被认为是执行海底干预操作的最合适工具，由于水下机械臂的作业范围、动力特性以及作业的自主性、可靠性、准确性和灵活性等关系着整个水下机器人系统的作业能力，因此研究水下机械臂及其相关运动控制技术愈发重要。

目前，针对水下机械臂运动控制，主要采用的方法有：自适应控制、滑模控制、神经网络控制等，但是这些控制方法对于机械臂模型的依赖程度高，抗扰能力不强，且控制器设计较为复杂，给系统调试带来较大的困难。自抗扰控制是一种不依赖于模型的鲁棒控制方法，具有结构简单、抗扰能力强等优点，在水下机械臂控制领域具有良好的应用前景。自抗扰控制通过ESO来估计扰动，当系统存在噪声时，ESO带宽受限，从而影响最终控制效果。

如何解决上述技术问题为本发明面临的课题。

发明内容

本发明的目的在于提供一种基于数据驱动的水下机械臂抗扰预测控制方法，由于水下机械臂系统具有非线性、强耦合性和扰动多等特点，系统模型无法精确建立，因此设计ESO对系统的不确定性进行观测并补偿，以减弱不确定性和水下扰动对关节控制精度的影响。对补偿后的标准串联结构采用预测控制，增强控制器鲁棒性，使得水下机械臂具有良好的自适应能力、抗干扰能力及鲁棒稳定性。

本发明的发明思想为：本发明考虑将自抗扰控制中的PD控制器改进为预测控制器，利用预测控制器滚动优化的特点，增强系统的鲁棒性，将预测控制与自抗扰控制相结合，实现两种控制方法优势互补，利用ESO估计扰动并补偿，将系统等效为串联积分器，此时预测控制方法中的预测模型无需在线辨识，从而降低控制器设计的复杂性，实现利用数据驱动方式设计预测控制器，所提出方法具有抗扰能力强和鲁棒性强的特点，在水下机械臂控制中有较好控制效果。

为了实现上述发明目的，本发明采用技术方案具体为：一种基于数据驱动的水下机械臂抗扰预测控制方法，包括以下步骤：

步骤S1：建立三关节水下机械臂动力学模型。

首先分析陆上环境不考虑水阻等因素，根据Lagrange方程法建立水下机械臂的常规动力学模型，拉格朗日函数L为系统总动能和总势能之差，具体如下：

L＝K-P   (1)

其中，K为机械臂系统的总动能，P为机械臂系统的总势能。

对式(1)中每一项进行求导，可以得到Lagrange方程，具体如下：

其中，θ_i和分别是机械臂关节i的关节角度和关节角速度，τ_i是使机械臂关节i运动的力矩。

通过计算每个质点的速度和加速度等，得到系统的动能和势能，通过式(2)的拉格朗日函数推导动力学方程，具体如下：