一种基于模糊逻辑的遥操作系统自适应多边控制方法与流程

本发明属于遥操作控制领域，具体来说是一种基于模糊逻辑的遥操作系统自适应多边控制方法，同时保证非线性多边遥操作系统的稳定性、透明性和多从机器人的协同作业性能。

背景技术：

随着机电技术的不断发展，机器人系统的研究越来越成为现阶段的热门课题，其中依靠人机交互的遥操作机器人技术已经取得了阶段性的进展，并在军事、工业和医疗领域有着广泛的应用。

然而，随着作业任务往复杂、精细的方向发展，需要作业环境中存在多个具有多自由度的机器人进行协同作业，这类机器人往往存在非线性和各种不确定性；此外，随着协同作业机器人数量的增多，多机器人间的信号通信会使存在时延的通信通道中的信号传输变得更加复杂，甚至恶化遥操作系统的稳定性和透明性。

技术实现要素：

本发明的目的在于提出一种基于模糊逻辑的遥操作系统自适应多边控制方法，以解决传统多边遥操作系统中的稳定性与透明性权衡，主从机器人的非线性和各种不确定性，以及多机器人的协同作业等技术问题。

为实现上述目的，本发明的技术方案具体内容如下：

一种基于模糊逻辑的遥操作系统自适应多边控制方法，包括以下步骤：

(一)建立多边遥操作系统的非线性动力学模型。

(二)基于模糊逻辑系统的作业环境估计与主端环境重构。

(三)基于模糊逻辑系统设计主机器人的自适应多边控制器。

(四)基于模糊逻辑系统设计从机器人的自适应多边控制器。

与现有技术相比，本发明具有如下有益效果：

1、基于模糊逻辑系统，估计了非线性环境动力学的非功率参数，并通过存在时延的通信通道传输回主端，进行主端环境力的重构，从而避免了因功率信号在通信通道中的传输造成的遥操作系统的失稳问题，并为操作者提供准确的力反馈信息。

2、基于模糊逻辑系统，通过设计自适应率在线更新包含未知系统模型信息的非线性函数的参数，从而解决了主从机器人存在的各种不确定性问题。

3、通过基于模糊逻辑系统的非线性自适应多边控制方法，当系统存在通信时延时，使从机器人准确地跟踪主机器人的轨迹信号，从而提升系统的位置追踪性能。

4、通过设计多机器人的协同控制算法，实现了多个从机器人的作业力分配，从而提升了多个从机器人对作业任务的协同作业性能。

5、通过设计李雅普诺夫函数，保证了非线性多边遥操作系统中所有信号的有界性，从而保住了系统的全局渐进稳定性；

附图说明

图1是本发明提出的基于模糊逻辑系统的非线性遥操作系统的自适应多边控制框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

现结合实施例、附图1对本发明作进一步描述：

本发明的实施技术方案为：

1)建立多边遥操作系统的非线性动力学模型，具体为：

1-1)建立主机器人、从机器人与作业环境的非线性动力学模型

其中，qm,i,和qs,i,表示第i个主从机器人位置、速度和加速度信号，xm,i,表示第i个主机器人的末端位置，xs,o,表示作业任务中抓取目标的质心位置，mm,i和ms表示质量惯性矩阵，cm,i和cs表示科氏力/向心力矩阵，gm,i和gs表示重力矩阵，dm,i和ds表示外干扰和建模误差，um,i和us表示控制输入，fh,i表示第i个操作者的操作力，fe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：

①0<mm,i≤δm0,ii，0<ms≤δs0i，其中，δm0,i,δs0>0表示单位矩阵i的缩放系数；

②和为斜对称矩阵；

③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，θm,i和θs表示主从机器人的模型未知参数，ζ表示模糊逻辑矩阵。

1-2)建立作业环境的非线性动力学模型

其中，θe表示未知的非功率环境参数。

2)基于模糊逻辑系统的作业环境估计与主端环境重构，具体为：

2-1)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：

fe＝ζ^t(xew)θe(4)

其中，xew表示模糊逻辑函数的输入量，且与xs,o,相关。

2-2)定义为环境的最优估计参数，ωe和ωe0分别表示xew和we的有界集，通过matlab的模糊逻辑工具箱能够实现从端作业环境的在线估计。

2-3)由于通信时延t(t)的存在，为避免功率信号在通信通道间的传递影响多边遥操作系统的稳定性，将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，xemw表示模糊逻辑函数的输入量，且与xmd,i,相关。

3)基于模糊逻辑系统设计主机器人的自适应多边控制器，具体为：

3-1)设计主机器人的理想轨迹生成器如下：

其中，i＝1,2,...,n，md,cd,gd表示轨迹生成器的优化参数。通过选取适当的优化系数，(6)-(7)能够生成无源的主机器人理想轨迹信号xmd,i。

3-2)定义xm1,i＝xm,i，则第i个主机器人的非线性动力学模型(1)可改写为：

3-3)定义第i个主机器人的跟踪误差为：

其中，αm1,i表示主机器人的虚拟跟踪量。

3-4)定义(8)中的第一个子系统的李雅普诺夫函数vm1,i如下：

通过选取虚拟跟踪量αm1,i为则

3-5)定义(8)中的第二个子系统的李雅普诺夫函数vm2,i如下：

3-6)基于(8)和(9)，可得zm2,i的导数为

于是，可得vm2,i的导数为

其中，表示未知主机器人系统动力学函数。

3-7)根据(14)设计主控制器，保证主端子系统的稳定性，设计的控制器um,i为：

um,i＝-μm2,izm2,i-zm1,i-φm,i-fh,i(15)

其中，μm2,i>0表示主控制器性能调整参数。

在从控制器(15)中，φm,i表示一种用于估计ηm,i的模糊逻辑函数，可定义为：

其中，θm,i表示未知的主机器人系统动力学参数，表示模糊逻辑函数的输入量，表示第j个局部模糊逻辑函数。

3-8)设计主端系统的李雅普诺夫函数vm,i为：

其中，γm,i>0表示李雅普诺夫函数vm,i的系数，表示模糊逻辑函数的估计误差，表示最优估计参数。。

基于李雅普诺夫函数vm,i设计θm,i的自适应率为：

其中，km,i>0和γm,i>0表示自适应率的性能调节参数。

4)基于模糊逻辑系统设计从机器人的自适应多边控制器，具体为：

4-1)由于信号在通信通道的传输会不可避免地产生通信时延，主机器人的位置信号xm,i(t)通过通信通道传输到从端得到时延的位置信号xm,i(t-t(t))，设计从机器人的理想轨迹生成器为hf(s)＝1/(ofs+1)²，其中，of表示时间常数，通过输入时延的平均位置信号能够输出理想的从机器人跟踪轨迹xsd,o(t),其中，lo,i表示抓取目标与机器人末端位置间的关系转换，t(t)为系统的通信时延。

4-2)定义xs1＝xs,o，则非线性动力学模型(2)可改写为：

4-3)定义从机器人与抓取目标的跟踪误差为：

其中，αs1表示从机器人的虚拟跟踪量。

4-4)定义(19)中的第一个子系统的李雅普诺夫函数vs1如下：

通过选取虚拟跟踪量αs1为则

4-5)定义(19)中的第二个子系统的李雅普诺夫vs2如下：

4-6)基于(19)和(20)，可得zs2的导数为

于是，可得vs2的导数为

其中，表示未知从机器人系统动力学函数。

4-7)根据(25)设计从控制器，保证从端子系统的稳定性，设计的控制器us为：

us＝-μs2zs2-zs1-φs+fe(26)

其中，μs2>0表示从控制器性能调整参数。

在从控制器(26)中，φs表示一种用于估计ηs的模糊逻辑函数，可定义为：

其中，θs表示未知的从机器人系统动力学参数，表示模糊逻辑函数的输入量，表示第j个局部模糊逻辑函数。

4-8)设计从端系统的李雅普诺夫函数vs为：

其中，γs>0表示李雅普诺夫函数vs的系数，表示模糊逻辑函数的估计误差，表示最优估计参数。

基于李雅普诺夫函数vs设计θs的自适应率为：

其中，ks>0和γs>0表示自适应率的性能调节参数。

4-9)根据从控制器(26)，为得到每个从机器人的控制输入us,i，设计多机器人的协同控制算法如下：

其中，表示分配系数，且w表示不同作业需求的权重系数，表示各个从机器人与抓取目标的内部力，且