一种考虑系统性能受限下网络化遥操作系统的控制方法与流程

文档序号：14834694发布日期：2018-06-30 11:54阅读：377来源：国知局

本发明涉及网络化遥操作系统控制技术领域，尤其是一种系统性能受限下网络化遥操作系统的控制策略设计问题。

背景技术：

典型的网络化遥操作系统主要由五部分组成，其分别为操作者、位于近处的主机器人、网络信息传输通道、位于远端的从机器人以及从机器人所处的外界环境。其工作模式大致可描述为：操作者操控本地主机器人，并将主机器人的位置、速度等信息通过网络等传输媒介传送给从机器人，从机器人按照接收到的主机器人的位置和速度信息，在特定环境下模拟主机器人的行为从而完成各种工作，同时从机器人的工作状态将反馈至主端操作者，便于操作者根据从机器人的运动状态做出正确的决策。目前，遥操作系统的控制虽然取得了不错的进展，但在实际应用中遥操作系统仍面临巨大挑战。一方面机器人本身为复杂的非线性系统具有强非线性特性，另一方面遥操作系统大多应用于复杂的人类无法或不适合接触的环境如海底探测，外空探测和危险环境救援等场景。系统的强非线性以及外界复杂未知的工作环境带来了系统的不确定和外界干扰。此外，考虑到遥操作系统在实际应用中存在的诸多限制如安全操作范围、设备物理限制以及其他性能要求，当忽略这些限制条件时将导致系统的工作性能下降甚至导致系统遭到严重破坏。另外值得注意的是，通过对系统的性能进行预先的限制如对系统的的暂态及稳态性能如系统的超调量、收敛时间、收敛精度等进行预设，可在一定程度上提高系统的收敛速度和收敛精度。

考虑系统性能受限问题，基于对数函数的障碍李亚普诺夫函数方法和双曲正切函数的预定性能控制控制方法得到了广泛的关注并取得了大量的研究成果。然而以上两种方法中分别存在计算复杂以及易引起奇异值的问题，源于自适应高增益思想的不基于系统模型的漏斗控制提供了很好的解决方案。然而典型的漏斗控制只能应用于线性以及非线性的S类系统，即系统的相对度为1或者2，且存在已知的正高频增益。

技术实现要素：

本发明目的在于提供一种考虑系统性能受限下网络化遥操作系统的控制方法，以解决现有控制器在控制性能方面存在的不足。

为实现上述目的，采用了以下技术方案：本发明所述方法包括以下步骤：

步骤1，网络通信时延下基于非线性网络化遥操作系统模型定义主、从位置同步误差受限变量；

步骤2，基于定义的误差变量以及神经网络设计遥操作系统自适应神经网络控制策略；

步骤3，利用李亚普诺夫方程给出神经网络以及参数自适应调节律，保证主从同步误差趋近收敛于零的同时满足所设定的性能要求。

进一步的，步骤1中，考虑由两个非线性机器人系统组成的遥操作系统，根据普遍使用的机器人拉格朗日动力学模型，可得到基于关节空间的遥操作动力学模型

其中，qm,qs∈Rⁿ为关节位移矩阵；为关节速度矩阵；Mm(qm),Ms(qs)∈R^n×n为系统的正定惯性矩阵；为哥氏力和离心力的向量；Gm(qm),Gs(qs)∈Rⁿ为重力力矩；为系统存在的未知摩擦力以及有界外界干扰；Fh∈Rⁿ和Fe∈Rⁿ分别为人类操作者施加的力和环境施加的力矩；τm∈Rⁿ和τs∈Rⁿ为控制器提供的控制力矩；

考虑实际应用中系统模型均存在不确定，因此

Mm(qm)＝Mmo(qm)+ΔMm(qm)，

Ms(qs)＝Mso(qs)+ΔMs(qs)，

Gm(qm)＝Gmo(qm)+ΔGm(qm)，

Gs(qs)＝Gso(qs)+ΔGs(qs)；

Mmo(qm)，Mso(qs)，Gmo(qm)，Gso(qs)表示系统的标称部分即已知部分，而ΔMm(qm)，ΔMs(qs)，ΔGm(qm)和ΔGs(qs)表示系统的不确定部分；

因此遥操作系统(1)可被重新写做

其中，

将其视为系统整体的不确定；

选取xm1＝qm，xs1＝qs和将上述系统整理成严格反馈系统

定义主、从系统位置同步误差变量

em＝xm1-xs1(t-Ts(t)),es＝xs1-xm1(t-Tm(t)) (4)

其中，Tm(t)代表主端到从端的网络信息传输时延，Ts(t)代表从端到主端的网络信息传输时延；

定义新的变量

pm1＝ξm10exp(-am1t)+ξm1∞,pm2＝ξm20exp(-am2t)+ξm2∞ (5)

ps1＝ξs10exp(-as1t)+ξs1∞,ps2＝ξs20exp(-as2t)+ξs2∞ (6)

其中，ξm10,ξm1∞,ξm20,ξm2∞,ξs10,ξs1∞,ξs20,ξs2∞均为正常数，且满足如下不等式；ξm10＞ξm1∞,ξm20＞ξm2∞,ξs10＞ξs1∞,ξs20＞ξs2∞αm1,αm2,αs1,αs2同样选取为正常数；

常数ξm1∞,ξm2∞,ξs1∞,ξs2∞代表在系统稳定时所允许的最大同步误差，pm1(t),pm2(t),ps1(t),ps2(t)的下降率代表误差收敛过程中允许的最小收敛速度；可以看出通过定义合适的预定性能方程便可以满足不同的系统性能需求；

进而基于主、从系统同步误差变量，给出新的受限误差变量如下

其中，

进一步的，步骤2中，根据神经网络逼近属性，对于不确定的连续方程f(X):R^q→R^p，存在

其中，选取为高斯径向基方程即cj,bj分别代表第j个神经元的中心和宽度，W^*∈R^n×p为理想的神经网络权值，ε(X)∈R^p为神经网络估计误差，εN代表逼近估计误差ε(X)的最大值；

基于参数自适应方法，在主、从系统位置同步误差受限下设计自适应神经网络控制策略如下：

其中，km2,ks2为正对角常数矩阵，和用于估计理想的神经网络权值和和为自适应参数主要用于估计神经网络估计误差上界ρm＝εmN和ρs＝εsN；

αm1＝[αm11,αm12,...,αm1n]^T；

αs1＝[αs11,αs12,...,αs1n]^T为辅助中间控制变量，其具体设计为

其中，km1j和ks1j选取为正常数，zm1j,zs1j,emj,esj,xm2j(t-Ts(t)),xs2j(t-Ts(t))分别代表向量zm1,zs1,em,es,xm2(t-Ts(t)),xs2(t-Ts(t))的第j个变量，ψm1j,ψm2j,ψs1j,ψs2j的定义将在下面给出，分别为信息传输时延Tm(t),Ts(t)的导数，j＝1,2,...,n。

进一步的，所述步骤3中，利用李亚普诺夫方程给出神经网络以及参数自适应调节律，保证主从同步误差在趋近于零的同时满足所设定的性能要求，设计过程分为两步：

第一步，选取李亚普诺夫方程如下

其导数为

其中，pi1j,pi2j,分别代表向量pi1,pi2,的第j个变量；

进而可得

其中，

进一步可得

引入中间控制变量αm1j和αs1j(11)，可得

第二步，选取如下新的李亚普诺夫方程

其中，和分别代表正对角常数矩阵Γm和Γs的逆；ηm和ηs选取为正常数；

对李亚普诺夫方程V求导可得

基于步骤2中设计的主、从系统的控制器(10),可进一步转化为

进而设计神经网络以及参数自适应调节律如下

最终可得

根据李亚普诺夫方程的定义(17)以及方程(21)可知，闭环遥操作系统中所有信号有界，且当t→∞时变量zm1,zs1,xm2-αm1,xs2-αs1均趋于零；进而根据zm1,zs1的定义(7)和(8)可得-pm2(t)＜em(t)＜pm1(t)，-ps2(t)＜es(t)＜ps1(t)；实现在满足预先设计的性能限制下，主、从系统同步误差渐近趋于零点。

与现有技术相比，本发明方法具有如下优点：

1、在控制器方法设计中利用神经网络逼近辅助中间控制变量，从而降低了对辅助中间控制变量求导所带来的计算复杂度。

2、通过在遥操作系统性能受限下的稳定运行，保证了系统的安全性，解决了现有遥操作控制策略下系统收敛速度慢且精度低的问题，克服了系统模型不确定以及外界干扰对系统性能的影响，并提高了系统的暂、稳态性能以及抗干扰性能。

3、在该控制器下，根据实际应用需求通过选取合适的变量pm1(t),pm2(t),ps1(t),ps2(t)，可满足不同的系统限制要求。另外该控制器中选取了非对称时变的限制条件，简化了控制器设计过程，更符合实际应用需求。

4、该方法适用于具有二阶性质的各类系统如飞行器，机械臂，轮式机器人等，且很容易扩展到高阶非线性系统。

附图说明

图1为一般遥操作系统的结构框图；

图2为受限控制的基本概念图。

图3为本发明的控制原理框图。

具体实施方式

下面结合附图对本发明做进一步说明：

如图1-3所示，本发明所述方法包括以下步骤：

步骤1，网络通信时延下基于非线性网络化遥操作系统模型定义主、从位置同步误差受限变量；

考虑由两个非线性机器人系统组成的遥操作系统，根据普遍使用的机器人拉格朗日动力学模型，可得到基于关节空间的遥操作动力学模型

对系统存在的未知摩擦力以及有界外界干扰的考虑增强了本发明的实际可应用性。

进而考虑实际应用中系统模型在建立过程中进行的假设以及系统在实际应用中存在的磨损等所造成的系统模型不确定问题，因此