[发明专利]多机器人系统分布式自适应神经网络连续跟踪控制方法

摘要

多机器人系统分布式自适应神经网络连续跟踪控制方法，属于机器人系统控制领域。现有的多机器人系统的协调跟踪控制方法使多机器人系统存在参数不确定性和外界干扰的问题。一种多机器人系统分布式自适应神经网络连续跟踪控制方法，首先，在仅有部分跟随者可以获得动态领航者状态信息的情况下，为使所有跟随者都可获得动态领航者的状态信息，在存在通讯时延的限制下设计分布式观测器。然后，考虑系统存在参数不确定性和外界干扰，利用两个神经网络设计的分布式自适应跟踪控制表达式进行控制，使逼近误差趋于零。此外，分布式自适应跟踪控制表达式的控制算法为连续控制，因此不会给系统带来抖振且具有更大的实际应用价值。最后，仿真实验验证了控制算法的有效性。

主权项

一种多机器人系统分布式自适应神经网络连续跟踪控制方法，其特征在于：所述控制方法通过以下步骤实现：步骤一、多机器人协调控制系统中，根据Euler‑Lagrange模型：和动态领航者辅助状态量v，建立第i个跟随者的时变轨迹公式：v·=Sv,]]>qn+1＝Fv；式中：qi∈Rp表示跟随者广义坐标；Mi(qi)∈Rp×p表示对称正定的惯量矩阵；表示Coriolis力和向心力矩阵；Gi(qi)∈Rp表示重力约束矩阵；τi∈Rp表示作用在跟随者i上的广义控制力，ωi∈Rp表示外界干扰；v表示动态领航者辅助状态量；S∈Rm×m和F∈Rn×m为常值实数矩阵；步骤二、在存在通讯时延的情况下设计分布式观测器，其控制公式为：使所有跟随者都能对领航者的状态信息进行估计，且能保证观测误差有界，即：令ηn+1＝v，式中：ηi∈Rm表示跟随者对领航者的状态的估计；t表示时间；τ表示跟随者与领航者间网络通讯的固定时延；di为正常数，满足表示与第i个跟随者相邻的机器人个数之和的倒数；由图论的知识，当i≠j且(υi,υj)∈ε时，否则U0表示观测误差的上界；步骤三、设计一组backstepping相关辅助变量，以对利用backstepping进行控制律的设计做准备：所述backstepping相关辅助变量为：qri＝Fηi，qri表示跟随者对领航者的广义坐标的估计，Z1i＝qi‑qri，表示跟随者的广义坐标与跟随者对领航者的广义坐标的估计的差值，和α1i表示中间计算过程起辅助作用的虚拟控制量；并对辅助变量Z1i＝qi‑qri求导，得：再设计并代入辅助变量及中得：Z·2i=q··i-α·1i,]]>Z2i=q·i-α1i=q·i-(q·ri-K1iZ1i),]]>式中：K1i为常值正定矩阵；步骤四、对未知非线性项采用神经网络进行逼近，分为两步进行处理：首先，将步骤三得到的带入步骤一所述的第i个跟随者的运动方程，得：其中，采用神经网络对未知非线性项进行逼近处理，那么fi表示为：跟随者i对fi的估计变量设计为：控制系统中仍存在神经网络逼近误差εi和外界干扰ωi，进一步表示为再采用RBF神经网络逼近符号函数的方法对fAi(Z2i)进行估计，对神经网络逼近误差εi和外界干扰ωi进行处理，同时消除抖振对控制系统的影响：估计变量设计为式中：φi表示神经元的激活函数；Wi表示最优神经网络权值矩阵；表示最优神经网络权值矩阵的估计；ki＝ωMi+εMi，kAi≥ki，ωMi,εMi分别表示外界干扰ωi和神经网络逼近误差εi的上界值；hi表示由高斯基函数构成的径向基向量；步骤五、至此，对步骤一所述第i个跟随者的时变轨迹设计分布式控制方法表达式：W^·i=γφiZ2iT,]]>使控制系统神经网络逼近误差εi趋于零，且以具有较好的鲁棒性；式中：γ为正常数；r1,r2都为正常数；K2i为常值正定矩阵。