[发明专利]一种基于动态模式的机械臂智能自主控制方法

摘要

本发明公开了一种基于动态模式的机械臂智能自主控制方法，该方法包括下述步骤：建立刚性机械臂的动力学模型和多个期望回归轨迹的通用模型；设计基于动态模式的常值神经网络控制器组；建立期望回归轨迹模型的动态估计器；设计动态模式的预识别策略和识别策略；设计基于动态模式的控制器切换策略。该方法使得机械臂能够从复杂的工作任务中获取和利用经验知识，不仅实现了机械臂系统在无人干预的情况下对动态模式的实时监测以及自主快速识别，而且保证了机械臂在模式切换过程中控制输入信号的光滑连续性，为控制系统的稳定性提供了保障，同时改善了系统控制器切换过程中的暂态性能。

主权项

1.一种基于动态模式的机械臂智能自主控制方法，其特征在于，所述方法包括以下步骤：步骤1、建立刚性机械臂动力学模型和多个期望回归轨迹的通用模型；期望回归轨迹的通用模型建立成以下形式：其中，为机械臂关节角位置的期望回归轨迹，为机械臂关节角速度的期望回归轨迹，n为关节数量，为给定的连续函数；步骤2、设计基于动态模式的常值神经网络控制器组：定义每种期望回归轨迹为一种动态模式，根据确定学习理论，设计常值神经网络控制器组；设计的常值神经网络控制器组为：其中，τ^k表示动态模式k下的常值神经网络控制器，c_2,k为控制器增益常数，z_2,k表示控制器τ^k的中间误差，表示控制器τ^k的神经网络权值常量矩阵的转置，S^k(ψ^k)表示控制器τ^k的高斯型径向基函数向量，ψ^k为控制器τ^k的神经网络输入向量；步骤3、建立期望回归轨迹模型的动态估计器：针对不同的动态模式下的期望回归轨迹模型，建立一个动态模式库，然后根据动态模式库构造动态估计器；构造动态估计器为：其中，为第k个动态估计器的状态，x_d1和x_d2为被测模式的回归轨迹模型的状态，b＞0为动态估计器中设计的增益常数，S^k(x_d1,x_d2)表示第k个动态估计器的高斯型径向基函数向量，表示动态模式k的神经网络权值常量矩阵的转置；步骤4、设计动态模式的预识别策略和识别策略：设计决策范数其中，N表示动态模式的数目，给出如下模式预识别策略和模式识别策略：模式预识别策略：假设当前动态模式为i，设计阈值bⁱ＞0以及常数T_p＞0，若存在某个有限时刻使得在成立，则判定在有限时刻动态模式已发生改变，其中，表示动态模式i对应的决策范数；模式识别策略：基于以上模式预识别策略得到的信息，对所有r∈{1,…,N}/{j}，若存在一个有限时刻使得且在时间成立，则判定被测模式为动态模式j；其中，表示动态模式j对应的决策范数在有限时刻的值，表示动态模式r对应的决策范数在有限时刻的值，表示动态模式j对应的决策范数在时间的值；步骤5、设计基于动态模式的控制器切换策略：由步骤4中模式识别策略和预识别策略所给的信息，以及根据步骤2中构造的候选常值神经网络控制器组，设计如下动态模式切换过程中的控制器：其中，τⁱ表示动态模式i对应的控制器，τ^i′表示识别过程的控制器，表示模式识别的过渡时间段，τ^j表示下一动态模式j对应的控制器，表示τ^j的作用时间段，指数项中的衰减系数a＞0。