本发明涉及工业机器人控制系统,尤其涉及一种齿轮巡检非线性全局滑模有限时间神经网络控制方法。
背景技术:
1、巡检机器人是具有多维度自主移动和视觉系统的装置,如隧道巡检机器人、电力巡检机器人、安防巡检机器人。其中,齿轮巡检机器人是一种用于高精度齿轮加工工艺检测的设备。齿轮巡检机器人由多关节机械臂和视觉系统组成,其自身的控制系统可实现多关节机械臂轨迹实时跟踪。然而,齿轮巡检机器人因其存在不确定性外扰和自身模型参数的不确定性,造成现有控制精度不高和存在重复定位精度差等问题。
技术实现思路
1、鉴于上述现有存在的问题,提出了本发明。
2、因此,本发明解决的技术问题是:如何针对齿轮巡检机器人系统n关节机械臂轨迹跟踪控制精度不高和存在重复定位精度等问题。
3、为解决上述技术问题,本发明提供如下技术方案:基于齿轮巡检机器人系统n关节机械臂数学模型,构建无模型控制框架并定义齿轮巡检机器人系统n关节机械臂跟踪误差方程;利用径向基神经网络观测器,实现对齿轮巡检机器人系统不确定性参数和未知外扰进行实时观测补偿;以齿轮巡检机器人系统n关节机械臂跟踪误差方程和非线性函数为基础,结合齿轮巡检机器人系统n关节机械臂惯性矩阵、齿轮巡检机器人系统n关节机械臂跟踪误差非线性函数比例项、齿轮巡检机器人系统n关节机械臂跟踪误差非线性函数积分项、齿轮巡检机器人系统n关节机械臂跟踪误差非线性函数初始项,构建有限时间收敛非线性全局滑模面;采用系统扰动自适应趋近律,设计齿轮巡检机器人系统n关节机械臂非线性全局滑模有限时间神经网络控制器τ(t)。
4、作为本发明所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案,其中:
5、所述的齿轮巡检机器人系统包含:图像运算中心、高倍相机、n关节机械臂。
6、作为本发明所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案,其中:
7、所述的齿轮巡检机器人系统n关节机械臂数学模型:
8、
9、其中,等式左边分别为:齿轮巡检机器人系统n关节机械臂惯性力项齿轮巡检机器人系统n关节机械臂离心力和哥氏力项齿轮巡检机器人系统n关节机械臂重力项g(q(t))∈rn×1、齿轮巡检机器人系统n关节机械臂摩擦力项外扰项τd(t)∈rn×1;m(q(t))∈rn×n为齿轮巡检机器人系统n关节机械臂惯性矩阵,为齿轮巡检机器人系统n关节机械臂离心力和哥氏力矩阵;等式右边为齿轮巡检机器人系统n关节机械臂控制力项τ(t)∈rn×1;
10、基于所述的齿轮巡检机器人系统n关节机械臂数学模型,构建无模型控制框架:
11、
12、其中,m(q(t))∈rn×n为齿轮巡检机器人系统n关节机械臂无模型框架控制器无物理意义调参增益矩阵,d(t)∈rn×1为齿轮巡检机器人系统不确定性参数和未知外扰,定义如下:
13、
14、定义所述的齿轮巡检机器人系统n关节机械臂的跟踪误差为:
15、e(t)=q*(t)-q(t)
16、其中,q*(t)是所述的齿轮巡检机器人系统n关节机械臂的目标轨迹,q(t)是所述的齿轮巡检机器人系统n关节机械臂的实际轨迹,e(t)是所述的齿轮巡检机器人系统n关节机械臂的跟踪误差;
17、将所述的齿轮巡检机器人系统n关节机械臂的跟踪误差取二阶微分得:
18、
19、其中,是e(t)的二阶微分;是q*(t)的二阶微分;是q(t)的二阶微分;
20、定义齿轮巡检机器人系统n关节机械臂跟踪误差方程:
21、
22、作为本发明所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案,其中:
23、定义所述的径向基神经网络观测器:
24、
25、
26、
27、w*=argmin(d(t))
28、h(x)=[h1(x) h2(x) … hn(x)]
29、
30、当||x-on||≤hn:
31、
32、当hn<||x-on||≤2hn:
33、
34、当2hn<||x-on||:
35、hn(x)=0
36、其中,是齿轮巡检机器人系统不确定性参数和未知外扰的估计值,w*是所述的径向基神经网络观测器最佳权值,h(x)是所述的径向基神经网络观测器隐藏层函数,x是所述的径向基神经网络观测器输入,on是所述的径向基神经网络观测器中心;hn是所述的径向基神经网络观测器带宽。
37、作为本发明所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案,其中:
38、定义所述的有限时间收敛非线性全局滑模面:
39、
40、s(t)=[s1(t) s2(t) … sn(t)]t
41、kgnp=diag[k1gnp k2gnp … kngnp]t
42、kgni=diag[k1gni k2gni … kngni]t
43、
44、k=diag[k1 k2 … kn]t
45、fal[e(t),γ,η]
46、=[fal[e1(t),γ,η] fal[e2(t),γ,η] … fal[en(t),γ,η]]t
47、
48、fal[e(0),γ,η]
49、=[fal[e1(0),γ,η] fal[e2(0),γ,η] … fal[en(0),γ,η]]t
50、
51、
52、
53、其中,kgnpfal[e(t),γ,η]是齿轮巡检机器人系统n关节机械臂跟踪误差非线性函数比例项,kgnp是比例系数,是齿轮巡检机器人系统n关节机械臂跟踪误差非线性函数积分项,kgni是积分系数,k是反馈增益,kgnpfal[e(0),γ,η]是齿轮巡检机器人系统n关节机械臂跟踪误差非线性函数初始项;
54、将所述的有限时间收敛非线性全局滑模面取一阶微分:
55、
56、
57、
58、定义所述的有限时间为:
59、当|e(t)|>η时:
60、
61、当|e(t)|<η时:
62、
63、其中,ts是有限收敛时间,c是任意常数。
64、作为本发明所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案,其中:
65、定义所述的系统扰动自适应趋近律:
66、
67、
68、其中,δ是所述的系统扰动自适应趋近律调节增益,其自适应率为β1,β2,…,βn是调参增益,
69、作为本发明所述的齿轮巡检非线性全局滑模有限时间神经网络控制方法的一种优选方案,其中:
70、基于所述的径向基神经网络观测器、所述的有限时间收敛非线性全局滑模面、所述的系统扰动自适应趋近律,由无模型控制框架设计齿轮巡检机器人系统n关节机械臂非线性全局滑模有限时间神经网络控制器τ(t):
71、当|e(t)|>η:
72、
73、当|e(t)|<η:
74、
75、本发明的有益效果:(1)本发明方法基于齿轮巡检机器人系统n关节机械臂数学模型,构建无模型控制框架并定义齿轮巡检机器人系统n关节机械臂跟踪误差方程;在此基础上提出径向基神经网络观测器,实现对系统不确定性补偿;(2)利用齿轮巡检机器人系统n关节机械臂惯性矩阵、齿轮巡检机器人系统n关节机械臂跟踪误差非线性函数比例项、非线性函数积分项、非线性函数初始项,构建有限时间收敛非线性全局滑模面,增强控制鲁棒性;(3)采用系统扰动自适应趋近律设计控制器,实现趋近阶段的自适应性。