本发明涉及机器人技术领域,尤其涉及一种基于带宽节省的模糊自适应执行器失效补偿控制方法。
背景技术:
在实际机器人系统中,特别是机器人控制系统,其系统部件如执行器,在操作过程中可能突然出现失效故障,如齿轮卡住,执行结构不连续供电、信号衰减等。这种故障通常在时间输出值和模式上都是不确定的,将严重影响系统的跟踪性能,甚至导致系统不稳定而产生灾难性的事故。而现有技术主要包括滑膜控制模式、自适应控制方法、容错控制方法等,但是由于没有考虑资源限制和故障不确定性,上述方法普遍效果不佳,误差大。
另外,现有技术并非均考虑随机扰动和执行器和控制器之间的系统网络传输资源的限制。在大多数已考虑网络传输资源限制的控制方案中使用了不变阈值或周期性事件触发的通信方案。这种方案具有系统分析和设计的简单和方便性的突出优点,但其是建立在减少了数据包交换的数量的情况下,这必然会导致了系统的稳定性问题。当系统执行器在操作过程中个别或同时发生突然故障时,控制器与执行器之间需要很大的传输资源,而实际中往往难以满足,这必然会影响系统的暂态性能。
技术实现要素:
本发明实施例提出一种基于带宽节省的模糊自适应执行器失效补偿控制方法,在不确定随机非线性系统的事件触发执行器失效时,既节省网络通讯的带宽,又保证了系统的暂态性能。
本发明实施例提供一种基于带宽节省的模糊自适应执行器失效补偿控制方法,包括:
建立带执行器失效的工业系统模型;所述工业系统模型包含执行器失效故障的描述函数;
所述工业系统模型为:
其中,x=[x1,x2,...,xn]∈rn、y∈r和uci(t)∈r(i=1,2,...,m)分别代表系统状态、输出和输入;
根据预设的暂态性能参数,建立虚拟控制器和所述虚拟控制器需满足的自适应法则;
根据所述虚拟控制器和所述自适应法则,创建所述工业系统模型的自适应补偿控制策略;
当所述执行器发送故障时,根据所述虚拟控制器的传输控制量误差,判断是否触发自适应补偿控制,如果是,执行所述自适应补偿控制策略;否则,返回判断。
进一步的,所述根据预设的暂态性能参数,建立虚拟控制器和所述虚拟控制器需满足的自适应法则,具体为:
所述工业系统模型为二阶系统,确定物理控制器的描述函数为:
根据预设的暂态性能参数,建立第一虚拟控制器和第二虚拟控制器,具体如下:
其中,α1为所述第一虚拟控制器;α2为所述第二虚拟控制器;
根据建立的所述第一虚拟控制器和所述第二虚拟控制器,创建第一自适应法则和第二自适应法则,具体如下:
其中,
进一步的,所述根据所述虚拟控制器和所述自适应法则,创建所述工业系统模型的自适应补偿控制策略,具体为:
创建的自适应补偿控制策略为:
进一步的,所述根据所述虚拟控制器的传输控制量误差,判断是否触发自适应补偿控制,具体为:
当所述虚拟控制器的传输控制量误差满足以下公式时,确定触发自适应补偿控制,否则,返回判断;
所述公式为:|e(t)|≥δ|upfi(t)|+m1,δ>0。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的基于带宽节省的模糊自适应执行器失效补偿控制方法,建立带执行器失效的工业系统模型,根据预设的暂态性能参数,建立虚拟控制器和所述虚拟控制器需满足的自适应法则,再创建工业系统模型的自适应补偿控制策略,当执行器发送故障时,根据虚拟控制器的传输控制量误差,判断是否触发自适应补偿控制,如果是,执行自适应补偿控制策略;否则,返回判断。相比于传统控制不考虑控制器与执行器之间的传输资源限制问题和执行器失效故障的问题,本发明技术方案在不确定随机非线性系统的事件触发执行器失效时,既节省网络通讯的带宽,又保证了系统的暂态性能。
附图说明
图1是本发明提供的基于带宽节省的模糊自适应执行器失效补偿控制方法的一种实施例的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明提供的基于带宽节省的模糊自适应执行器失效补偿控制方法的一种实施例的流程示意图,包括步骤101至步骤105,各步骤具体如下:
步骤101:建立带执行器失效的工业系统模型;其中,工业系统模型包含执行器失效故障的描述函数。
在本实施例中,在任何情况下,要确保检测中的跟踪性能,带有执行器失效系统的跟踪错误信号被锁定在一个范围内,同时保存网络通讯资源,优化系统暂态性能、节省带宽。
在本实施例中,步骤101具体为:
工业系统模型为:
其中,x=[x1,x2,...,xn]∈rn、y∈r和uci(t)∈r(i=1,2,...,m)分别代表系统状态、输出和输入;
fj、fn、
由于把机器人本体看作一个整体系统,那么系统必然存在位移速度加速度的关系,但是由于实际系统中,机器人必然会面对随机干扰以及其他非线性的环节,那么机器人不能简单的描述成位移速度加速度的关系,必须将随机干扰以及其他非线性的环节考虑进去。传统的控制方法并不会考虑,而本发明考虑了fi∈r和ψj∈rt(j=1,2,...,n);因此将执行器失效故障的描述函数为:biβi(x)(ρiupfi(t)+utfi)。
步骤102:根据预设的暂态性能参数,建立虚拟控制器和虚拟控制器需满足的自适应法则。
在本实施例中,由于大部分工业现场系统都可以简单描述为带有实际问题的二阶线性系统,但是实际中系统常常存在非线性环节、不确定环节、随机干扰、执行器故障、传输资源有限等等问题,因此,针对上述问题,本发明设计了相关控制器和自适应律、控制策略来维持系统的稳定运行。
步骤102具体为:
a、工业系统模型为二阶系统,确定物理控制器的描述函数为:
上述控制律中
b、根据预设的暂态性能参数,建立第一虚拟控制器和第二虚拟控制器,具体如下:
其中,α1为所述第一虚拟控制器;α2为所述第二虚拟控制器;
c、根据建立的所述第一虚拟控制器和所述第二虚拟控制器,创建第一自适应法则和第二自适应法则,具体如下:
其中,
上述两个步骤只解决的了当机器人系统受到执行器故障后的解决方法,但是仍然未解决传输限制问题,本发明的步骤103是针对该传输限制问题,提出了触发控制策略实现在低传输且执行器故障情况下系统的持续稳定。
步骤103:根据虚拟控制器和自适应法则,创建工业系统模型的自适应补偿控制策略。
在本实施例中,创建的自适应补偿控制策略为:
其中,tk,k∈r+,ε,0<δ<1,m1,
步骤104:当执行器发送故障时,根据虚拟控制器的传输控制量误差,判断是否触发自适应补偿控制,如果是,执行步骤105,否则,返回步骤104。
在本实施例中,当虚拟控制器的传输控制量误差满足以下公式时,确定触发自适应补偿控制,否则,返回判断;
所述公式为:|e(t)|≥δ|upfi(t)|+m1,δ>0。
步骤105:执行自适应补偿控制策略。
当控制信号的大小满足于不确定控制器失效要求时,更长的更新间隔通过相对大的阀值获得,当系统状态趋向均衡,更短的更新间隔可以通过相关较小的阀值获得,然后通过大量的精确控制信号可以获得更好的系统性能。
为了更好的说明本发明技术方案,以二阶随机非线性机械人系统为例,建立二阶系统模型,包括了随机干扰、执行器故障、不确定项等实际问题描述,模型如下:
根据实际情况,将上述不确定环节分别设置:
f1=(1-sin2(x1))x1;
β1(x)=1.9+0.1sin(x1);
β2(x)=1.9+0.1sin(x2);
再创建虚拟控制器α1和参数自适应法则
创建虚拟控制器α2和参数自适应法则
在系统状态趋于稳定的前提下,利用虚拟控制器α2、参数自适应法则
当虚拟控制器的传输控制量误差满足|e(t)|≥δ|upfi(t)|+m1,δ>0时,确定触发自适应补偿控制。
控制策略为:
经过仿真数据验证,本发明所提出的技术方案在系统发生执行器失效的触发事件的情况下,可有效跟踪错误信号,补偿系统故障、优化系统暂态性能,有效提高了系统的稳定性。
由上可见,本发明实施例提供的基于带宽节省的模糊自适应执行器失效补偿控制方法,建立带执行器失效的工业系统模型,根据预设的暂态性能参数,建立虚拟控制器和所述虚拟控制器需满足的自适应法则,再创建工业系统模型的自适应补偿控制策略,当执行器发送故障时,根据虚拟控制器的传输控制量误差,判断是否触发自适应补偿控制,如果是,执行自适应补偿控制策略;否则,返回判断。相比于传统控制不考虑控制器与执行器之间的传输资源限制问题和执行器失效故障的问题,本发明技术方案在不确定随机非线性系统的事件触发执行器失效时,既节省网络通讯的带宽,又保证了系统的暂态性能。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory,rom)或随机存储记忆体(randomaccessmemory,ram)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。