[发明专利]一种非线性遥操作系统的多边自适应滑模控制方法

摘要

本发明公开了一种非线性遥操作系统的多边自适应滑模控制方法。本发明基于径向基神经网络函数，估计了从端环境动力学的非功率环境参数，并通过通信通道传输回主端进行主端环境力重构；针对主从机器人存在的非线性、各种不确定性问题，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滑模控制器，并设计了一种在线训练包含系统建模信息的非线性函数的自适应率，保证了系统的稳定性和精确的位置追踪性能；针对多机器人间的信号通信问题，通过设计协同力分配算法，实现了多个从机器人的控制力分配，从而提升了多个从机器人对作业任务的协同操作性能。

主权项

1.一种非线性遥操作系统的多边自适应滑模控制方法，其特征在于，包括以下步骤：1)建立非线性多边遥操作系统的动力学模型，具体为：1‑1)建立多主机器人、多从机器人与环境交互的动力学模型其中，q_m,i,和q_s,i,表示第i个主从机器人位置、速度和加速度信号，x_m,i,表示第i个主机器人的末端位置，x_s,o,表示作业任务中目标物体的质心位置，D_m,i和D_s表示质量惯性矩阵，C_m,i和C_s表示科氏力/向心力矩阵，G_m,i和G_s表示重力矩阵，d_m,i和d_s表示外干扰和建模误差，u_m,i和u_s表示控制输入，F_h,i表示第i个操作者的操作力，F_e表示从机器人与作业任务中的环境力，i＝1,2,....,n；上述系统具有如下特性：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,i和W_s表示主从机器人的不确定参数，H表示神经网络矩阵；1‑2)建立作业环境的动力学模型其中，W_e表示未知的从端环境参数；2)基于径向基神经网络设计从机器人的自适应滑模控制器，具体为：2‑1)设计从机器人的轨迹生成器，输出用于从机器人跟踪的理想轨迹信号x_sd,o(t),2‑2)定义从机器人的滑模面s_s如下：其中，e_s＝x_sd,o‑x_s,o表示从机器人与目标物体的跟踪误差，表示滑模面调节参数；2‑3)将跟踪误差代入(5)中，得到因此，其中，表示从机器人的未知系统动力学参数；2‑4)根据(6)设计从控制器，保证从端子系统的稳定性，设计的控制器u_s为：u_s＝σ_s+k_svs_s‑F_e‑κ_sNsat(s_s)   (7)其中，k_sv>0和k_sN>0表示从控制器性能的性能调节参数；2‑5)设计从端子系统的李雅普诺夫函数V_s为：其中，表示径向基神经网络函数的估计误差；2‑6)基于李雅普诺夫函数V_s设计W_s的自适应率为：其中，k_s>0和Γ_s>0表示自适应率的学习速度调节参数；2‑7)根据从控制器(7)，为得到每个从机器人的控制输入u_s,i，设计协同力分配算法；3)基于径向基神经网络函数的作业环境估计与主端环境重构，具体为：3‑1)将从端作业环境的动力学模型(3)写成径向基神经网络函数的形式，则：其中，x_ew表示神经网络函数的输入，且与x_s,o,相关；3‑2)定义为环境的最优估计参数，Ω_e和Ω_e0分别表示x_ew和W_e的有界集，通过MATLAB的神经网络工具箱实现从端作业环境的在线估计；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多边遥操作系统的稳定性，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，x_emw表示神经网络函数的输入，且与x_md,i,相关；4)基于径向基神经网络设计主机器人的自适应滑模控制器，具体为：4‑1)定义x_md,i为主机器人的理想轨迹信号，且满足：其中，i＝1,2,...,n，D_d,C_d,G_d表示主机器人的阻抗系数；通过选取阻抗系数，(15)‑(16)能够生成无源的主机器人理想轨迹x_md,i；4‑2)定义主机器人的滑模面s_m,i如下：其中，e_m,i＝x_md,i‑x_m,i表示主机器人的跟踪误差，表示滑模面调节参数；4‑3)将跟踪误差代入(17)中，得到因此，其中，表示主机器人的未知系统动力学参数；4‑4)根据(18)设计主控制器，保证主端子系统的稳定性，设计的控制器u_m,i为：u_m,i＝σ_m,i+k_mv,is_m,i‑F_h,i‑κ_mN,isat(s_m,i)   (19)其中，k_mv,i>0和k_mN,i>0表示主控制器性能的性能调节参数；4‑5)设计主端子系统的李雅普诺夫函数V_m,i为：其中，表示径向基神经网络函数的估计误差；4‑6)基于李雅普诺夫函数V_m,i设计W_m,i的自适应率为：其中，k_m,i>0和Γ_m,i>0表示自适应率的学习速度调节参数。