线驱动连续体机器人的死区自适应补偿控制系统及方法

本发明涉及连续体机器人，具体涉及一种线驱动连续体机器人的死区自适应补偿控制系统及方法。

背景技术：

1、连续体机器人是一类受生物仿生结构启发而诞生的新型机器人，该型机器人由弹性材料组成，能够产生连续变形并进行大幅度形变，具有结构柔顺性强、灵活性高等优点。连续体机器人能够弥补传统刚体机器人应对复杂环境能力不足的缺点，因而被广泛应用于工业、灾难搜救、设备检修、航空航天与医疗等领域，成为新一代机器人发展的热点。

2、相较于传统的刚体机器人，连续体机器人具有高度的灵活性与柔顺性，但这也大幅增加了连续体机器人的结构复杂度。连续体机器人模型涉及因素复杂，其动力学模型具有强非线性，高耦合性等特点，不可避免地会导致建模误差。此外，连续体机器人在实际工作中也会受到大量的外部干扰，这些干扰和误差严重影响连续体机器人在动态模型下的控制精度，甚至会影响全局系统的稳定性。因此，传统的机器人控制方法难以处理连续体机器人的控制问题。

3、使用线驱动的连续体机器人因为其驱动方式存在驱动死区现象。由于“死区”的不可微非线性特性，使得对“死区”的补偿变得非常困难，从而增加了传动系统控制的复杂程度。但是，如果不能消除“死区”的影响，除了造成输出误差外，使得连续体机器人的高精度控制系统会产生极限环振荡，降低性能甚至变得不稳定。

技术实现思路

1、针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种线驱动连续体机器人的死区自适应补偿控制系统及方法，以克服现有技术中，存在驱动死区及建模不精确影响控制系统的缺陷。

2、为实现上述目的，第一方面，本发明实施例提供了一种线驱动连续体机器人的死区自适应补偿控制系统，应用于控制器，包括：

3、第一模型模块，用于基于欧拉伯努利梁定理和常曲率假设，建立了一个连续体机器人的标准动力学模型；

4、死区函数模块，用于对线驱动连续体机器人的驱动死区建立死区函数；

5、第二模型模块，用于基于所述标准动力学模型建立不确定误差模型；

6、神经网络补偿器，所述神经网络补偿器包括两个引入的rbf神经网络；其中一个rbf神经网络用于估计所提出的所述不确定误差模型；另一个rbf神经网络用于系统前馈通道的死区补偿，以逼近建立的所述死区函数；

7、自适应补偿模块，用于采用自适应的方式对建立的所述模型和死区函数进行更新，以提升对连续体机器人的控制精度；其中，所述模型包括所述标准动力学模型和不确定误差模型。

8、作为本申请一种优选的实施方式，所述采用自适应的方式具体包括：

9、设计神经网络自适应率；

10、根据获取的误差信号，建立误差函数；

11、将所述误差函数传入所述神经网络自适应率中，以进行补偿更新，实现对建立的所述模型和死区函数进行更新。

12、第二方面，本发明实施例还提供了一种线驱动连续体机器人的死区自适应补偿控制方法，应用于第一方面所述的线驱动连续体机器人的死区自适应补偿控制系统，所述方法包括：

13、基于欧拉伯努利梁定理和常曲率假设，建立了一个连续体机器人的标准动力学模型；

14、对线驱动连续体机器人的驱动死区建立死区函数；

15、基于所述标准动力学模型建立不确定误差模型；

16、引入两个rbf神经网络；其中一个rbf神经网络用于估计所提出的所述不确定误差模型；另一个rbf神经网络用于系统前馈通道的死区补偿，以逼近建立的所述死区函数；

17、采用自适应的方式对建立的所述模型和死区函数进行更新，以提升对连续体机器人的控制精度；其中，所述模型包括所述标准动力学模型和不确定误差模型。

18、实施本发明实施例的线驱动连续体机器人的死区自适应补偿控制系统及方法，具有以下优点：

19、利用神经网络良好的拟合性能对驱动死区，建模误差与未知不确定误差干扰进行补偿，很好的弥补了驱动死区对控制系统造成的影响，并且考虑了建模误差与外界干扰的因素，通过自适应方式进行更新，也降低了对连续体机器人数学模型精度的要求，同时具有控制精度高，响应速度快，鲁棒性强的优点。

技术特征：

1.一种线驱动连续体机器人的死区自适应补偿控制系统，应用于控制器，其特征在于，包括：

2.如权利要求1所述的线驱动连续体机器人的死区自适应补偿控制系统，其特征在于，所述采用自适应的方式具体包括：

3.如权利要求2所述的线驱动连续体机器人的死区自适应补偿控制系统，其特征在于，所述设计神经网络自适应率为：

4.如权利要求1或3所述的线驱动连续体机器人的死区自适应补偿控制系统，其特征在于，所述死区函数可表示为：

5.如权利要求4所述的线驱动连续体机器人的死区自适应补偿控制系统，其特征在于，所述标准动力学模型被设计为：

6.如权利要求5所述的线驱动连续体机器人的死区自适应补偿控制系统，其特征在于，所述不确定误差模型设计为：

7.如权利要求5所述的线驱动连续体机器人的死区自适应补偿控制系统，其特征在于，引入的rbf神经网络算法设计为：

8.一种线驱动连续体机器人的死区自适应补偿控制方法，其特征在于，应用于权利要求1所述的线驱动连续体机器人的死区自适应补偿控制系统，所述方法包括：

9.如权利要求5所述的线驱动连续体机器人的死区自适应补偿控制方法，其特征在于，所述采用自适应的方式具体包括：

技术总结
本发明公开了一种线驱动连续体机器人的死区自适应补偿控制系统及方法，包括：第一模型模块，用于建立了一个连续体机器人的标准动力学模型；死区函数模块，用于对线驱动连续体机器人的驱动死区建立死区函数；第二模型模块，用于基于标准动力学模型建立不确定误差模型；神经网络补偿器，该补偿器包括两个引入的RBF神经网络；其中一个RBF神经网络用于估计所提出的所述不确定误差模型；另一个RBF神经网络用于系统前馈通道的死区补偿，以逼近建立的所述死区函数；自适应补偿模块，用于采用自适应的方式对建立的所述模型和死区函数进行更新，以提升对连续体机器人的控制精度；其有益效果是：弥补了驱动死区对控制系统造成的影响。

技术研发人员：钱彧哲,谢俊男,刘卫朋
受保护的技术使用者：河北工业大学
技术研发日：
技术公布日：2024/1/15