一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法
【技术领域】
[0001] 本发明涉及水下机器人的运动控制技术，具体为一种混合悬浮微重力环境下带有 单关节机械臂的组合体自主控制方法。
【背景技术】
[0002] 组合体由实验体和悬浮目标对接后形成，包含一个可以受控旋转的关节，由于组 合体工作环境为水中，可以将其视为带单关节机械臂的水下机器人系统。水下机器人系统 具有非线性、时变、强耦合等特点，这对其控制器的设计提出了很大的挑战。
[0003] 目前针对水下航行器的控制技术已经开展了大量的研究。多种不同的控制方法包 括线性控制，鲁棒控制，模糊控制，自适应控制等都已被用于水下航行器的运动控制。但上 述每种控制技术都有其针对性和局限性。
[0004] 传统的局部线性化和PID控制方法需要对流体动力模型的参数有比较准确的了 解，并且设计好的控制器仅能保证在平衡点附近具有较好的性能。考虑到组合体的动力学 参数会随着自身运动状态及构型的变化而变化，控制器必须能够实时修正自身的控制规律 以保证整个控制系统始终能获得满意的性能。
[0005] 非线性控制理论的发展为解决这一问题提供了新的思路。混合悬浮微重力环境下 的组合体是一个典型的多输入、多输出、非线性、强耦合系统，而且由于其水动力系数难以 准确获取，系统的运动学和动力学参数随组合体构型变化而变化等原因无法获得系统的精 确数学模型。因此要满足高精度的控制要求，就需要控制器能够随控制对象参数的变化而 自动修正控制器的参数或结构，自适应控制和神经网络控制就是为了满足此类需要而提出 的控制策略。
[0006] 自适应控制器能够及时修正自己的特性以适应控制对象的动态特性变化，使系统 能够保持最优或次优工作状态。现有技术中，采用将两种直接自适应控制律用于自主水下 航行器（AUV)的控制，通过仿真对比了两种控制律在测量噪声存在情况下的控制效果。并 且还针对含有不确定性项的AUV空间运动动力学系统模型，提出了一种自适应反演控制 器，该控制器的设计不需要预知AUV的流体动力参数，仿真结果表明该控制律性能明显优 于传统的PID控制。
[0007] 上述自适应控制器虽然能够对参数不确定性进行辨识，通过实时修正控制器参数 来补偿动力学模型的参数不确定性，但对于外部扰动和未建模动态等非参数不确定性，仅 依靠自适应控制器难以保证系统的稳定性，需要与其他的控制策略相结合以提高系统的鲁 棒性。
[0008] 神经网络具有高度的非线性逼近映射能力，采用神经网络可实现对水下航行器动 力学方程中未知部分的精确逼近，从而可通过前馈补偿，实现水下航行器的高精度运动控 制。现有技术中公开了一个自适应神经网络控制器来实现对水下航行器的六自由度控制， 其中用到了两种不同的神经网络结构来逼近水下航行器的非线性动力学，无需水下航行器 的动力学模型即可实现对期望轨迹的良好跟踪。但该方法没有考虑推进器推力饱和对控制 器性能的影响，而且忽略了神经网络的逼近误差。
[0009] 为了满足组合实验体对于控制器稳定性、鲁棒性和自适应能力的要求，同时考虑 到组合体系统的动力学模型无法精确获得以及推进器存在推力饱和约束等条件，需要提出 一种新的混合悬浮微重力环境下组合体的自主控制方法。
【发明内容】
[0010] 针对现有技术中存在的问题，本发明提供一种控制精度高，鲁棒性好，满足实验体 的六自由度位姿控制和机械臂关节角的位置控制要求的，混合悬浮微重力环境下带有单关 节机械臂的组合体自主控制方法。
[0011] 本发明是通过以下技术方案来实现：
[0012] 本发明一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法，包 括，
[0013] 步骤一，将组合体等效为水下机器人，建立运动学方程和动力学方程；
[0014] 步骤二，通过径向基神经网络对组合体的动力学方程进行逼近，得到径向基神经 网络对应的控制力和力矩,表示为
【主权项】
1. 一种混合息浮微重力环境下带有单关节机械臂的组合体自主控制方法，其特征在 于，包括， 步骤一，将组合体等效为水下机器人，建立运动学方程和动力学方程； 步骤二，通过径向基神经网络对组合体的动力学方程进行逼近，得到径向基神经网络 对应的控制力和力矩表示为/(务乂.）； 步骤H，通过滑模控制方法得到滑模控制对应的控制力和力矩，表示为X 步骤四，将步骤二中神经网络对应的控制力和控制力矩，与步骤H中滑模控制法得到 的控制力和控制力矩合成后，通过推力分配得到各个推进器的推力W及关节扭矩组成的广 义向量Ud如下，
通过径向基神经网络对推进器的推力偏差进行逼近，得到推力偏差估计值X(的）； 步骤五，合并步骤二至步骤四中得到的结果，得到推进器推进力和关节扭矩组成的广 义向量山《 =巧*[/(《，（，（.乂.) + 了,。^-大(的）；其中，护为推力分配矩阵6的广义逆矩阵； 从而得到推进器推力和关节扭矩实现对组合体的自主控制。
2. 根据权利要求1所述的一种混合息浮微重力环境下带有单关节机械臂的组合体自 主控制方法，其特征在于，步骤一中， 建立的组合体运动学方程如下，
其中，巧=沁，始表示在地固坐标系中实验体的位置和姿态向量；v = [vf，v[了表示 在体固坐标系中实验体的线速度和角速度向量；/,(巧)=iRe = BR[为体固坐标系与地固坐 标系中线速度的变换矩阵；J2( n)为体固坐标系与地固坐标系中角速度的变换矩阵；q为 机械臂的关节转角； 建立的组合体动力学方程如下，
其中， M(q) e RtoWxteW，为组合体和附加质量所引起的惯性矩阵； C(q，y GRWWxtoW，为组合体和附加质量所引起的向也力和科氏力矩阵； D(q，弓)G R(e+n)x(6+n)，为水动力阻尼矩阵； g(q，n) G RWW，为重力和浮力向量； X GRteW，为广义力向量； R表示实数，根据上标不同可W表示实向量或实矩阵； n代表机械臂的自由度。
3. 根据权利要求2所述的一种混合息浮微重力环境下带有单关节机械臂的组合体自 主控制方法，其特征在于，步骤H中， 滑模控制方法中的滑模控制项形式如下：
S为设计的滑模面，A和Kp为正定对角矩阵，Kd，Ks为对称正定矩阵，sgn(s)为符号函 数；0表示期望值和实际值之间的偏差，期望值就是实验体位姿、速度和关节位置、速度的 期望值，实际值是测量系统得到的实验体运动状态信息，是用四元数表示的实验体姿态 误差； 根据期望控制目标Sd，弓d和测量得到的组合体运动状态信息S，弓计算得到S和 s'，将S和s'代入滑模控制项即得到滑模控制对应的控制力和力矩。
4. 根据权利要求3所述的一种混合息浮微重力环境下带有单关节机械臂的组合体自 主控制方法，其特征在于，对符号函数sgn(s)做如下处理，
其中，5为一个正实数。
5. 根据权利要求3所述的一种混合息浮微重力环境下带有单关节机械臂的组合体自 主控制方法，其特征在于，步骤二中，通过径向基神经网络/皆C(.，C)对组合体的非线性 动力学方程进行逼近， 神经网络控制项表示如下：
其中，神经网络的输入向量X由组合体的四个广义状态向量今，（，C，C组成，弓t = 与+S，输出向量为组合体的控制力和控制力矩，《为输出权重矩阵，将通过自适应更新律确 定。
6. 根据权利要求5所述的一种混合息浮微重力环境下带有单关节机械臂的组合体自 主控制方法，其特征在于，步骤四中，利用径向基神经网络尤咕）=卸7"(x，c)对推进器推力 偏差Au进行估计，估计值夫(《,,)用于作为反馈量引入控制器中W补偿推力偏差Au。
7. 根据权利要求6所述的一种混合息浮微重力环境下带有单关节机械臂的组合体自 主控制方法，其特征在于，步骤二和步骤四中，根据组合体运动状态及构型的变化，在线更 新神经网络的输出权重矩阵； 用来逼近系统动力学的神经网络输出权重自适应更新律如下，
用来逼近推力偏差的神经网络输出权重自适应更新律如下，
其中，矩阵B为推力分配矩阵，r。和r U为正定对角矩阵，表示权重更新律的自适应增 益。
8.根据权利要求7所述的一种混合息浮微重力环境下带有单关节机械臂的组合体自 主控制方法，其特征在于，步骤四中，组合体推力分配时的分配矩阵如下，
其中，L是进行推力分配的映射矩阵；I为机械臂的关节扭矩分配矩阵，为单位阵。
【专利摘要】本发明一种混合悬浮微重力环境下带有单关节机械臂的组合体自主控制方法，包括如下步骤，一、将组合体等效为水下机器人，建立运动学方程和动力学方程；二、通过径向基神经网络对组合体的动力学方程进行逼近，得到径向基神经网络对应的控制力和力矩；三、通过滑模控制方法得到滑模控制对应的控制力和力矩；四、将神经网络对应的控制力和控制力矩，与滑模控制法得到的控制力和控制力矩合成后，通过推力分配得到各个推进器的推力以及关节扭矩组成的广义向量；通过径向基神经网络对推进器的推力偏差进行逼近，得到推力偏差估计值；五、合并二至四中得到的结果，得到推进器推进力和关节扭矩组成的广义向量，从而得到推进器推力和关节扭矩实现自主控制。
【IPC分类】G05B13-04, B25J9-18
【公开号】CN104589349
【申请号】CN201510023888
【发明人】薛爽爽, 罗建军, 方群, 朱战霞, 宗立军, 袁建平
【申请人】西北工业大学
【公开日】2015年5月6日
【申请日】2015年1月16日