CN109358506B - 一种基于干扰观测器的自适应模糊遥操作控制方法 - Google Patents

Abstract

本发明公开了一种基于干扰观测器的自适应模糊遥操作控制方法，包括以下步骤：步骤S1：对双边遥操作系统的主、从端机械臂建立动力学模型；步骤S2：针对从边的未知干扰，设计相应的干扰观测器；步骤S3：针对机械臂的运动学和动力学不确定性，利用模糊自适应控制器对其进行估计补偿，并设计从端的基于干扰观测器的自适应模糊控制器。本发明给出了外部干扰观测器的设计方法；同时，针对主从两端的运动学和动力学不确定性，本发明利用模糊自适应的控制方法，以抵消不确定性对系统的稳定及同步性能的影响，同时从端控制器在此设计的基础上结合干扰观测器，进一步消除外部未知干扰对系统的影响。

Description

一种基于干扰观测器的自适应模糊遥操作控制方法

技术领域

本发明涉及遥操作机器人控制技术领域，涉及一种基于干扰观测器的双边遥操作系统的自适应模糊控制方法。

背景技术

遥操作技术通过将人类的能动性和机器人的适应能力相结合，实现对处于危险有害环境的远程任务的操作控制。

双边遥操人类作系统主要由操作者、主端及其控制器、通信网络、从端及其控制器和外界环境5部分组成，在双边遥操作系统中，主端机器人和操作者一起，而从机器人处于将要执行任务的环境中，比如遥远的地方，或者人类难以接近的危险的环境中。主从式遥操作控制下，人类操作者操纵主机器人执行某项任务或进行某一动作，通过通信网络将该动作指令传输到从机器人，从机器人接受指令并在远程工作环境中执行任务或完成指定动作，同时将与环境相接触得到的力信息等工作状态反馈回主机器人，使得操作者可以在本地感知远端环境的变化。

遥操作系统的性能指标主要包括稳定性和透明性，而实现对遥操作系统的有效控制面临着很多挑战，一方面由于系统本身的复杂性、非线性及主从系统间的耦合性，另一方面由于环境的变化使得系统的动力学及运动学参数存在不确定性，同时存在于环境中的未知扰动也会对系统的性能造成影响。遥操作系统一般处于网络化通信环境中，通信时延就不可避免了，时延的存在往往对系统的性能产生不利的影响，因此设计控制器时应同时考虑以上诸多因素。

干扰观测器是通过构造新的动态系统对原系统的中的不确定因素进行观测或估计，利用观测的输出值对系统的不确定性进行补偿。而自适应控制方法对于一类不确定性问题行之有效，能够有针对性的解决系统运动学参数不确定的问题，同时模糊模糊逻辑系统能任意逼近非线性系统，将模糊逻辑控制结合自适应控制，可以有效的解决遥操作系统中的很多难题。

发明内容

本发明针对遥操作系统主、从端存在的各种不确定性，提出基于干扰观测器的模糊自适应控制方法，使用非线性干扰观测器对外部干扰进行估计、补偿，结合模糊自适应控制克服不确定性及时延对系统性能的影响，提高遥操作系统的稳定性和主、从端的同步性。

为达到以上目标，本发明采用以下技术方案，并按如下步骤实施：

第一步：对双边遥操作系统的主、从端机械臂建立动力学模型；

第二步：针对从边的未知干扰，设计相应的干扰观测器；

第三步：针对机械臂的运动学不确定性，分别在主、从端设计基于干扰观测器的自适应模糊控制器。

首先，建立机械臂动力学模型:

其中，下标i∈{m,s}，m,s分别表示主端和从端；q_i，

分别表示机械臂关节的位置、速度和角速度，M_qi(q_i)∈R^p×p是正定对称的惯性矩

阵，是离心力/科里奥利力矩阵，G_qi(q_i)∈R^p是重力矩阵，d_s∈R^p表示从边环境的未知外部干扰项，J_i(q_i)∈R^{p ×p}为Jacobin矩阵，F_h,F_e∈R^p分别为主端操作者和环境施加的力，τ_m,τ_s∈R^p分别为主端和从端的控制器输入力矩。

利用关节空间与任务空间之间的转换关系：

x_m＝h_m(q_m),x_s＝h_s(q_s)

引入雅可比矩阵：

其中，h_i(q_i)是关节空间到任务空间的非线性转换关系，

人类操作者与环境的动态模型分别建立如下：

结合操作端和环境的动态模型，主、从端机械臂的模型为：

其中,

进一步的，第二步进行从端干扰观测器的设计

令

令

则从端机械臂的动力学模型可重新写成：

为了不使用加速度信号

就能求得

对从边系统使用稳定滤波器

其中k为滤波系数且k＞0，

滤波操作后的从端模型为：

其中，

f_ef∈R^p，u_sf∈R^p，d_sf∈R^p分别为

f_e，u_s，d_s滤波后的形式，其中：

f_ef|_t＝0＝0

τ_sf|_t＝0＝0

d_sf|_t＝0＝0

从端模型进一步变形为：

利用不变流形思想，在不使用加速度信号的情况下设计干扰观测器：

第三步，进行主从控制器的设计，具体的首先构造滑模面，根据在线测得的主、从端机械臂的位置矢量，定义位置误差项：

e_m(t)＝q_m(t)-q_s(t-T_s)，e_s(t)＝q_s(t)-q_m(t-T_m)

其中，T_m,T_s分别为信号传输的主、从端的时延。

定义系统的滑模面为：

其中，

系统的主、从端动力学模型就变为：

其中，G′_m(Z_m),G′_s(Z_s)为模糊逻辑系统需要逼近的函数式，

其中输入量为：

通过设计基于模糊逻辑的自适应控制算法对G′_m(Z_m),G′_s(Z_s)进行估计和补偿，

其中，i＝{m,s}，

是最优化近似参数，

表示已知的模糊基函数向量，ε_i(Z_i)是近似估计函数，通过该模糊逻辑控制算法消除主、从端动力学参数不确定性对系统性能的影响，G′_m(Z_m),G′_s(Z_s)的近似估计值表示为：

i＝{m,s}，模糊自适应参数矩阵

为

的估计值，G′_i(Z_i)的估计误差表示为：

进一步地，针对遥操作系统的动力学参数不确定性，分别在主、从端添加模糊自适应控制器进行估计和补偿，并相应的在从端添加干扰观测器，完善系统性能，控制器具体设计如下：

其中，K_m,K_s为正定对称矩阵，ξ_m,ξ_s为模糊自适应估计误差值的上界，满足

模糊逻辑自适应律设计为：

误差项的调节律为：

与现有技术相比，本发明具有如下有益效果：

本发明采用基于干扰观测器的的自适应模糊控制方法，利用自适应模糊控制方法在线估计系统的动力学参数不确定性，进而利用控制中的自适应项抵消不确定项对系统性能的影响，在此基础上，针对从端模型处于遥远未知环境中的干扰，设计干扰观测器，将滤波器引入观测器的设计，不仅能有效的估计外部干扰，还能避免加速度信号的使用，从而减小测量误差，最后将观测到的干扰值作为前馈在控制器输出中进行补偿，从而克服了未知干扰对系统的影响，保证了双边遥操作系统在存在不确定性及未知干扰的情况下，实现主、从端操作的稳定和同步性能。

附图说明

图1为双边遥操作系统的结构框图；

图2为本发明的控制系统结构图；

图3为仿真过程中主、从机械臂关节位置及速度的跟踪轨迹，

其中：图3(a)为仿真过程中主机械臂关节位置跟踪轨迹，

图3(b)为仿真过程中从机械臂关节位置跟踪轨迹，

图3(c)为仿真过程中从机械臂关节速度的跟踪轨迹，

图3(d)为仿真过程中从机械臂关节速度的跟踪轨迹；

图4为仿真过程中主、从机械臂末端执行器位置及速度的跟踪轨迹，

其中：图4(a)为仿真过程中主机械臂末端执行器位置的跟踪轨迹，

图4(b)为仿真过程中从机械臂末端执行器位置的跟踪轨迹，

图4(c)为仿真过程中主机械臂末端执行器速度的跟踪轨迹，

图4(d)为仿真过程中从机械臂末端执行器速度的跟踪轨迹。

具体实施方式

下面结合附图对本发明的实施例作进一步描述，以下实施例用于说明本发明，并不限制本发明的应用。

本基于干扰观测器的自适应模糊遥操作控制方法，主要包括以下操作偶不在：S1：建立遥操作系统的动力学模型和运动学数学模型，S2：针对从端的未知外部干扰，在从端添加干扰观测器，S3：针对遥操作系统的不确定性，设计主、从端自适应模糊控制器，对不确定参数进行在线估计，实现主从操作的稳定和同步。

具体的实施步骤如下：

第一步：对主、从端机械臂建立动力学模型，

在与操作端和环境相互接触的情况下，具有p自由度的机械臂的遥操作系统的主、从端的关节空间模型为：

其中，下标i∈{m,s}，m,s分别表示主端和从端；q_i，

分别表示机械臂关节的位置、速度和角速度，M_qi(q_i)∈R^p×p是正定对称的惯性矩，

是离心力/科里奥利力矩阵，G_qi(q_i)∈R^p是重力矩阵，d_s∈R^p是从边的未知外部干扰项，J_i(q_i)∈R^p×p为Jacobin矩阵，F_h,F_e∈R^p分别为主端操作者和环境施加的力，τ_m,τ_s∈R^p分别为主端和从端的控制器输入力矩。

性质1：惯性矩阵M_qi(qi)∈R^p×p对称正定且上下有界，即存在正常量m_i1和m_i2使得m_i1I≤M_qi(q_i)≤m_i2I成立，其中i∈{m,s}。

性质2:矩阵

为斜对称矩阵。

性质3:对于所有的q_i,x,y∈R^p，存在正标量a_i使得||C_qi(q_i,x)y||≤a_i||x||·||y||成立，其中||·||表示向量的欧几里得范数和相应的诱导矩阵范数。

性质4：重力向量G_qi(q_i)有界且由关于q_i的三角函数构成，存在正常量μ_gi使得||G_qi(q_i)||≤μ_gi成立。

机器人运动学是指机器人的关节空间角度和任务空间位置之间的数学关系。设主、从端机器人末端的位置分别为x_m,x_s∈R^p，关节空间与任务空间之间的转换关系可表示为：

x_m＝h_m(q_m),x_s＝h_s(q_s)

引入雅可比矩阵：

当主、从端分别与操作者和环境相接触时，人类操作者与环境的任务空间动力学模型分别为：

根据关节空间和任务空间的转换关系并结合操作端及环境的动力学模型，主、从端机械臂的动力学模型为：

其中,其中M_h,M_e,B_h,B_e,K_h,K_e∈R^p×p为对称的正定常量矩阵，分别对应于操作端和环境的质量、阻尼和弹性，

分别表示操作端和环境的外源力。

在融入了操作者和环境的模型之后，对于新的惯性矩阵、离心力\科里奥利扭矩以及重力项不再成立，取而代之，是一个新的性质：

性质5：对任意ζ_i∈R^p，有

成立。

第二步进行从端干扰观测器的设计，

干扰观测器对不可预测的或随机的外部干扰具有很好的抑制效果，基本思想是是通过构造新的动态系统对原系统中不确定因素进行观测或估计，然后利用估计输出设计补偿控制律消除不确定影响，从而提高控制器的性能。

首先通过定义新的辅助变量，将从端机械臂的动力学模型转换形式，辅助变量定义如下：

则从端机械臂的动力学模型可重新写成：

加速度信号一般是通过对位置及速度信号的进一步处理得到的，因此不可避免的存在加速度测量噪音，为了不使用加速度信号

就能求得

对从边系统使用滤波器

其中k为滤波系数且k＞0，

滤波操作后的从端模型为：

其中，

f_ef∈R^p，u_sf∈R^p，d_sf∈R^p分别为

f_e，u_s，d_s滤波后的形式，其中：

f_ef|_t＝0＝0

τ_sf|_t＝0＝0

d_sf|_t＝0＝0

从端模型进一步变形为：

利用不变流形思想，在不使用加速度信号的情况下设计干扰观测器：

第三步，进行主从控制器的设计，具体的首先构造滑模面，根据在线测得的主、从端机械臂的位置矢量，定义位置误差项：

e_m(t)＝q_m(t)-q_s(t-T_s)，e_s(t)＝q_s(t)-q_m(t-T_m)

其中，T_m,T_s分别为信号传输的主、从端的时延。

定义系统的滑模面为：

其中，

系统的主、从端动力学模型就变为：

其中，G′_m(Z_m),G′_s(Z_s)为模糊逻辑系统需要逼近的函数式，

其中输入量为：

通过设计基于模糊逻辑的自适应控制算法对G′_m(Z_m),G′_s(Z_s)进行估计和补偿，

其中，i＝{m,s}，

是最优化近似参数，

表示已知的模糊基函数向量，ε_i(Z_i)是近似估计函数，

通过该模糊逻辑控制算法消除主、从端动力学参数不确定性对系统性能的影响，

G′_m(Z_m),G′_s(Z_s)的近似估计值表示为：

i＝{m,s}，模糊自适应参数矩阵

为

的估计值，G′_i(Z_i)的估计误差表示为：

进一步地，针对遥操作系统的动力学参数不确定性，分别在主、从端添加模糊自适应控制器进行估计和补偿，并相应的在从端添加干扰观测器，完善系统性能，控制器具体设计如下：

其中，K_m,K_s为正定对称矩阵，ξ_m,ξ_s为模糊自适应估计误差值的上界，满足

模糊逻辑自适应律设计为：

误差项的调节律为：

至此，阐述了本发明使用的遥操作系统的模型、设计的从端基于干扰观测器的自适应模糊控制器和主端的自适应模糊控制器的具体结构。

为进一步说明本发明的实施步骤，并展示其有效的控制效果，以下对本发明提出的控制方法在MATLAB\Simulink上进行仿真。

在仿真中，选取的双边遥操作系统结构图如图1所示，其中主、从端机械臂均为2-DOF的关节机械臂，具体的控制结构示意图如图2所示。

根据图2在Simulink中搭建遥操作的模型框架，并根据主、从端机械臂的动力学模型及人类操作者和环境力的动态模型进行建模，利用干扰观测器对从端受到的外部干扰进行观测，并根据设计出的自适应模糊控制器搭建控制器框架。

其中，主从机械臂相关的参数矩阵具体形式如下：

关节空间与笛卡尔空间之间的坐标关系为：

需要观测的从端的外部干扰为：

其中，g为重力加速度，取为g＝9.8m/s²。仿真中用到的其他机器人参数设置为：m₁＝1kg,m₂＝1.5kg,l₁＝1m,l₂＝0.8m。

对于所设计的控制器来说，考虑到稳定性及跟踪性能的要求，参数设置如下：滤波器参数k＝0.1，控制器参数α＝0.5,K_m＝10I,K_s＝10I。

此外，主从间的通信时延设为T＝1s，以模拟实际遥操作环境中回路时延对系统传输信号的影响。对程序进行仿真，得到主从机械臂的关节和末端执行器的位置及速度跟踪曲线图。

从图3和图4可以看出，从端机械臂的两个关节角都能够很好的跟踪主端关节的变化，同时在笛卡尔空间中，从端的末端执行器也能够在时延存在的条件下，较好的跟踪主端的运动。通过仿真可以证实，本发明设计的主从控制器可以在有界时延及外部干扰的影响下，实现主、从端操作的稳定性及良好的跟踪性能。

以上内容仅为说明本发明的技术思想，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)

1.一种基于干扰观测器的自适应模糊遥操作控制方法，其特征在于，包括以下步骤：

步骤S1：对双边遥操作系统的主、从端机械臂建立动力学模型；

建立主、从端机械臂的动力学模型的具体方法是：

在与操作端和环境相互接触的情况下，基于关节空间的具有p自由度的机械臂的拉格朗日动力学模型：

其中，下标i∈{m,s}，m,s分别表示主端和从端；

分别表示机械臂关节的位置、速度和角速度，M_qi(q_i)∈R^p×p是正定对称的惯性矩

阵，是离心力/科里奥利力矩阵，G_qi(q_i)∈R^p是重力矩阵，d_s∈R^p表示从边环境的未知外部干扰项，J_i(q_i)∈R^p×p为Jacobin矩阵，F_h,F_e∈R^p分别为主端操作者和环境施加的力，τ_m,τ_s∈R^p分别为主端和从端的控制器输入力矩，

设主、从端机器人末端的位置分别为x_m,x_s∈R^p，关节空间与任务空间之间的转换关系可表示为：

x_m＝h_m(q_m)，x_s＝h_s(q_s) (2)

引入雅可比矩阵：

当主、从端分别与操作者和环境相接触时，人类操作者与环境的任务空间动力学模型分别为：

根据关节空间和任务空间的转换关系并结合操作端及环境的动力学模型，主、从端机械臂的动力学模型为：

其中，其中M_h,M_e,B_h,B_e,K_h,K_e∈R^p×p为对称的正定常量矩阵，分别对应于操作端和环境的质量、阻尼和弹性，

分别表示操作端和环境的外源力，

步骤S2：针对从边的未知干扰，设计相应的干扰观测器；

针对从边的未知干扰，设计相应的干扰观测器的具体方法是:

首先通过定义新的辅助变量，将从端机械臂的动力学模型转换形式，辅助变量定义如下：

则从端机械臂的动力学模型可重新写成：

加速度信号是通过对位置及速度信号的进一步处理得到的，因此不可避免的存在加速度测量噪音，为了不使用加速度信号

就能求得

对从边系统使用滤波器

其中k为滤波系数且k＞0，

滤波操作后的从端模型为：

其中，

f_ef∈R^p,u_sf∈R^p,d_sf∈R^p分别为

f_e,u_s,d_s滤波后的形式，其中：

从端模型进一步变形为：

利用不变流形思想，在不使用加速度信号的情况下设计干扰观测器：

步骤S3：针对机械臂的运动学和动力学不确定性，利用模糊自适应控制器对其进行估计补偿，并设计从端的基于干扰观测器的自适应模糊控制器。

2.根据权利要求1所述的一种基于干扰观测器的自适应模糊遥操作控制方法，其特征在于，所述步骤S3操作中，针对机械臂的运动学和动力学不确定性，利用模糊自适应控制器对其进行估计补偿，并设计从端的基于干扰观测器的自适应模糊控制器的具体方法是：

首先构造滑模面，根据在线测得的主、从端机械臂的位置矢量，定义位置误差项：

e_m(t)＝q_m(t)-q_s(t-T_s)，e_s(t)＝q_s(t)-q_m(t-T_m) (14)

其中，T_m,T_s分别为信号传输的主、从端的时延，定义系统的滑模面为：

其中，

系统的主、从端动力学模型就变为：

其中，G′_m(Z_m),G′_s(Z_s)为模糊逻辑系统需要逼近的函数式，

通过设计基于模糊逻辑的自适应控制算法对G′_m(Z_m),G′_s(Z_s)进行估计和补偿，

其中，i＝{m,s}，

是最优化近似参数，

表示已知的模糊基函数向量，ε_i(Z_i)是近似估计函数，

通过该模糊逻辑控制算法消除主、从端动力学参数不确定性对系统性能的影响，

G′_m(Z_m),G′_s(Z_s)的近似估计值表示为：

其中输入量为：

i＝{m,s}，模糊自适应参数矩阵

为

的估计值，G′_i(Z_i)的估计误差表示为：

进一步地，针对遥操作系统的动力学参数不确定性，分别在主、从端添加模糊自适应控制器进行估计和补偿，并相应的在从端添加干扰观测器，完善系统性能，控制器具体设计如下：

其中，K_m,K_s为正定对称矩阵，ξ_m,ξ_s为模糊自适应估计误差值的上界，满足

模糊逻辑自适应律设计为：

误差项的调节律为：

Images