一种移动臂关节角度约束的抗噪型神经网络轨迹跟踪控制

本发明涉及移动机器人领域，特别涉及一种基于运动学、关节角度约束及抗噪型归零神经网络的移动机械臂轨迹跟踪控制方法。

背景技术：

1、为实现产业智能化的目标，移动机械臂的开发与应用显得格外重要。现阶段的轨迹跟踪控制研究大部分是基于理想环境下的实验，在非理想环境下移动机械臂在运行过程中一定存在内、外部干扰因素等具有不确定性的问题，影响轨迹跟踪效果。

技术实现思路

1、针对现有技术的不足，本发明公开了一种移动臂关节角度约束的抗噪型神经网络轨迹跟踪控制方法，利用抗噪型归零神经网络求解轨迹跟踪控制策略。

2、本发明通过如下技术方案实现：

3、一种移动臂关节角度约束的抗噪型神经网络轨迹跟踪控制方法，所述控制方法具体如下：

4、s1：采集四自由度机械臂关节初始角度、全向移动平台四个车轮的初始角度、机械臂关节的可活动角度范围和车轮的可活动角度范围；

5、s2：设计移动机械臂的期望轨迹方程；

6、s3：通过空间坐标变换得到基坐标系下四自由度机械臂的运动学方程，以麦克纳姆轮运动特性为基础得到全向移动平台的运动学方程，将机械臂运动学方程与全向移动平台的运动学方程结合，通过坐标变换得到世界坐标系下移动机械臂的整体运动学方程；

7、s4：基于步骤s1的关节约束范围设计关节角不等式约束，通过增加时变非负向量使不等式约束转化为等式约束；

8、s5：设计向量型误差函数为期望轨迹与移动机械臂整体运动学方程的差值，结合误差函数、步骤s4中的等式约束与抗噪型归零神经网络模型构建抗噪型归零神经网络控制器；

9、s6：基于步骤s5中的抗噪型归零神经网络控制器，求解抗噪型归零神经网络动力学方程，解决移动机械臂的轨迹跟踪问题。

10、与现有技术相比，本发明的优点在于：

11、本发明建立移动机械臂整体运动学模型，通过增加时变非负向量将关节角度不等式约束转化为等式约束，引入积分项消除噪声。特点在于：第一，传统的移动机械臂控制需要建立系统的动力学模型，并且需要分别控制全向移动平台与各关节机械臂，然而在发明中对全向移动平台与四自由度机械臂分别进行运动学建模避免复杂的动力学建模，通过空间坐标变换将两者整合到一个系统中，实现移动机械臂的协同控制。第二，本发明构建了关节角度不等式约束，并且将其转化为等式约束加入系统中。将不等式约束加入系统可以使移动机械臂的关节在一定范围内运动。相较于加入固定值的等式约束，不等式约束可以使移动机械臂活动范围增加；相较于没有加入关节约束，不等式约束可以确保输出值在移动机械臂关节的可达到范围内，能够更好的完成轨迹跟踪任务。第三，本发明设计了一种抗噪型归零神经网络控制算法求解移动机械臂的轨迹跟踪问题，解决了在外部噪声干扰的情况下移动机械臂的控制问题。

技术特征：

1.一种移动臂关节角度约束的抗噪型神经网络轨迹跟踪控制方法，其特征在于，所述控制方法步骤如下：

2.如权利要求1所述的一种移动臂关节角度约束的抗噪型神经网络轨迹跟踪控制方法，其特征在于，所述步骤s4的具体过程为：

3.如权利要求1所述的一种移动臂关节角度约束的抗噪型神经网络轨迹跟踪控制方法，其特征在于，所述步骤s5的具体过程为：

技术总结
本发明公开了一种移动臂关节角度约束的抗噪型神经网络轨迹跟踪控制方法，涉及移动机器人领域，特别涉及一种基于运动学、关节角度约束及抗噪型归零神经网络的移动机械臂轨迹跟踪控制方法。包括以下步骤：采集移动机械臂车轮、机械臂的初始角度数据以及可活动角度范围；设计移动机械臂跟踪的期望轨迹；基于移动机械臂运动学特性建立整体运动学模型；建立关节角度不等式约束并转化为等式约束；针对轨迹跟踪问题定义了一个向量型误差函数；结合移动机械臂运动学模型、角度约束和抗噪型归零神经网络，构造抗噪型归零神经网络控制器，求解抗噪型归零神经网络动力学方程，解决关节角度约束的移动机械臂在噪声扰动下的轨迹跟踪问题。

技术研发人员：孙中波,费宇哲,刘克平,唐世军,许长贤,肖兴田,廉宇峰,刘帅师
受保护的技术使用者：长春工业大学
技术研发日：
技术公布日：2024/1/13