一种机器人自适应神经滑模控制方法、设备及介质与流程

本技术涉及机器人，尤其涉及一种机器人自适应神经滑模控制方法、设备及介质。

背景技术：

1、目前，机器人在空间探索、手术机器人以及工业应用等领域有着广泛的应用。为了满足控制性能的要求，各种先进的控制技术可以应用于机器人的控制器，如鲁棒控制、滑模控制、模糊控制、神经网络控制等。

2、然而，间隙滞后现象广泛存在于伺服机构、维纳系统、飞行器等物理系统和设备中。机械手驱动关节反向运动时会产生间隙滞后，机械手的间隙滞后和系统不确定性(如扰动、非线性摩擦、耦合项等)影响了机械手跟踪控制的精度，而这些不确定性是不容易预先获得的，以致难以对机械臂的跟踪精度较差。

技术实现思路

1、本技术实施例提供了一种机器人自适应神经滑模控制方法、设备及介质，用于解决如下技术问题：机械手的间隙滞后和系统不确定性，影响了机械手跟踪控制的精度，而这些不确定性是不容易预先获得的，以致难以对机械臂的跟踪精度较差。

2、本技术实施例采用下述技术方案：

3、本技术实施例提供一种机器人自适应神经滑模控制方法。包括，基于预置性能函数，确定出机器人的跟踪误差，并基于预置转换函数对跟踪误差进行转换，以得到转换误差；基于转换误差，以及转换误差对应的有限时间非奇异终端滑模面，确定出机器人对应的自适应律；通过预置rbf神经网络，对有限时间非奇异终端滑模面对应的集总非线性进行补偿；通过预置lyapunov函数，对滑模变量、转换误差以及转换误差对应的导数进行有界性分析，以根据分析结果对机器人进行跟踪。

4、本技术实施例为了保证闭环系统的暂态和稳态性能，结合预设性能函数进行自调整增益系数的非奇异终端滑模控制。其次，基于滑模变量，提出了一种新的自适应律，在不需要先验知识的情况下，能够有效地估计系统不确定性的上界。此外，为了逼近系统非线性函数和未知动力学，引入径向基函数神经网络对集总非线性进行补偿。通过lyapunov函数确定出所有信号都是一致最终有界的。从而能够有效地削弱间隙迟滞的影响，实现机器人的高精度跟踪性能。

5、在本技术的一种实现方式中，基于预置性能函数，确定出机器人的跟踪误差，并基于预置转换函数对跟踪误差进行转换，以得到转换误差，具体包括：根据机器人对应的关节位置向量，确定出机器人对应的期望的跟踪轨迹；基于预置性能函数与期望的跟踪轨迹确定出机器人的跟踪误差，将踪误差将转换为非受限误差形式，并基预置转换函数对非受限误差形式进行转换，得到转换误差。

6、在本技术的一种实现方式中，基于预置性能函数与期望的跟踪轨迹确定出机器人的跟踪误差，将踪误差将转换为非受限误差形式，并基预置转换函数对非受限误差形式进行转换，得到转换误差，具体包括：将跟踪误差定义为

7、qe＝q-qd

8、基于预置性能函数

9、fμi＝(μ0i-μ∞i)exp(-a(k)t)+μ∞i

10、确定出机器人的跟踪误差；基于转换函数

11、qei＝fμi(t)s(σi)

12、

13、对非受限误差形式进行转换，得到转换误差

14、

15、其中，q∈rn×1为机器人关节位置向量，qd表示期望的跟踪轨迹，μ0i>μ∞i>0，跟踪误差满足不等式-εifμi(t)<qei<εifμi(t)，qei(i＝1,2,…,n)表示第i个误差元素，0<εi≤1和参数a(k)将通过设置的间隔时间tf进行调整；s(σi)为转换函数，σi是第i个转换误差，μn＝[μn1,μn2,…,μnm]t是中心向量。

16、在本技术的一种实现方式中，基于转换误差，以及转换误差对应的有限时间非奇异终端滑模面，确定出机器人对应的自适应律，具体包括：确定出转换误差对应的导数；基于转换误差的导数，确定出有限时间非奇异终端滑模面；确定出有限时间非奇异终端滑模面的导数；基于导数确定出机器人对应的控制律，以基于控制律确定出机器人对应的自适应律。

17、在本技术的一种实现方式中，基于导数确定出机器人对应的控制律，以基于控制律确定出机器人对应的自适应律，具体包括：基于导数

18、

19、确定出h为

20、

21、控制律为

22、τ＝τ1+τ2

23、

24、

25、机器人对应的自适应律为

26、

27、

28、

29、其中，υ1,υ2,υ3为正常数，ξ为设定的死区大小；q∈rn×1为机器人关节位置向量、为机器人速度向量；m(q)∈rn×n是惯性矩阵，是向心的科里奥利矩阵，g(q)∈rn×1是引力矢量；d(t)为系统不确定性，是常数；跟踪误差qe＝q-qd，其中qd表示期望的跟踪轨迹；θ1，θ2，θ3都是未知的正常量，||·||表示向量的欧几里德范数；qei(i＝1,2,…,n)表示第i个误差元素；τ是间隙滞后的输入。

30、在本技术的一种实现方式中，通过预置rbf神经网络，对有限时间非奇异终端滑模面对应的集总非线性进行补偿之后，方法还包括：通过预置rbf神经网络

31、h＝w*tx(n)+ω

32、对集总非线性进行确定；

33、基于函数

34、τ＝τ1n+τ2

35、

36、

37、

38、对控制律与自适应律进行确定；其中，ω是rbf神经网络的近似误差；是w*的估计权重矩阵；yi和gi是两个正常数；q∈rn×1为机器人关节位置向量、为机器人速度向量；m(q)∈rn×n是惯性矩阵，是向心的科里奥利矩阵，g(q)∈rn×1是引力矢量。

39、在本技术的一种实现方式中，通过预置lyapunov函数，对滑模变量、转换误差以及转换误差对应的导数进行有界性分析，以根据分析结果对机器人进行跟踪，具体包括：确定出预置lyapunov函数的导数；基于进行集总非线性补偿后得到的控制律与自适应律，得到预置lyapunov函数的导数对应的young不等式；基于young不等式对滑模变量、转换误差以及转换误差对应的导数进行有界性分析。

40、在本技术的一种实现方式中，基于young不等式对滑模变量、转换误差以及转换误差对应的导数进行有界性分析，具体包括：

41、在||σ||≥κ的情况下

42、

43、确定出lyapunov函数

44、

45、对lyapunov函数进行导数求解，得到

46、

47、在的情况下，转换后的误差σ将在有限时间内收敛到有界集基于函数

48、

49、得到的有界集合为

50、

51、其中σi是第i个转换误差；δs为有界集合；为转换误差的导数；b为大于0的常数；0.5<p1<1。

52、本技术实施例提供一种机器人自适应神经滑模控制设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：基于预置性能函数，确定出机器人的跟踪误差，并基于预置转换函数对跟踪误差进行转换，以得到转换误差；基于转换误差，以及转换误差对应的有限时间非奇异终端滑模面，确定出机器人对应的自适应律；通过预置rbf神经网络，对有限时间非奇异终端滑模面对应的集总非线性进行补偿；通过预置lyapunov函数，对滑模变量、转换误差以及转换误差对应的导数进行有界性分析，以根据分析结果对机器人进行跟踪。

53、本技术实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：基于预置性能函数，确定出机器人的跟踪误差，并基于预置转换函数对跟踪误差进行转换，以得到转换误差；基于转换误差，以及转换误差对应的有限时间非奇异终端滑模面，确定出机器人对应的自适应律；通过预置rbf神经网络，对有限时间非奇异终端滑模面对应的集总非线性进行补偿；通过预置lyapunov函数，对滑模变量、转换误差以及转换误差对应的导数进行有界性分析，以根据分析结果对机器人进行跟踪。

54、本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例为了保证闭环系统的暂态和稳态性能，结合预设性能函数进行自调整增益系数的非奇异终端滑模控制。其次，基于滑模变量，提出了一种新的自适应律，在不需要先验知识的情况下，能够有效地估计系统不确定性的上界。此外，为了逼近系统非线性函数和未知动力学，引入径向基函数神经网络对集总非线性进行补偿。通过lyapunov函数确定出所有信号都是一致最终有界的。从而能够有效地削弱间隙迟滞的影响，实现机器人的高精度跟踪性能。