[发明专利]一种非线性双边遥操作系统的自适应鲁棒控制方法

摘要

本发明公开了一种非线性双边遥操作系统的自适应鲁棒控制方法。针对双边遥操作系统的通信时延问题，本发明通过径向基神经网络模型对从端非功率环境参数进行在线估计，并将其传输回主端进行环境力的重构，从而避免了传统遥操作系统的无源性以及稳定性和透明性的权衡问题。针对双边遥操作系统的非线性、不确定性问题，本发明分别在主从端设计轨迹生成器，以及基于径向基神经网络的非线性自适应鲁棒控制器，并基于李雅普诺夫理论设计一种在线调整神经网络参数的自适应率，保证系统具备良好的渐进稳定性和收敛性。本发明能够较好地保证非线性双边遥操作系统的全局鲁棒稳定性，实现从端机器人的位置跟踪，并为操作者提供逼真的力反馈。

主权项

1.一种非线性双边遥操作系统的自适应鲁棒控制方法，其特征在于该方法包括以下步骤：1)建立非线性双边遥操作系统的动力学模型，具体为：1‑1)建立主从端机器人的动力学模型其中，q_m,和q_s,表示机械臂的位置、速度和加速度信号，D_m和D_s表示质量惯性矩阵，C_m和C_s表示科氏力/向心力矩阵，G_m和G_s表示重力矩阵，F_m和F_s表示摩擦力矩阵，d_m和d_s表示外界扰动和建模误差，τ_m和τ_s表示控制输入，τ_h和τ_e表示操作者操作力矩或者外界环境力矩，可由传感器测得；上述模型具有如下特性：①和为斜对称矩阵；②公式(1)和(2)中的部分动力学方程可以写成如下线性方程的形式：其中，W_m和W_s表示主从端机械臂的未知参数，Φ表示神经网络矩阵，和表示机械臂的理想速度和加速度信号；1‑2)建立从端环境的非线性动力学模型其中，We表示未知的环境参数；2)基于径向基神经网络设计从端机器人的自适应鲁棒控制器，具体为：2‑1)定义从端的跟踪误差es如下：es＝qsd‑qs   (4)2‑2)定义用于自适应控制的滑模面变量ps如下：其中，2‑3)将(4)代入(5)中，得到因此，其中，2‑4)根据(6)设计控制器，保证从端系统的全局鲁棒稳定性，设计的控制器τs为：τs＝σs+ksvps‑τe‑us   (7)其中，ksv>0，τe表示由传感器测得的外界环境力矩，us是鲁棒补偿项；2‑5)为了实现无需建模信息的控制，控制器(7)中σs是用于估计非线性函数zs的径向基神经网络模型，具体为：其中，Φs(xs)为径向基神经网络矩阵，Ws为自适应参数，2‑6)基于李雅普诺夫函数设计自适应参数的自适应率为：其中，ks>0,Γs>0；3)基于径向基神经网络模型的从端环境参数估计与主端环境的重构，具体为：3‑1)将从端环境的非线性动力学模型(3)写成径向基神经网络模型形式，则：其中，W_e表示未知环境参数，3‑2)定义为环境参数的最优估计量，其自适应率为Ω_e和Ω_e0分别表示x_e和W_e的有界集，Γ_e>0，k_e>0，通过MATLAB的神经网络工具箱实现从端环境的在线估计；3‑3)由于通信时延T(t)的存在，为避免功率信号在通信通道内的传递而影响遥操作系统的无源性，将从端的非功率环境参数估计值传递到主端，从而得到主端的重构环境力为：其中，4)基于径向基神经网络设计主端机器人的自适应鲁棒控制器，具体为：4‑1)定义qmd为主端机械臂的理想跟踪轨迹，且满足：其中，Dd,Cd,Gd,Fd表示主端机械臂的透明性能系数；无源的主端机器人理想跟踪轨迹qmd可由(13)得到，基于径向基神经网络设计主端的自适应鲁棒控制器，使主端机器人跟踪理想轨迹qmd；4‑2)定义主端的跟踪误差em如下：em＝qmd‑qm   (14)4‑3)定义用于自适应控制的滑模面变量pm如下：其中，4‑4)将(14)代入(15)中，得到因此，其中，4‑5)根据(16)设计控制器，保证主端系统的全局鲁棒稳定性，设计的控制器τm为：τm＝σm+kmvpm‑τh‑um    (17)其中，kmv>0，τh表示由传感器测得的操作者的操作力矩，um表示鲁棒补偿项；4‑6)为了实现无需建模信息的控制，控制器τm中σm是用于估计非线性函数zs的径向基神经网络模型，具体为：其中，Φm(xm)为径向基神经网络矩阵，Wm为自适应参数，4‑7)基于李雅普诺夫函数设计自适应参数的自适应率为：其中，km>0,Γm>0。