CN108132602B - 固态酿酒翻曲机械手神经网络滑模自适应控制方法 - Google Patents
固态酿酒翻曲机械手神经网络滑模自适应控制方法 Download PDFInfo
- Publication number
- CN108132602B CN108132602B CN201711287126.1A CN201711287126A CN108132602B CN 108132602 B CN108132602 B CN 108132602B CN 201711287126 A CN201711287126 A CN 201711287126A CN 108132602 B CN108132602 B CN 108132602B
- Authority
- CN
- China
- Prior art keywords
- manipulator
- sliding mode
- neural network
- control
- bending
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种固态酿酒翻曲机械手神经网络滑模自适应控制方法,包括以下步骤:S1:建立包括n个关节的翻曲机械手动力学模型;S2:将所述翻曲机械手动力学模型转化为无量纲动力学方程,并将所述无量纲动力学方程转换为状态空间方程,得到需要的控制变量;S3:建立翻曲机械手的神经网络滑模控制系统,设计基于线性反馈的滑模控制系统的控制律,将所述控制变量作为所述控制律的输入,对翻曲机械手进行自适应控制;S4:验证翻曲机械手神经网络滑模自适应控制的稳定性。
Description
技术领域
本发明涉及一种固态酿酒翻曲机械手神经网络滑模自适应控制方法。
背景技术
针对曲房的搬运以和翻转的自动化设备不高,且翻曲机械手处于悬挂式, 因此在高速重载的情况下,机械手的抖动较大。
随着机械手技术的发展,机械手应用于白酒酿造以及翻曲中来代替白酒酿 造过程中人类劳动。翻曲机械手采用关节型,是一种非线性、多输入的串联结 构机械手。通过各个关节伺服控制来实现翻曲机械手末端执行器的控制。
关节伺服系统是一个高度非线性的系统,运动过程中常存在干扰因素,建 立其精确的运动控制模型比较困难,为了解决上述问题PID、自适应控制、滑 模控制等应用机械手控制中。
公开号为CN104889997A的发明公开了一种固态酿造翻曲高精度定位的机 械手控制系统及方法,该系统包括主控制器、摄像机、激光测距仪、电源模块、 第一光电传感器、第二光电传感器和分控制器;公开号为CN205774444U的实 用新型专利公开了一种丝杆传动型曲房翻曲夹持机构;公开号为CN 205802429 U的实用新型专利公开了一种四连杆机构型曲房翻曲夹持机构,包括机架和若 干对夹持板,所述机架上水平安装导轨。以上专利均未对翻曲机械手抖振以及 控制策略涉及。
发明内容
本发明的目的是提供一种固态酿酒翻曲机械手神经网络滑模自适应控制方 法,以解决现有滑模控制中存在的抖振现象的问题。
为解决上述技术问题,本发明提供一种固态酿酒翻曲机械手神经网络滑模 自适应控制方法,包括以下步骤:
S1:建立包括n个关节的翻曲机械手动力学模型;
S2:将所述翻曲机械手动力学模型转化为无量纲动力学方程,并将所述无 量纲动力学方程转换为状态空间方程,得到需要的控制变量;
S3:建立翻曲机械手的神经网络滑模控制系统,设计基于线性反馈的滑模 控制系统的控制律,将所述控制变量作为所述控制律的输入,对翻曲机械手进 行自适应控制;
S4:验证翻曲机械手神经网络滑模自适应控制的稳定性。
进一步地,所述步骤S1具体包括:
S11:令翻曲机械手被控对象描述方程为:
S12:利用拉格朗日方法,建立包括n个关节翻曲机械手受摩擦力、未建模 态和外加的扰动的影响条件下的动力学模型:
令
则有
则包括n关节的机器人动力学模型可改写为:
其中,q为关节位移量;为速度矢量,为加速度矢量;M(q)为机械手的 惯性矩阵;为机械手的离心力和哥氏矩阵;G(q)为作用在关节上的重力 矢量;为摩擦力构成的矩阵,τd为建模误差、参数误差和外加扰动构成的 矩阵,τ为控制力矩构成的矩阵。
进一步地,所述步骤S3具体包括:
S31:令翻曲机械手的运动轨迹为x,翻曲机械手的理想运动轨迹为xd,得 到令翻曲机械手的运动轨迹x与翻曲机械手的理想运动轨迹xd之间的跟踪误差 e为:
S32:定义滑模面为:
其中,c=[c1 c2 … cn-1 1],c为滑模面参数;
S33:根据线性反馈,将滑模控制律设计为:
得到:
R=ε(x,t)-ρsgn(s)ρ>0
其中,u为滑模控制律;R为自定义量,f(x,t)为输出的第一个RBF神经 网络逼近函数,g(x,t)为输出的第二个RBF神经网络逼近函数,ε(x,t)为自定义 量,ρ为正实数,sgn(s)为符号函数。
S34:采用状态反馈方法控制系统模型,利用RBF神经网络线性反馈补偿 器对控制模型的不确定项进行线性反馈补偿。
进一步地,所述采用定义李雅普诺夫稳定性函数对翻曲机械手神经网络滑 模自适应控制的稳定性进行验证,具体方法如下:
定义李雅普诺夫稳定性函数:
对V求导可得到:
即,得出该滑模控制律满足滑模控制器稳定性条件。
进一步地,该控制方法还包括如下步骤:采用RBF神经网络对翻曲机械手 被控对象描述方程中的所述不确定进行f逼近。
进一步地,采用RBF神经网络对翻曲机械手被控对象描述方程中的所述未 知量进行f逼近所述采用的网络算法为:
f=W*h(x)+σ
其中,cj为第j个节点中心矢量,h为向第j个节点径基向量,X为网络的 输入矢量,bj为节点j的基宽度正参数,i为网络隐含层第i个节点,j为网络 隐含层第j个节点,W*为网络的理想权值,σ为网络的逼近误差,σ≤σN。
本发明的有益效果为:本发明提出了一种基于线性反馈的神经网络滑模控 制方法来实现翻曲机械手关节机械手的位置控制,算法中采用神经网络不确定 进行自适应调节,进一步改进了控制器的效果,有效降低了滑模控制中存在的 抖振现象。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分, 在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性 实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为RBF神经网络结构图;
图2为基于线性反馈的滑模控制算法的位置跟踪图;
图3为基于线性反馈的滑模控制算法的角速度跟踪图;
图4为基于线性反馈的滑模控制算法的控制输入图;
具体实施方式
一种固态酿酒翻曲机械手神经网络滑模自适应控制方法,包括以下步骤:
S1:建立包括n个关节的翻曲机械手动力学模型;
S2:将所述翻曲机械手动力学模型转化为无量纲动力学方程,并将所述无 量纲动力学方程转换为状态空间方程,得到需要的控制变量;
S3:建立翻曲机械手的神经网络滑模控制系统,设计基于线性反馈的滑模 控制系统的控制律,将所述控制变量作为所述控制律的输入,对翻曲机械手进 行自适应控制;
S4:验证翻曲机械手神经网络滑模自适应控制的稳定性。
下面分别对各步骤进行详细描述:
根据本申请的一个实施例,上述步骤S1具体包括:
S11:令翻曲机械手被控对象描述方程为:
S12:利用拉格朗日方法,建立包括n个关节翻曲机械手受摩擦力、未建模 态和外加的扰动的影响条件下的动力学模型:
其中,q为关节位移量;为速度矢量,为加速度矢量;M(q)为机械手的 惯性矩阵;为机械手的离心力和哥氏矩阵;G(q)为作用在关节上的重力 矢量;为摩擦力构成的矩阵,τd为建模误差、参数误差和外加扰动构成的 矩阵,τ为控制力矩构成的矩阵。
根据本申请的一个实施例,所述步骤S3具体包括:
S31:令翻曲机械手的运动轨迹为x,翻曲机械手的理想运动轨迹为xd,得 到令翻曲机械手的运动轨迹x与翻曲机械手的理想运动轨迹xd之间的跟踪误差 e为:
S32:定义滑模面为:
其中,c=[c1 c2 … cn-1 1],c为滑模面参数;
S33:根据线性反馈,将滑模控制律设计为:
得到
R=ε(x,t)-ρsgn(s)ρ>0
其中,u为滑模控制律;R为自定义量,f(x,t)为输出的第一个RBF神经 网络逼近函数,g(x,t)为输出的第二个RBF神经网络逼近函数,ε(x,t)为自定义 量,ρ为正实数,sgn(s)为符号函数。图2-图5为基于线性反馈的滑模控制算法 的仿真图。
S34:采用状态反馈方法控制系统模型,利用RBF神经网络线性反馈补偿 器对控制模型的不确定项进行线性反馈补偿,其中,不确定项是指外界因素对 控制模型产生的影响(如翻曲机械手承载的重量变化对控制模型产生的影响、 工作温度对控制模型产生的影响等),通过分别控制的方法不用机器人关节伺服 的精确模型,即可实现外部扰动及参数变化等不确定性的鲁棒性控制。
根据本申请的一个实施例,步骤S4中所述的采用定义李雅普诺夫稳定性函 数对翻曲机械手神经网络滑模自适应控制的稳定性进行验证,具体方法如下:
根据李雅普诺夫稳定性函数的定义:
对V求导可得到:
即,得出该滑模控制律满足滑模控制器稳定性条件。
根据本申请的一个实施例,该控制方法还包括如下步骤:
由于RBF神经网络具有较强的全局逼近能力,由输入层,隐含层和输出层 3个部分,其结构如图2。在翻曲机器人应用中,模型不确定性f未知。因此。 需要对翻曲机器人不确定项进行逼近。采用径向基函数作为隐含层,广义RBF 网络:从输入层到隐藏层相当于是把低维空间的数据映射到高维空间,输入层 细胞个数为样本的维度,所以隐藏层细胞个数一定要比输入层细胞个数多。RBF 网络能够逼近任意的非线性函数,可以处理系统内的难以解析的规律性,具有 良好的泛化能力,并有很快的学习收敛速度,已成功应用于非线性函数逼近、 时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制 和故障诊断等。
f=W*h(x)+σ
其中,cj为第j个节点中心矢量,h为向第j个节点径基向量,X为网络的 输入矢量,bj为节点j的基宽度正参数,i为网络隐含层第i个节点,j为网络 隐含层第j个节点,W*为网络的理想权值,σ为网络的逼近误差,σ≤σN。
本发明提出了一种基于线性反馈的神经网络滑模控制方法来实现翻曲机械 手关节机械手的位置控制,算法中采用神经网络对不确定项进行自适应调节, 进一步改进了控制器的效果,有效降低了滑模控制中存在的抖振现象。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管 参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解, 可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的 宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种固态酿酒翻曲机械手神经网络滑模自适应控制方法,其特征在于,包括以下步骤:
S1:建立包括n个关节的翻曲机械手动力学模型;
S2:将所述翻曲机械手动力学模型转化为无量纲动力学方程,并将所述无量纲动力学方程转换为状态空间方程,得到需要的控制变量;
S3:建立翻曲机械手的神经网络滑模控制系统,设计基于线性反馈的滑模控制系统的控制律,将所述控制变量作为所述控制律的输入,对翻曲机械手进行自适应控制;
所述步骤S3具体包括:
S31:令翻曲机械手的运动轨迹为x,翻曲机械手的理想运动轨迹为xd,得到令翻曲机械手的运动轨迹x与翻曲机械手的理想运动轨迹xd之间的跟踪误差e为:
S32:定义滑模面为:
其中,c=[c1 c2 … cn-1 1],c为滑模面参数;
S33:根据线性反馈,将滑模控制律设计为:
得到:
R=ε(x,t)-ρsgn(s) ρ>0
其中,u为滑模控制律;R为自定义量,f(x,t)为输出的第一个RBF神经网络逼近函数,g(x,t)为输出的第二个RBF神经网络逼近函数,ε(x,t)为自定义量,ρ为正实数,sgn(s)为符号函数;
S34:采用状态反馈方法控制系统模型,利用RBF神经网络线性反馈补偿器对控制模型的不确定项进行线性反馈补偿。
S4:验证翻曲机械手神经网络滑模自适应控制的稳定性。
4.根据权利要求3所述的固态酿酒翻曲机械手神经网络滑模自适应控制方法,其特征在于,该控制方法还包括如下步骤:采用RBF神经网络对翻曲机械手被控对象描述方程中的所述未知量进行f逼近。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287126.1A CN108132602B (zh) | 2017-12-07 | 2017-12-07 | 固态酿酒翻曲机械手神经网络滑模自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287126.1A CN108132602B (zh) | 2017-12-07 | 2017-12-07 | 固态酿酒翻曲机械手神经网络滑模自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108132602A CN108132602A (zh) | 2018-06-08 |
CN108132602B true CN108132602B (zh) | 2021-03-23 |
Family
ID=62389232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711287126.1A Active CN108132602B (zh) | 2017-12-07 | 2017-12-07 | 固态酿酒翻曲机械手神经网络滑模自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108132602B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108555914B (zh) * | 2018-07-09 | 2021-07-09 | 南京邮电大学 | 一种基于腱驱动灵巧手的dnn神经网络自适应控制方法 |
CN109490393B (zh) * | 2018-11-06 | 2021-11-12 | 四川理工学院 | 大曲中理化指标特征值提取方法曲料品质分析方法及系统 |
CN111230911B (zh) * | 2020-03-20 | 2021-05-04 | 燕山大学 | 一种基于4d打印柔性指关节手爪及其轨迹跟踪控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202962378U (zh) * | 2012-12-18 | 2013-06-05 | 浙江星辰涂装设备有限公司 | 一种机械臂翻曲结构 |
CN104191429A (zh) * | 2014-07-28 | 2014-12-10 | 南京航空航天大学 | 一种腱驱动机械手位置和腱张力的混合控制方法及控制装置 |
CN104808487A (zh) * | 2015-03-03 | 2015-07-29 | 台州学院 | 一种神经网络自适应鲁棒轨迹跟踪方法及控制器 |
CN104932271A (zh) * | 2015-06-08 | 2015-09-23 | 浙江工业大学 | 一种机械臂伺服系统的神经网络全阶滑模控制方法 |
CN104950678A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 一种柔性机械臂系统的神经网络反演控制方法 |
CN104950677A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 基于反演滑模控制的机械臂系统饱和补偿控制方法 |
CN105573119A (zh) * | 2016-01-13 | 2016-05-11 | 浙江工业大学 | 一种保证瞬态性能的机械臂伺服系统神经网络全阶滑模控制方法 |
CN205237681U (zh) * | 2015-10-27 | 2016-05-18 | 重庆航天职业技术学院 | 自动对中取料的多关节数控机床机械臂 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8595162B2 (en) * | 2011-08-22 | 2013-11-26 | King Fahd University Of Petroleum And Minerals | Robust controller for nonlinear MIMO systems |
US20130054021A1 (en) * | 2011-08-26 | 2013-02-28 | Disney Enterprises, Inc. | Robotic controller that realizes human-like responses to unexpected disturbances |
CN103116275B (zh) * | 2013-03-01 | 2016-04-06 | 河海大学常州校区 | 基于滑模补偿的微陀螺仪鲁棒神经网络控制系统及方法 |
-
2017
- 2017-12-07 CN CN201711287126.1A patent/CN108132602B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202962378U (zh) * | 2012-12-18 | 2013-06-05 | 浙江星辰涂装设备有限公司 | 一种机械臂翻曲结构 |
CN104191429A (zh) * | 2014-07-28 | 2014-12-10 | 南京航空航天大学 | 一种腱驱动机械手位置和腱张力的混合控制方法及控制装置 |
CN104808487A (zh) * | 2015-03-03 | 2015-07-29 | 台州学院 | 一种神经网络自适应鲁棒轨迹跟踪方法及控制器 |
CN104932271A (zh) * | 2015-06-08 | 2015-09-23 | 浙江工业大学 | 一种机械臂伺服系统的神经网络全阶滑模控制方法 |
CN104950678A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 一种柔性机械臂系统的神经网络反演控制方法 |
CN104950677A (zh) * | 2015-06-17 | 2015-09-30 | 浙江工业大学 | 基于反演滑模控制的机械臂系统饱和补偿控制方法 |
CN205237681U (zh) * | 2015-10-27 | 2016-05-18 | 重庆航天职业技术学院 | 自动对中取料的多关节数控机床机械臂 |
CN105573119A (zh) * | 2016-01-13 | 2016-05-11 | 浙江工业大学 | 一种保证瞬态性能的机械臂伺服系统神经网络全阶滑模控制方法 |
Non-Patent Citations (3)
Title |
---|
《Adaptive Fuzzy Sliding Mode Controller with Nonlinear Observer for Redundant Manipulators Handling Varying External Force》;Jun He 等;《Journal of Bionic Engineering》;20161031;第600-611页 * |
《基于RBF神经网络的机械手轨迹跟踪控制方法研究》;杜盟盟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315;第18-68页 * |
《曲块搬运翻曲悬挂式机械手运动学求解方法研究》;田建平 等;《四川理工学院学报( 自然科学版)》;20161031;第33-37页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108132602A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112180729B (zh) | 一种机械臂自适应轨迹跟踪控制方法 | |
CN108803324B (zh) | 多关节工业机械臂反步有限时间滑模控制方法 | |
Van Cuong et al. | Adaptive trajectory tracking neural network control with robust compensator for robot manipulators | |
CN108132602B (zh) | 固态酿酒翻曲机械手神经网络滑模自适应控制方法 | |
CN109352656B (zh) | 一种具有时变输出约束的多关节机械臂控制方法 | |
CN110053044B (zh) | 一种并联机器人串类水果夹取无模型自适应光滑滑模阻抗控制方法 | |
Jung | Stability analysis of reference compensation technique for controlling robot manipulators by neural network | |
Hua et al. | Visual tracking control for an uncalibrated robot system with unknown camera parameters | |
Najm et al. | On the stabilization of 6-DOF UAV quadrotor system using modified active disturbance rejection control | |
Hu et al. | Impedance with Finite‐Time Control Scheme for Robot‐Environment Interaction | |
CN111673742A (zh) | 一种工业机器人轨迹跟踪控制算法 | |
Guo et al. | The robot arm control based on rbf with incremental pid and sliding mode robustness | |
Yu et al. | Robust visual servoing of robot manipulators with neuro compensation | |
Bei et al. | Adaptive neural network control of flexible robotic with unmodeled dynamics and time-varying output constraints | |
Zheng et al. | Sliding mode tracking control of a two-link robotic manipulator using nonlinear disturbance observer | |
Gabellieri et al. | Force-based Pose Regulation of a Cable-Suspended Load Using UAVs with Force Bias | |
Wang et al. | Neural network-based position synchronised internal force control scheme for cooperative manipulator system | |
Uran et al. | Neural-network estimation of the variable plant for adaptive sliding-mode controller | |
Wang et al. | Image-based visual servoing control for robot manipulator with actuator backlash | |
Su et al. | Robotic inserting a moving object using visual-based control with time-delay compensator | |
Kazim et al. | Robust backstepping control with disturbance rejection for a class of underactuated systems | |
Jung et al. | Hybrid Impedance Force Tracking Control of a Robot Manipulator under Non-model Dynamics and Nonlinear Uncertianties | |
Zhang et al. | Adaptive kinematic control of redundant manipulators | |
Peng et al. | Control based on double neural networks-PI for parallel mechanism | |
Liu et al. | Dynamic tracking of manipulators using visual feedback from an uncalibrated fixed camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |