CN109085749B - 一种基于自适应模糊反演的非线性遥操作双边控制方法 - Google Patents

一种基于自适应模糊反演的非线性遥操作双边控制方法 Download PDF

Info

Publication number
CN109085749B
CN109085749B CN201810891909.9A CN201810891909A CN109085749B CN 109085749 B CN109085749 B CN 109085749B CN 201810891909 A CN201810891909 A CN 201810891909A CN 109085749 B CN109085749 B CN 109085749B
Authority
CN
China
Prior art keywords
fuzzy
slave
adaptive
designing
environment
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
Application number
CN201810891909.9A
Other languages
English (en)
Other versions
CN109085749A (zh
Inventor
陈正
黄方昊
宋伟
王滔
朱世强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201810891909.9A priority Critical patent/CN109085749B/zh
Publication of CN109085749A publication Critical patent/CN109085749A/zh
Application granted granted Critical
Publication of CN109085749B publication Critical patent/CN109085749B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0275Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于自适应模糊反演的非线性遥操作双边控制方法。本发明在从端设计了一种信号优化函数,以优化主端通过通信通道传输的位置信号,并在从端生成相应的速度和加速度信号。通过从端非功率环境参数的模糊估计和主端环境力的重构,避免了功率信号在通信通道的传输,从而避免了传统遥操作系统的无源性以及稳定性和透明性的权衡问题。针对双边遥操作系统的非线性,模型不确定性和参数不确定性的问题,本发明提出了基于反演的非线性控制器,采用模糊系统逼近系统的模型信息,并基于李雅普诺夫理论设计一种在线调整模糊系统参数的自适应率,保证系统具备良好的稳定性和收敛性。

Description

一种基于自适应模糊反演的非线性遥操作双边控制方法
技术领域
本发明属于遥操作控制领域,具体来说是一种时延非线性双边遥操作系统的自适应模糊反演控制方法,在保证遥操作系统全局稳定性的同时提升遥操作系统的透明性。
背景技术
随着机器人技术的不断发展,依靠人机交互工作方式的遥操作技术已经在深海作业、医疗手术、虚拟现实等领域发挥了重要的作用。特别是具有力反馈的双边遥操作系统,提升了系统的透明性能,增强了操作者的临场感。然而,针对非线性的双边遥操作系统,存在通信时延、非线性、参数不确定性及模型不确定性等问题,从而影响系统的稳定性和透明性。
基于无源理论的双通道结构,主从端的力和速度分别表示网络中的电压和电流,是一种用于保证系统稳定性的控制方法。尽管双通道结构能够保证遥操作系统完成基本的遥操作任务,但是系统的透明性无法保证。基于主从端动力学匹配的四通道结构,是一种用于保证系统透明性的控制方法。尽管四通道结构能够实现遥操作系统的理想透明性,但是系统的稳定性无法保证。此外,针对非线性双边遥操作系统存在的非线性、参数不确定性、模型不确定性等问题,上述方法都不能达到很好的控制效果。为此,本发明专利针对上述遥操作系统存在的稳定性和透明性权衡和系统的非线性、参数不确定性和模型不确定性等问题,提出一种基于自适应模糊反演的非线性双边控制方法,在保证遥操作系统稳定性的同时提升遥操作系统的透明性。
发明内容
本发明的目的在于提出一种基于自适应模糊反演的非线性遥操作双边控制方法,用以解决传统遥操作系统的稳定性、非线性、参数不确定性和模型不确定性等技术问题。
为实现上述目的,该发明的技术方案具体内容如下:
一种基于自适应模糊反演的非线性遥操作双边控制方法,包括以下步骤:
1)建立双边遥操作系统的非线性动力学模型,具体为:
1-1)建立双边遥操作系统的非线性动力学模型
Figure BDA0001757164590000021
其中,i=m,s表示双边遥操作系统中的主端或从端机械臂,j=h,e表示操作者或者外界环境,qi,
Figure BDA0001757164590000022
表示机械臂的位置、速度和加速度信号,Mi表示质量惯性矩阵,Ci表示科氏力/向心力矩阵,Gi表示重力矩阵,Di表示外界扰动,τi表示控制输入,τj表示操作者操作力矩或者外界环境力矩,可由传感器测得。
上述系统具有如下特性:
①惯性矩阵Mi(qi)是正定对称矩阵,且Mi(qi)有界,即存在
Figure BDA0001757164590000023
δi0∈R,δi0∈R,0<Mi(qi)≤δi0I;
②惯性矩阵Mi(qi)和向心力/科氏力矩阵
Figure BDA0001757164590000024
存在以下关系:
Figure BDA0001757164590000025
③公式(1)中的部分动力学方程可以写成如下线性方程的形式:
Figure BDA0001757164590000026
其中,θi∈Rn表示主从端机械臂的未知参数,ζ∈Rn×n表示模糊矩阵,表示机械臂的理想速度和加速度信号。
从端环境的非线性动力学模型如下:
Figure BDA0001757164590000028
其中,θe∈Rn表示环境的未知参数。
2)设计从端机械臂的自适应模糊反演控制器,具体为:
2-1)定义xs1=qs,
Figure BDA0001757164590000029
可以将(1)的从端部分改写为:
Figure BDA00017571645900000210
式中,Ms -1和Cs都是未知非线性光滑函数。
2-2)设计虚拟控制项
Figure BDA00017571645900000211
2-3)设zs2=xs2s1,设计李雅普诺夫函数
Figure BDA00017571645900000212
2-4)对李雅普诺夫函数Vs1求导,如果zs2=0,那么
Figure BDA0001757164590000031
则设计李雅普诺夫函数Vs2
2-5)设计李雅普诺夫函数根据李雅普诺夫函数Vs2设计控制器,保证从端系统的全局鲁棒稳定性,设计控制器τs
τs=-μs2zs2-zs1se (12)
其中,μs2>0,zs1为跟踪误差,zs1=xs1-qsd,qsd为机械臂理想轨迹,Φs为逼近非线性函数ηs的模糊系统,τe为传感器测量到的环境力矩;
2-6)采用为了实现无需模型信息的控制,采用模糊系统逼近ηs。假设Φs是用于逼近非线性函数ηs的模糊系统,采用单值模糊化、乘积推理机和中心平均反模糊化,具体为:
定义
Figure BDA0001757164590000033
其中,ζT(xsw)为模糊向量,θs为自适应参数。
2-7)设计李雅普诺夫函数Vs
Figure BDA0001757164590000034
基于李雅普诺夫函数设计自适应参数θs的自适应率
其中,γs和ks是自适应系数;
Figure BDA0001757164590000036
Figure BDA0001757164590000037
为最优逼近常量。
3)从端环境的模糊逼近与主端环境的重构,具体为:
3-1)将从端环境的非线性动力学模型(2)写成模糊系统的形式,则
τe=ζT(xewe (28)
3-2)定义
Figure BDA0001757164590000038
为环境参数的最优逼近常量,Ωe和Ωe0分别表示xew和θe的有界集,通过MATLAB的模糊逻辑工具箱可以实现从端环境的模糊逼近。
3-3)由于通信时延的存在,为避免功率信号在通信通道内的传递而影响遥操作系统的无源性,将从端非功率环境参数的估计值传递到主端,从而得到主端的重构环境力为:
其中,
Figure BDA0001757164590000043
4)设计主端机械臂的自适应模糊反演控制器,具体为:
4-1)定义qmd(t)为主端机械臂的理想跟踪轨迹,且满足:
Figure BDA0001757164590000044
其中,
Figure BDA0001757164590000045
Md,Cd,Gd表示主端机械臂的理想性能系数。
通过选取合适的θd,(30)可以生成无源的主端机械臂的理想跟踪轨迹qmd(t),从而设计主端自适应模糊反演控制器,使主端机械臂跟踪理想轨迹qmd(t)。
4-2)定义xm1=qm,
Figure BDA0001757164590000046
可以将(1)的主端部分改写为:
Figure BDA0001757164590000047
式中,Mm -1和Cm都是未知非线性光滑函数。
4-3)设计虚拟控制项
Figure BDA0001757164590000048
4-4)设zm2=xm2m1,设计李雅普诺夫函数
4-5)对李雅普诺夫函数Vm1求导,如果zm2=0,那么
Figure BDA00017571645900000410
则设计李雅普诺夫函数Vm2
4-6)设计李雅普诺夫函数
Figure BDA00017571645900000411
根据李雅普诺夫函数Vm2设计控制器,保证主端系统的全局鲁棒稳定性,设计控制器τm
τm=-μm2zm2-zm1mh (40)
其中,μm2>0,zm1为跟踪误差,zm1=xm1-qmd,qmd为机械臂理想轨迹,Φm为逼近非线性函数ηm的模糊系统,τh为传感器测量到的操作者操作力矩;
4-7)采用为了实现无需模型信息的控制,采用模糊系统逼近ηm。假设Φm是用于逼近非线性函数ηm的模糊系统,采用单值模糊化、乘积推理机和中心平均反模糊化,具体为:
定义
Figure BDA0001757164590000051
其中,ζT(xmw)为模糊向量,θm为自适应参数。
4-8)设计李雅普诺夫函数Vm
基于李雅普诺夫函数设计自适应参数θm的自适应率
Figure BDA0001757164590000053
其中,γm和km是自适应系数。
与现有技术相比,本发明具有如下有益效果:
1、采用模糊系统逼近未知的包含系统建模信息的非线性函数,并且设计自适应率在线调整模糊逻辑系统,避免因参数不确定性对系统造成的负效应。
2、基于自适应模糊反演的双边控制方法可以使主端和从端机械臂实时跟踪主端的位置信号,使跟踪误差稳定指数趋于0,提升了系统的暂态性能,保证了系统的透明性。
3、利用李雅普诺夫稳定性函数保证系统的稳定性和收敛性,从而保证所有信号的全局稳定性。
4、通过从端非功率环境系数的模糊估计和主端环境力的重构,避免了功率信号在通信通道中的传输,从而避免了传统遥操作系统无源性问题以及稳定性和透明性的权衡问题。
附图说明
图1是本发明提出的基于自适应模糊反演的非线性遥操作双边控制框图;
图2是本发明提出的xiw的隶属度函数图;
图3是本发明的主端机械臂与从端机械臂的位置跟踪和力反馈图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的实施技术方案为:
(一)建立双边遥操作系统的非线性动力学模型
Figure BDA0001757164590000061
其中,i=m,s表示双边遥操作系统中的主端或从端机械臂,j=h,e表示操作者或者外界环境,qi,
Figure BDA0001757164590000062
表示机械臂的位置、速度和加速度信号,Mi表示质量惯性矩阵,Ci表示科氏力/向心力矩阵,Gi表示重力矩阵,Di表示外界扰动,τi表示控制输入,τj表示操作者操作力矩或者外界环境力矩,可由传感器测得。
上述系统具有如下特性:
①惯性矩阵Mi(qi)是正定对称矩阵,且Mi(qi)有界,即存在
Figure BDA0001757164590000063
δi0∈R,δi0∈R,0<Mi(qi)≤δi0I;
②惯性矩阵Mi(qi)和向心力/科氏力矩阵
Figure BDA0001757164590000064
存在以下关系:
Figure BDA0001757164590000065
③公式(1)中的部分动力学方程可以写成如下线性方程的形式:
Figure BDA0001757164590000066
其中,θi∈Rn表示主从端机械臂的未知参数,ζ∈Rn×n表示模糊矩阵,
Figure BDA0001757164590000067
表示机械臂的理想速度和加速度信号。
如图1所示,在从端设计信号优化函数Hf(s)=1/(1+τf)2,从主端通过通信通道传输到从端的位置信号qm(t-T(t)),经过信号优化函数,生成用于从端位置跟踪的理想输入信号qsd(t),
Figure BDA0001757164590000068
其中,T(t)为系统的通信时延。
从端环境的非线性动力学模型如下:
其中,θe∈Rn表示环境的未知参数。
非线性双边遥操作系统控制器的设计即基于上述动力学模型。
(二)设计非线性双边遥操作系统的从端机械臂自适应模糊反演控制器
定义xs1=qs,
Figure BDA00017571645900000610
可以将(1)的从端部分改写为:
Figure BDA0001757164590000071
式中,Ms -1和Cs都是未知非线性光滑函数。
非线性双边遥操作系统的反演控制器的设计包括2步。在步骤1中,构造虚拟控制项;在步骤2中,设计实际控制律,具体设计步骤如下:
步骤1:控制目标为xs1跟踪指令轨迹qsd。定义误差
zs1=xs1-qsd,zs2=xs2s1 (4)
其中,αs1是xs2的估计,通过选取αs1,使得zs2趋近于0。
于是,
取虚拟控制项为
Figure BDA0001757164590000073
定义李雅普诺夫函数
Figure BDA0001757164590000074
那么Vs1的导数为
Figure BDA0001757164590000075
如果zs2=0,那么
Figure BDA0001757164590000076
则进入下一步。
步骤2:
定义李雅普诺夫函数Vs2
Figure BDA0001757164590000077
由于
Figure BDA0001757164590000078
那么Vs2的导数为
Figure BDA0001757164590000079
为实现设计控制律为
τs=-μs2zs2-zs1sε(12)
其中μs2>0,那么
Figure BDA0001757164590000081
其中,
Figure BDA0001757164590000082
由ηs的表达式可见,ηs包含了系统的建模信息。
为了实现无需建模信息的控制,采用模糊系统逼近ηs。假设Φs是用于逼近非线性函数ηs的模糊系统,采用单值模糊化、乘积推理机和中心平均反模糊化方法,具体步骤如下:
针对ηs的模糊逼近,采用分别逼近的形式,相应的模糊系统设计为
Figure BDA0001757164590000083
其中,u为机械臂的自由度数。
定义
Figure BDA0001757164590000084
其中,
Figure BDA0001757164590000085
定义最优逼近常量
Figure BDA0001757164590000086
通过满足
Figure BDA0001757164590000087
实现对ηs的模糊逼近。其中,Ωs和Ωs0分别表示xsw和θs的有界集。
Figure BDA0001757164590000091
其中为逼近误差。
定义李雅普诺夫函数Vs
Figure BDA0001757164590000093
其中γs>0。
那么Vs的导数为
Figure BDA0001757164590000094
设计自适应率为
那么
因为
Figure BDA0001757164590000097
Figure BDA0001757164590000098
代入(20),则
Figure BDA0001757164590000099
由于
Figure BDA00017571645900000910
Figure BDA00017571645900000911
因此
Figure BDA0001757164590000101
Figure BDA0001757164590000102
定义μs2>1,由于
Figure BDA0001757164590000103
Figure BDA0001757164590000104
定义
Figure BDA0001757164590000105
Figure BDA0001757164590000106
由于扰动Ds∈Rn有界,则存在
Figure BDA0001757164590000107
满足
Figure BDA0001757164590000108
Figure BDA0001757164590000109
其中
Figure BDA00017571645900001010
因此
Figure BDA00017571645900001011
其中Vs(0)为Vs的初值。
定义紧集
Figure BDA00017571645900001012
则Vs有界,且从端的闭环系统内的所有信号有界,因此从端系统是全局稳定的。
(三)从端环境的模糊逼近与主端环境的重构
将从端环境的非线性动力学模型(2)写成模糊系统的形式,则
τe=ζT(xewe (28)
定义
Figure BDA00017571645900001013
为环境参数的最优逼近常量,
Figure BDA00017571645900001014
Ωe和Ωe0分别表示xew和θe的有界集,通过MATLAB的模糊逻辑工具箱可以实现从端环境的模糊逼近。
由于通信时延的存在,为避免功率信号在通信通道内的传递而影响遥操作系统的无源性,将从端非功率环境参数的估计值
Figure BDA00017571645900001111
传递到主端,从而得到主端的重构环境力为:
Figure BDA0001757164590000111
其中,
(四)设计非线性双边遥操作系统的主端机械臂自适应模糊反演控制器
定义qmd(t)为主端机械臂的理想跟踪轨迹,且满足:
其中,
Figure BDA0001757164590000114
Md,Cd,Gd表示主端机械臂的理想性能系数。
通过选取合适的θd,(30)可以生成无源的主端机械臂的理想跟踪轨迹qmd(t),从而设计主端自适应模糊反演控制器,使主端机械臂跟踪理想轨迹qmd(t)。
定义可以将(1)的主端部分改写为:
Figure BDA0001757164590000116
式中,Mm -1和Cm都是未知非线性光滑函数。
步骤1:控制目标为xm1跟踪指令轨迹qmd。定义误差
zm1=xm1-qmd,zm2=xm2m1 (32)
其中,αm1是xm2的估计,通过选取αm1,使得zm2趋近于0。
于是,
Figure BDA0001757164590000117
取虚拟控制项为
Figure BDA0001757164590000118
定义李雅普诺夫函数
Figure BDA0001757164590000119
那么Vm1的导数为
Figure BDA00017571645900001110
如果zm2=0,那么
Figure BDA0001757164590000121
则进入下一步。
步骤2:
定义李雅普诺夫函数Vm2
Figure BDA0001757164590000122
由于
Figure BDA0001757164590000123
那么Vm2的导数为
Figure BDA0001757164590000124
为实现
Figure BDA0001757164590000125
设计控制律为
τm=-μm2zm2-zm1mh (40)
其中μm2>0,那么
其中,
Figure BDA0001757164590000127
由ηm的表达式可见,ηm包含了系统的建模信息。
为了实现无需建模信息的控制,采用模糊系统逼近ηm。假设Φm是用于逼近非线性函数ηm的模糊系统,采用分别逼近的形式,相应的模糊系统设计为
Figure BDA0001757164590000131
其中,u为机械臂的自由度数。
定义
Figure BDA0001757164590000132
其中,
定义最优逼近常量
Figure BDA0001757164590000134
通过满足
Figure BDA0001757164590000135
实现对ηm的模糊逼近。其中,Ωm和Ωm0分别表示xmw和θm的有界集。
Figure BDA0001757164590000136
其中
Figure BDA0001757164590000137
为逼近误差。
定义李雅普诺夫函数Vm
Figure BDA0001757164590000138
其中γm>0。
那么Vm的导数为
设计自适应率为
Figure BDA0001757164590000142
那么
Figure BDA0001757164590000143
因为
Figure BDA0001757164590000144
代入(48),则
Figure BDA0001757164590000145
由于
定义μm2>1,由于
Figure BDA0001757164590000149
定义
由于扰动Dm∈Rn有界,则存在
Figure BDA0001757164590000152
满足
Figure BDA0001757164590000153
Figure BDA0001757164590000154
其中因此
Figure BDA0001757164590000156
其中Vm(0)为Vm的初值。
定义紧集
Figure BDA0001757164590000157
则Vm有界,且主端的闭环系统内的所有信号有界,因此主端系统是全局稳定的。
根据(二)和(四)可知,由于主端系统和从端系统都是稳定的,且通信通道内无功率信号的传输,因此双边遥操作系统是稳定的。
(五)进行仿真实验验证
为了验证上述理论的可行性,在MATLAB下进行仿真实验,仿真实验验证了基于自适应模糊反演的非线性遥操作双边控制的效果。
仿真参数选取如下:
取xyw的模糊隶属度函数为
Figure BDA0001757164590000158
其中,y=m,s,e,em表示主端,从端,环境和主端环境再现,隶属度函数如图2所示。
取从端控制器(12)和自适应率(19),其中μs1=35,μs2=55,ks=1.8,γs=2。
取主端控制器(40)和自适应率(47),其中,μm1=35,μm2=55,km=1.8,γm=2,
Figure BDA0001757164590000161
取环境参数为θe=[Me Ce Ge]T,其中,
Figure BDA0001757164590000162
取信号优化函数参数τf=0.025,输入操作力为τh=[0.4sinπt/2 0.4cosπt/2]T
系统中仿真2自由度的主从机械臂,参数为:
Figure BDA0001757164590000164
其中,Mi11=Ji1+Ji2+2mi2ri2li1cosθi2,Mi12=Mi21=Ji2+mi2ri2li1cosθi2,Mi22=Ji2
Figure BDA0001757164590000165
Figure BDA0001757164590000166
图3为主端机械臂和从端机械臂的位置跟踪和力反馈曲线,从图中可以看出,位置跟踪和力反馈曲线都是有界的,即系统是稳定的;从端机械臂可以很好的跟踪主端的位置命令,主端操作者可以很好的接收从端的环境力,即系统是透明的。
以上内容仅为本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。

Claims (2)

1.一种基于自适应模糊反演的非线性遥操作双边控制方法,其特征在于,包括以下步骤:
1)建立双边遥操作系统的非线性动力学模型:
Figure FDA0002189130700000011
其中,i=m,s分别表示双边遥操作系统中的主端和从端机械臂,j=h,e分别表示操作者和外界环境,qi,
Figure FDA0002189130700000012
表示机械臂的位置、速度和加速度信号,Mi表示质量惯性矩阵,Ci表示科氏力/向心力矩阵,Gi表示重力矩阵,Di表示外界扰动,τi表示控制输入,τj表示操作者操作力矩或者外界环境力矩,可由传感器测得;
上述系统具有如下特性:
①惯性矩阵Mi(qi)是正定对称矩阵,且Mi(qi)有界,即存在
Figure FDA0002189130700000013
δi0∈R,0<Mi(qi)≤δi0I;
②惯性矩阵Mi(qi)和向心力/科氏力矩阵
Figure FDA0002189130700000014
存在以下关系:
Figure FDA0002189130700000015
③公式(1)中的部分动力学方程可以写成如下线性方程的形式:
其中,θi∈Rn表示主从端机械臂的未知参数,ζ∈Rn×n表示模糊矩阵,
Figure FDA0002189130700000017
表示机械臂的理想速度和加速度信号;
从端环境的非线性动力学模型如下:
Figure FDA0002189130700000018
其中,θe∈Rn表示环境的未知参数;
2)设计从端机械臂的自适应模糊反演控制器,具体为:
2-1)定义xs1=qs,
Figure FDA0002189130700000021
将(1)的从端部分改写为:
Figure FDA0002189130700000022
式中,Ms -1和Cs都是未知非线性光滑函数;
2-2)设计虚拟控制项
2-3)设zs2=xs2s1,设计李雅普诺夫函数
2-4)对李雅普诺夫函数Vs1求导,如果zs2=0,那么则设计李雅普诺夫函数Vs2
2-5)设计李雅普诺夫函数根据李雅普诺夫函数Vs2设计控制器,保证从端系统的全局鲁棒稳定性,设计控制器τs
τs=-μs2zs2-zs1se (12)
其中,μs2>0,zs1为跟踪误差,zs1=xs1-qsd,qsd为机械臂理想轨迹,Φs为逼近非线性函数ηs的模糊系统,τe为传感器测量到的环境力矩;
2-6)采用为了实现无需模型信息的控制,采用模糊系统逼近ηs;假设Φs是用于逼近非线性函数ηs的模糊系统,采用单值模糊化、乘积推理机和中心平均反模糊化,具体为:
定义
Figure FDA0002189130700000027
其中,ζT(xsw)为模糊向量,θs为自适应参数;
2-7)基于李雅普诺夫函数设计自适应参数θs的自适应率
Figure FDA0002189130700000028
其中,γs和ks是自适应系数;
3)从端环境的模糊逼近与主端环境的重构,具体为:
3-1)将从端环境的非线性动力学模型(2)写成模糊系统的形式,则
τe=ζT(xewe (28)
3-2)定义
Figure FDA0002189130700000031
为环境参数的最优逼近常量,
Figure FDA0002189130700000032
Ωe和Ωe0分别表示xew和θe的有界集,通过MATLAB的模糊逻辑工具箱实现从端环境的模糊逼近;
3-3)由于通信时延的存在,为避免功率信号在通信通道内的传递而影响遥操作系统的无源性,将从端非功率环境参数的估计值
Figure FDA0002189130700000033
传递到主端,从而得到主端的重构环境力为:
Figure FDA0002189130700000034
其中,
Figure FDA0002189130700000035
4)设计主端机械臂的自适应模糊反演控制器,具体为:
4-1)定义qmd(t)为主端机械臂的理想跟踪轨迹,且满足:
其中,
Figure FDA0002189130700000037
Md,Cd,Gd表示主端机械臂的理想性能系数;
通过选取θd,公式(30)可以生成无源的主端机械臂的理想跟踪轨迹qmd(t),从而设计主端自适应模糊反演控制器,使主端机械臂跟踪理想轨迹qmd(t);
4-2)定义xm1=qm,
Figure FDA0002189130700000038
将(1)的主端部分改写为:
Figure FDA0002189130700000039
式中,Mm -1和Cm都是未知非线性光滑函数;
4-3)设计虚拟控制项
Figure FDA0002189130700000041
4-4)设zm2=xm2m1,设计李雅普诺夫函数
4-5)对李雅普诺夫函数Vm1求导,如果zm2=0,那么
Figure FDA0002189130700000043
则设计李雅普诺夫函数Vm2
4-6)设计李雅普诺夫函数
Figure FDA0002189130700000044
根据李雅普诺夫函数Vm2设计控制器,保证主端系统的全局鲁棒稳定性,设计控制器τm
τm=-μm2zm2-zm1mh (40)
其中,μm2>0,zm1为跟踪误差,zm1=xm1-qmd,qmd为机械臂理想轨迹,Φm为逼近非线性函数ηm的模糊系统,τh为传感器测量到的操作者操作力矩;
4-7)采用为了实现无需模型信息的控制,采用模糊系统逼近ηm;假设Φm是用于逼近非线性函数ηm的模糊系统,采用单值模糊化、乘积推理机和中心平均反模糊化,具体为:
定义
Figure FDA0002189130700000045
其中,ζT(xmw)为模糊向量,θm为自适应参数;
4-8)基于李雅普诺夫函数设计自适应参数θm的自适应率
Figure FDA0002189130700000046
其中,γm和km是自适应系数;
所述步骤2-7)中,李雅普诺夫函数Vs
其中,
Figure FDA0002189130700000052
为从端最优逼近常量;
所述步骤4-8)中,李雅普诺夫函数Vm
Figure FDA0002189130700000053
其中,
Figure FDA0002189130700000054
Figure FDA0002189130700000055
为主端最优逼近常量。
2.根据权利要求1所述的基于自适应模糊反演的非线性遥操作双边控制方法,其特征在于,所述步骤1)中,在从端设计信号优化函数Hf(s)=1/(1+τf)2,从主端通过通信通道传输到从端的位置信号qm(t-T(t)),经过信号优化函数,生成用于从端位置跟踪的理想输入信号qsd(t),
Figure FDA0002189130700000056
其中,T(t)为系统的通信时延。
CN201810891909.9A 2018-08-07 2018-08-07 一种基于自适应模糊反演的非线性遥操作双边控制方法 Active CN109085749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810891909.9A CN109085749B (zh) 2018-08-07 2018-08-07 一种基于自适应模糊反演的非线性遥操作双边控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810891909.9A CN109085749B (zh) 2018-08-07 2018-08-07 一种基于自适应模糊反演的非线性遥操作双边控制方法

Publications (2)

Publication Number Publication Date
CN109085749A CN109085749A (zh) 2018-12-25
CN109085749B true CN109085749B (zh) 2020-02-28

Family

ID=64834199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810891909.9A Active CN109085749B (zh) 2018-08-07 2018-08-07 一种基于自适应模糊反演的非线性遥操作双边控制方法

Country Status (1)

Country Link
CN (1) CN109085749B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110007601B (zh) * 2019-05-06 2022-03-25 广东工业大学 一种双边遥操作系统的控制装置和设备
CN110116409B (zh) * 2019-05-24 2021-02-26 浙江大学 一种基于扰动观测器的四通道遥操作双边控制方法
CN110262256B (zh) * 2019-07-18 2020-09-11 浙江大学 一种非线性遥操作系统的多边自适应滑模控制方法
CN110340894B (zh) * 2019-07-18 2020-10-16 浙江大学 一种基于模糊逻辑的遥操作系统自适应多边控制方法
CN111427264B (zh) * 2020-03-15 2021-12-14 中国地质大学(武汉) 一种复杂遥操作技术的神经自适应固定时间控制方法
CN113001547B (zh) * 2021-03-10 2022-07-26 西北工业大学 一种基于混合现实的机器人遥操作控制方法
CN113031651B (zh) * 2021-03-12 2022-09-27 南京工程学院 基于值函数逼近的uav吊挂系统双边遥操作控制系统及方法
CN114310903A (zh) * 2022-01-19 2022-04-12 梅蓉 一种基于双边遥操作的机械手控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103293963A (zh) * 2013-06-19 2013-09-11 河海大学常州校区 有源电力滤波器自适应模糊反演跟踪控制方法
CN103885339A (zh) * 2014-03-21 2014-06-25 河海大学常州校区 微陀螺仪的反演自适应模糊滑模控制方法
CN104950674A (zh) * 2015-06-12 2015-09-30 河海大学常州校区 基于反演模糊滑模控制的悬臂梁振动控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950677B (zh) * 2015-06-17 2017-10-13 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
CN106099928B (zh) * 2016-06-14 2018-06-12 河海大学常州校区 一种有源电力滤波器反演滑模自适应模糊控制方法
CN106938462B (zh) * 2016-12-07 2019-05-31 北京邮电大学 一种基于自适应pd和模糊逻辑的遥操作双边控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103293963A (zh) * 2013-06-19 2013-09-11 河海大学常州校区 有源电力滤波器自适应模糊反演跟踪控制方法
CN103885339A (zh) * 2014-03-21 2014-06-25 河海大学常州校区 微陀螺仪的反演自适应模糊滑模控制方法
CN104950674A (zh) * 2015-06-12 2015-09-30 河海大学常州校区 基于反演模糊滑模控制的悬臂梁振动控制方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Adaptive Fuzzy Backstepping Control for Stable Nonlinear Bilateral Teleoperation Manipulators With Enhanced Transparency Performance;Zheng Chen 等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20190215;全文 *
Adaptive Fuzzy Finite-Time Coordination Control for Networked Nonlinear Bilateral Teleoperation System;Yana Yang 等;《IEEE TRANSACTIONS ON FUZZY SYSTEMS》;20140630;全文 *
Adaptive robust control of bilateral teleoperation systems with unmeasurable environmental force and arbitrary time delays;Zheng Chen 等;《IET Control Theory and Applications》;20141231;全文 *
Disturbance-observer-based Sliding Mode Control Design for Nonlinear Bilateral Teleoperation System With Four-channel Architecture;JIANZHONG TANG 等;《IEEE Access》;20190531;全文 *
Predictive Approach for Sensorless Bimanual Teleoperation Under Random Time Delays With Adaptive Fuzzy Control;Zhenyu Lu 等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20180331;全文 *
RBFNN-Based Adaptive Sliding Mode Control Design for Nonlinear Bilateral Teleoperation System Under Time-Varying Delays;FANGHAO HUANG 等;《IEEE Access》;20190111;全文 *
基于系统性能指标的遥操作机器人双边控制策略研究;许立磊;《万方》;20140715;全文 *

Also Published As

Publication number Publication date
CN109085749A (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
CN109085749B (zh) 一种基于自适应模糊反演的非线性遥操作双边控制方法
CN109240086B (zh) 一种非线性双边遥操作系统的自适应鲁棒控制方法
He et al. Adaptive neural network control of an uncertain robot with full-state constraints
CN110116409B (zh) 一种基于扰动观测器的四通道遥操作双边控制方法
Li et al. Adaptive fuzzy logic control of dynamic balance and motion for wheeled inverted pendulums
CN110262256B (zh) 一种非线性遥操作系统的多边自适应滑模控制方法
CN105772917B (zh) 一种三关节点焊机器人轨迹跟踪控制方法
Li et al. Support vector machine optimal control for mobile wheeled inverted pendulums with unmodelled dynamics
CN110340894B (zh) 一种基于模糊逻辑的遥操作系统自适应多边控制方法
Ouyang et al. Actor–critic learning based coordinated control for a dual-arm robot with prescribed performance and unknown backlash-like hysteresis
CN107203141A (zh) 一种机械臂分散化神经鲁棒控制的轨迹跟踪算法
Liu et al. Control of robotic manipulators under input/output communication delays: Theory and experiments
Huang et al. Dynamic modeling and vibration suppression for two-link underwater flexible manipulators
CN115220472B (zh) 一种切换拓扑下空-地异构编队系统的容错控制方法
Ji et al. Adaptive control for dual-master/single-slave nonlinear teleoperation systems with time-varying communication delays
CN109514559B (zh) 基于输出重定义的柔性机械臂时标分离鲁棒控制方法
CN107450311A (zh) 逆模型建模方法及装置、以及自适应逆控制方法及装置
Zhang et al. PD control with RBF neural network gravity compensation for manipulator
CN114527664A (zh) 一种具有非对称时滞的动态不确定性系统的自适应跟踪控制方法
Yang et al. Adaptive synchronization control of multimanipulator teleoperation system under constrained discrete‐time network communication
Bouteraa et al. Design of robust adaptive fuzzy control for uncertain bilateral teleoperation systems based on backstepping approach
Lu et al. Distributed Observer-Based Prescribed Performance Control for Multi-Robot Deformable Object Cooperative Teleoperation
Li et al. Fixed‐time fault‐tolerant control of manipulator systems based on sliding mode observer
Chen et al. Nonlinear Robust Adaptive Control of Universal Manipulators Based on Desired Trajectory
CN113927596B (zh) 一种基于宽度神经学习的时变输出约束机器人遥操作有限时间控制方法

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