[发明专利]一种基于时延补偿的机器人遥操作预测控制方法

摘要

本发明涉及一种基于时延补偿的机器人遥操作预测控制方法，首先给出机器人的数学模型以及一些相关说明，然后再利用双重RBF神经网络，包括两个预测RBF神经网络和两个估计RBF神经网络，分别预测主从端的状态信息(本地端预测RBF神经网络用来预测从端机器人状态信息；远端预测RBF神经网络用来预测本地端机器人状态信息)和估计主从端建模时的不确定性(本地端估计RBF神经网络用来估计本地端机器人不确定性；远端预测RBF神经网络用来估计本地端机器人不确定性)。最后基于设计的预测控制方法设计了一个类PD控制器实现了主从端机器人的跟踪控制。

主权项

1.一种基于时延补偿的机器人遥操作预测控制方法，其特征在于：在本地机器人端添加一个RBF神经网络，在远端机器人侧添加一个RBF神经网络，步骤如下：步骤1、建立本地端机器人和远端机器人的动力学模型：其中，下标m和s分别表示本地端机器人和远端机器人；q_m和q_s分别表示本地端机器人和远端机器人的关节角位置，M_m(q_m)和M_s(q_s)分别为本地端机器人和远端机器人对称正定惯性矩阵，和分别为本地端机器人和远端机器人的离心力和哥氏力项，G_m(q_m)和G_s(q_s)分别为本地端机器人和远端机器人的重力项，和分别为本地端机器人和远端机器人的不确定项，τ_m和τ_s分别为本地端机器人和远端机器人的控制力矩，F_h和F_e分别为操作者作用于本地端机器人和环境远端机器人的外力；步骤2：1、本地机器人端的预测RBF神经网络和远端机器人侧的预测RBF神经网络a：本地机器人端的RBF神经网络的预测RBF神经网络的输入信号为：q_s(t‑d_s(t))、和输出信号为：其中为q_s(t‑d_s(t))预测误差：自适应律为：b、在远端机器人侧的预测RBF神经网络，预测信息预测RBF神经网络的输入信号为：q_m(t‑d_m(t))、和输出信号为：其中为q_m(t‑d_m(t))预测误差：自适应律2、本地机器人端的预测RBF神经网络和远端机器人侧的估计RBF神经网络：a、在本地机器人系统端，设计一个估计RBF神经网络，以输入信息状态信息来估计本地机器人系统建模时的不确定性f_m，并用表示估计值，估计误差为RBF估计神经网络自适应律为：b、在远端机器人系统端，设计一个估计RBF神经网络，输入信息状态信息来估计远端机器人系统建模时的不确定性f_s，并用表示估计值，即该估计神经网络的输出为：估计误差为RBF估计神经网络自适应律为：步骤3：基于步骤2设计的神经网络，结合比例和微分控制算法设计预测控制器对时延进行补偿，以下式实现系统的控制其中：和为比例项，和为微分项，和不确定性估计项；和表示基于预测控制算法的主从端跟踪误差，最终的目标实现和