一种带干扰观测器的机械手神经网络控制系统及方法
【技术领域】
[0001] 本发明涉及一种机械手控制系统及控制方法，具体涉及一种带干扰观测器的机械 手神经网络控制系统及方法。
【背景技术】
[0002] 机械手是非常复杂的多输入多输出非线性系统，不可避免的存在各种不确定性， 无法获得系统精确的动力学模型，其控制十分复杂。从系统内部来看，由于测量和建模的不 精确，动力学模型的参数很难确切的知道，如机器人每个连杆的质量、长度等；从外部来看， 系统还会受到负载的变化以及各种不可预测的扰动的影响。因此，针对机械手中存在的参 数不确定和外部扰动，需要设计适当的控制方案保证系统的鲁棒性。
[0003] 在具有外界干扰和参数不确定的情况下，为了提高机械手控制系统的跟踪精度， 目前主要有自适应控制方法、智能控制方法，干扰观测器方法和鲁棒控制方法。但自适应控 制和鲁棒控制等方法对机械手的动力学模型的精确度要求较高。而神经网络由于不依赖于 系统模型，具有以任意精度逼近任意非线性函数的万能逼近特性，非常适合用于逼近系统 动力学模型中的未知参数，即未建模动态项，以消除系统未建模动力学的影响。干扰观测器 的基本思想是通过构造新的动态系统对原系统中不确定因素进行观测或估计，然后利用观 测器的估计输出，抵消不确定性的影响，提高已有控制器的控制性能。因此，干扰观测器对 不可预测的或随机的外部干扰具有很好的抑制效果，极大地增强了系统的鲁棒性。
【发明内容】
[0004] 本发明的目的在于提供一种带干扰观测器的机械手神经网络系统及控制方法，采 用第一加法运算器、RBF神经网络运算器、第二加法运算器、计算转矩控制器、第三加法运算 器、机械手系统及扰动观测器建立带干扰观测器的机械手神经网络控制系统，能够处理机 械手系统中的动力学不确定项及外部扰动。其中，RBF神经网络运算器用于逼近机械手系 统不确定的动力学参数引起的动力学不确定项；扰动观测器用于对外部扰动进行估计和补 偿。本发明同时还能够验证控制方法对动力学不确定项和外部扰动一直的有效性，具有良 好的跟踪效果。本发明能够有效地提尚机械手系统的控制性能和跟踪精度。
[0005] 为了达到上述目的，本发明通过以下技术方案实现：
[0006] -种带干扰观测器的机械手神经网络控制系统，其特点是，该控制系统包含：
[0007] 第一加法运算器，所述第一加法运算器的第一输入端输入机械手系统的期望运动 位移信号；
[0008] RBF神经网络运算器，所述RBF神经网络运算器的第一输入端与所述第一加法运 算器的输出端连接；
[0009] 第二加法运算器，所述第二加法运算器器的第一输入端输入机械手系统的期望运 动速度信号；该第二加法运算器器的输出端与所述RBF神经网络运算器的第二输入端连 接；
[0010] 计算转矩控制器，所述计算转矩控制器的第一输入端与所述第一加法运算器的输 出端连接，该计算转矩控制器的第二输入端与所述第二加法运算器的输出端连接；
[0011] 第三加法运算器，所述第三加法运算器的第一输入端与所述RBF神经网络运算器 的输出端连接，该第三加法运算器的第二输入端与所述计算转矩控制器的输出端连接；
[0012] 机械手系统，所述机械手系统的输入端与所述第三加法运算器的输出端连接，该 机械手系统的第一输出端与所述第一加法运算器的第二输入端连接，该机械手系统的第二 输出端与所述第二加法运算器的第二输入端连接；
[0013] 扰动观测器，所述扰动观测器的第一输入端与所述第三加法运算器的输出端连 接，该扰动观测器的第二输入端与所述机械手系统的第二输出端连接，该扰动观测器的输 出端与所述第三加法运算器的第三输入端连接。
[0014] 优选地，
[0015] 所述机械手系统的第一输出端输出该机械手系统的关节位移信号，所述机械手系 统的第二输出端输出该机械手系统的关节速度信号；
[0016] 所述第一加法运算器将所述机械手系统的关节位移信号与所述期望运动位移信 号进行相减运算，并将运算结果分别输入所述RBF神经网络运算器、所述计算转矩控制器。 [0017] 优选地，
[0018] 所述第二加法运算器将所述机械手系统的关节速度信号与所述机械手系统的期 望运动速度信号进行相减运算，并将运算结果分别输入所述RBF神经网络运算器、所述计 算转矩控制器。
[0019] 优选地，
[0020] 所述RBF神经网络运算器分别获取所述第一加法运算器、所述第二加法运算器的 结果后进行计算处理，获取所述机械手系统的动力学不确定项；
[0021] 所述计算转矩控制器分别获取所述第一加法运算器、所述第二加法运算器的结果 后进行计算处理，获取所述机械手系统的标称控制力矩；
[0022] 所述扰动观测器获取所述第三加法运算器的输出的机械手系统的关节控制力矩、 所述机械手系统第二输出端输出的机械手系统的关节速度信号，计算出该机械手系统的扰 动项估计值；
[0023] 所述第三加法运算器将所述RBF神经网络运算器输出的机械手系统的动力学不 确定项、所述计算转矩控制器输出的机械手系统的标称控制力矩及所述扰动观测器输出的 机械手系统的扰动项估计值进行相加运算，从而获取所述机械手系统的关节控制力矩；并 将该机械手系统的关节控制力矩信号发送至所述机械手系统的输入端。
[0024] 一种带干扰观测器的机械手神经网络控制系统的控制方法，其特点是，该控制方 法包含：
[0025] S1，根据现有机械手系统，建立带干扰观测器的机械手神经网络控制系统的动力 学模型；
[0026] S2,针对所述步骤Sl中动力学模型的标称模型部分，采用第一加法器、第二加法 器及计算转矩控制器计算标称控制力矩；
[0027] S3,当不考虑外部干扰时，采用所述第一加法器、所述第二加法器及RBF神经网络 运算器计算出所述步骤Sl中动力学模型的动力学不确定项；
[0028] S4,当考虑外部干扰时，为减少外部干扰对机械手系统的影响，采用第三加法器、 扰动观测器计算出该机械手系统的扰动项估计值；
[0029] S5,根据所述步骤S4,对建立带干扰观测器的机械手神经网络系统控制系统的动 力学模型的扰动项估计值进行稳定性分析判断。
[0030] 优选地，所述步骤Sl包含：
[0031] SL 1，现有机械手系统的动力学方程为：
[0032]
[0033] 其中，和I分别表示所述机械手系统的关节的位移、速度和加速度矢 量.M(q) e Rnxn为对称正定的惯量矩阵，（(￡/，々）￡"为尚心力和哥氏力矢量，G(q) ￡1^为 重力矢量。d表示外部扰动项，τ是所述机械手系统的关节控制力矩；
[0034] SI. 2,由于现有所述机械手系统存在参数测量误差、外部环境以及负载的变化，很 难获得精确的机械手动力学模型，模型中通常存在不确定性和外部干扰；因此带干扰观测 器的机械手神经网络控制系统，将机械手动力学模型分为标称模型及动力学模型不确定 项；
[0035] 其中，标称模型的参数矩阵为：MQ(q)，GQ(q)，动力学模型不确定项的参 数矩阵为：AM(q)，Δ(.> j)和 AG(q);则：
[0036]
[0037] .
[0038]
[0039] 优选地，所述步骤S2包含：
[0040] S2. 1，所述第一加法器将所述机械手系统的关节位移信号q与所述期望运动位移 信号qd进行相减运算，获取所述机械手系统的位置跟踪误差e :
[0041] e = q-qd (5)；
[0042] 将该位置跟踪误差e分别输入所述RB