CN109782601B - 一种协调机械臂自适应神经网络同步鲁棒控制器设计方法 - Google Patents
一种协调机械臂自适应神经网络同步鲁棒控制器设计方法 Download PDFInfo
- Publication number
- CN109782601B CN109782601B CN201910101817.0A CN201910101817A CN109782601B CN 109782601 B CN109782601 B CN 109782601B CN 201910101817 A CN201910101817 A CN 201910101817A CN 109782601 B CN109782601 B CN 109782601B
- Authority
- CN
- China
- Prior art keywords
- neural network
- mechanical arm
- representing
- term
- adaptive
- 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
Abstract
本发明涉及到一种协调机械臂自适应神经网络同步鲁棒控制器设计方法,主要体现在基座标不确定的工况下被夹持工件能够精准跟踪期望轨迹和内力。本方法运用了自适应滑模控制和RBF神经网络作为控制方法的基础,通过二者的融合,加之针对机械臂协调夹持系统设置相应的逼近鲁棒控制项,实现了控制方法的设计。该控制方法能对不确定的基座标平移误差和旋转误差所产生的轨迹误差进行自适应补偿,通过神经网络逼近不确定的机械臂系统动力学参数和基座标不确定参数,该神经网络具有随输入域、误差和时间不断更新权重因子的功能,所以能够在很短的时间内补偿基座标不确定参数,将机械臂夹持工件的轨迹和内力跟踪误差收敛到期望值附近,提高了控制精度。
Description
技术领域
本发明涉及到机械臂协调夹持控制方法,更准确的说是针对机械臂夹持系统基座标平移和角度参数不确定的情况,设计出了一种自适应神经网络同步鲁棒控制器来确保系统轨迹和内力跟踪的精度。
技术背景
在现在的加工制造行业,比如装配、搬运、喷涂还有焊接,越来越多的工种需要用到多机械臂来执行一些需要交互协作的复杂任务,传统的单机械臂虽然能够满足基本的任务要求,但是在工作效率和完成质量上有待提高,因此,多机械臂协调加工就显得尤为重要。但是,多机械臂系统需要的是机械臂之间的相互配合,因此机械臂之间的相对位置就要求比较精确,传统的标定机械臂相对位置的方法都是利用激光跟踪仪或者机器视觉等技术来获取两机械臂之间的相对位置,这些标定方法存在成本高昂和标定程序复杂的缺点,尤其是面对一些存在振动或者需要机械臂基座标不断运动的工作场景下,往往不能获得很好的标定效果。而且传统的机械臂的算法都比较以来精确的位置参数来获得运动学逆解。因此,如果能将机械臂之间相对基座标位置关系看成未知的量,就像是人与人之间配合不需要精确的基座标位置一样,设计一种更加智能、灵活、鲁棒的控制器,自动逼近机械臂之间的真实相对位置误差,这对实际的工作应用具有很大的意义。
神经网络作为一种具有自主学习和良好逼近非线性系统能力的工具,可以逼近外界干扰和不确定性参数,也可以和传统的滑模变结构控制结合起来。神经网络中的RBF网络是一种前向网络,其神经元函数一般是高斯基函数,因此由输入到输出的映射是非线性的,而隐含层空间到输出空间的映射是线性的,而且RBF网络是局部逼近的神经网络,可以极大的加快学习速度并避免局部极小值的问题,比较适合实时控制。本专利就是利用神经网络和滑模变结构控制这两者之间的关系,设计出一种自适应神经网络同步鲁棒控制器,来解决机械臂基座标参数不确定的情况。
发明内容
本发明主要是针对上述提到的问题,针对协调机械臂基座标平移和角度参数不确定的情况设计了一种自适应神经网络同步鲁棒控制器,从而为提高协调机械臂生产精度和效率提供了一种可行性方案,同时也降低了生产成本。
为实现上述目的,本发明提供了如下的技术方案:
一种基于协调机械臂系统基座标参数不确定的自适应神经网络同步鲁棒控制器设计方法,包含以下几个步骤:
A.构建机械臂协调夹持动力学模型。简化出多机械臂夹持工件的物理模型,通过拉格朗日动力学方法确定机械臂动力学模型中的惯量项、哥氏力(离心力)项和重力项,将工件的内力项及其计算方法引入动力学方程中构成等式。
公式(1)表示机械臂动力学模型,其中,MΔi代表协调夹持系统的惯量项,DΔi代表协调夹持系统的哥氏力和离心力部分,GΔi代表协调夹持系统的重力项,代表系统的摩擦力和不确定干扰,τi代表机械臂关节的力矩,Ji代表机械臂角速度从关节空间向任务空间转化的雅可比矩阵,代表工件内力,代表机械臂关节的角加速度,代表机械臂关节的角速度。
B.设计自适应神经网络同步鲁棒控制器。首先通过对期望轨迹和逼近轨迹等进行耦合分析,得到自适应滑模参数,然后构建系统的动态误差方程,最后结合动态误差方程中的不确定项采取神经网络逼近策略,设计系统控制律、神经网络自适应律和基座标参数自适应律,对包含基座标不确定参数的回归矩阵和物理参数集进行补偿。
公式(2)代表系统动态误差方程,其中,si代表关节空间的自适应滑模参数。
C.对控制器闭环系统进行稳定性分析。构建系统李亚普诺夫函数,将系统中涉及的误差项引入,推导控制器鲁棒的充分条件,验证系统是否符合稳定性条件。
根据公式(6)和(7),可以得出该系统是渐近稳定的,也可以保证系统的轨迹和内力跟踪误差都是能够渐进收敛到期望值的,因此该控制方法在理论层面上是可行的,可以自动补偿基座标参数不确定导致的误差,达到高精度的而轨迹和内力跟踪。
本发明的有益效果是:本发明针对多机械臂协同环境下基座标参数不确定的情况进行了探索,发现了平移和旋转方向的基座标参数对于机械臂轨迹和内力跟踪精度有较大影响,并通过将滑膜变结构控制和神经网络融合,得到可以自适应不确定基座标参数的神经网络同步鲁棒控制器,使得多机械臂协同可以在力矩层面进行规划,提高了控制系统的精确性、鲁棒性和快速性,同时也对机械臂之间的标定提出了更小的要求,降低了生产成本
附图说明
图1是本发明的多机械臂协调夹持的模型示意图。
图2是本发明的跟踪效果示意图。
图3是本发明的控制流程示意图。
具体实施方式
下面结合附图和具体实施步骤来对本发明进一步详细的说明。
参照图1,选取双机械臂协调夹持的场景来进行技术方案的实施,两个机械臂均是由平面三个平行自由度组成,具有一定的冗余性。如图1所示,两边的机械臂具有相同的物理参数,其中,机械臂连杆的转动惯量I1=I2=0.5kg·m2,机械臂连杆的质量m1=m2=m3=1.5kg,连杆的长度l1=l2=0.6m,l3=0.2m。夹持的工件的转动惯量是0.3kg·m2,工件的质量是1.5kg,工件的半径是0.2m。
参照图1,基座标平移和角度参数不确定体现在Xb、Yb和θb上,在世界坐标系{W}中,Xb代表横坐标方向不确定参数,Yb代表纵坐标方向不确定参数,θb代表角度不确定参数,为了创造基座标参数存在误差的情况,本专利设定实际的机械臂的基座标参数为不精确的机械臂的基座标参数为其中kx代表横坐标,ky代表纵坐标,qb代表旋转角度。期望的内力为0,工件在世界坐标系中的期望运动轨迹为
本发明的控制律表达式如下,其中,R2i=-k1si-k2sgn(si)。神经网络权重自适应律为其中,RBF神经网络的层数为3层,分别为输入层、隐含层和输出层,输入变量的数量为31个,隐含层的神经元个数为5个,输出变量为3个。基座标参数自适律为以上公式中涉及到的变量的取值如下,η=0.6,α=0.1,σ=0.1,μ=0.1,k1=70,k2=6, 采用上述的这些取值,带入到算法的仿真中去,可以得到如图2所示的结果,此结果显示,横坐标跟踪误差ΔX、纵坐标跟踪误差ΔY、旋转角度误差ΔR和内力fin都能在0.5秒内快速收敛到0邻域附近,并且能够保持长时间的稳定。这说明了此算法能够有效解决基座标参数不确定的情况,鲁棒性、快速性和实时性都比较突出。
基于协调机械臂系统基座标参数不确定的自适应神经网络同步鲁棒控制器的控制流程示意图如图3所示,主要包含机械臂的初始复位和闭环反馈两个部分,控制思路比较清晰、明朗,方便实施。
Claims (2)
1.一种协调机械臂自适应神经网络同步鲁棒控制器设计方法,包括如下步骤:
步骤A.构建机械臂协调夹持动力学模型;
步骤B.设计自适应神经网络同步鲁棒控制器;
步骤C.对控制器闭环系统进行稳定性分析;
步骤A具体如下:简化出多机械臂夹持工件的物理模型,通过拉格朗日动力学方法确定机械臂动力学模型中的惯量项、哥氏力和离心力项和重力项,将工件的内力项及其计算方法引入动力学方程中构成等式:
公式(1)表示机械臂动力学模型,其中,MΔi代表协调夹持系统的惯量项,DΔi代表协调夹持系统的哥氏力和离心力部分,GΔi代表协调夹持系统的重力项,代表系统的摩擦力和不确定干扰,τi代表机械臂关节的力矩,Ji代表机械臂角速度从关节空间向任务空间转化的雅可比矩阵,代表工件内力,代表机械臂关节的角加速度,代表机械臂关节的角速度;
步骤B具体如下:首先构建系统的动态误差方程,然后结合动态误差方程中的不确定项采取神经网络逼近,设计系统控制律、神经网络自适应律和基座标参数自适应律,对包含基座标不确定参数的回归矩阵和物理参数集进行补偿:
公式(2)代表系统动态误差方程,其中,si代表关节空间的自适应滑模参数;
公式(3)中ξi代表类PD架构的补偿误差项,R1i代表自适应鲁棒控制项,R2i代表外部干扰和神经网络逼近鲁棒控制项,代表不确定项的最优神经网络逼近项;R2i=-k1si-k2sgn(si);其中,KP、KD和KI是正定矩阵,Ei代表交叉耦合误差位置跟踪误差,η、k1和k2都是增益系数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101817.0A CN109782601B (zh) | 2019-01-31 | 2019-01-31 | 一种协调机械臂自适应神经网络同步鲁棒控制器设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101817.0A CN109782601B (zh) | 2019-01-31 | 2019-01-31 | 一种协调机械臂自适应神经网络同步鲁棒控制器设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782601A CN109782601A (zh) | 2019-05-21 |
CN109782601B true CN109782601B (zh) | 2021-09-14 |
Family
ID=66504196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910101817.0A Active CN109782601B (zh) | 2019-01-31 | 2019-01-31 | 一种协调机械臂自适应神经网络同步鲁棒控制器设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782601B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110450155B (zh) * | 2019-07-30 | 2021-01-22 | 洛阳润信机械制造有限公司 | 一种多自由度机械臂系统的控制器的优化设计方法 |
CN110900605B (zh) * | 2019-12-02 | 2021-03-16 | 浙江大学 | 一种基于速度重配的协调机械臂多约束加工优化方法 |
CN111487867B (zh) * | 2020-04-16 | 2021-09-28 | 浙江大学 | 一种液体晃动模型参考自适应抑制运动控制方法 |
CN111897219B (zh) * | 2020-07-21 | 2022-11-22 | 广东工业大学 | 基于在线逼近器的倾转四旋翼无人机过渡飞行模式最优鲁棒控制方法 |
CN111872937B (zh) * | 2020-07-23 | 2022-04-19 | 西华大学 | 一种任务空间中不确定机械臂的控制方法 |
CN113156819B (zh) * | 2021-04-09 | 2022-06-24 | 浙江大学 | 协调打磨机械臂系统自适应神经网络同步阻抗控制方法 |
CN113238482B (zh) * | 2021-04-14 | 2022-11-29 | 山东师范大学 | 一种单臂机器人系统的渐近跟踪控制方法及系统 |
CN113664813B (zh) * | 2021-08-25 | 2022-07-29 | 深圳市优必选科技股份有限公司 | 双臂机器人控制方法、装置、双臂机器人和可读存储介质 |
CN114473323B (zh) * | 2022-02-21 | 2023-04-28 | 哈尔滨工业大学(深圳) | 一种多机械臂力位耦合协同控制方法和焊接方法 |
CN115107032B (zh) * | 2022-07-15 | 2024-04-05 | 海南大学 | 一种基于伪逆且可自适应抗噪的移动机械臂运动规划方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004068456A2 (en) * | 2003-01-17 | 2004-08-12 | Ayala Francisco J | System and method for developing artificial intelligence |
WO2006104896A2 (en) * | 2005-03-31 | 2006-10-05 | Ayala Francisco J | Method, system and computer program for developing cortical algorithms |
CN101927495A (zh) * | 2010-08-25 | 2010-12-29 | 中山大学 | 一种冗余度机械臂重复运动规划方法 |
CN106078741A (zh) * | 2016-06-21 | 2016-11-09 | 华南理工大学 | 基于确定学习理论的性能受限柔性机械臂控制方法 |
CN108076831A (zh) * | 2017-12-29 | 2018-05-29 | 重庆大学 | 一种自适应双筛选液控采摘装置 |
CN108388123A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 多个仿人机器人在速度不可测下的自适应控制方法 |
CN108575318A (zh) * | 2018-04-20 | 2018-09-28 | 长安大学 | 一种基于柔性机械手的草莓自动采摘装置及方法 |
CN108845493A (zh) * | 2018-08-21 | 2018-11-20 | 曲阜师范大学 | 带有输出约束的机械臂系统的固定时间跟踪控制方法 |
CN108942924A (zh) * | 2018-06-25 | 2018-12-07 | 南京理工大学 | 基于多层神经网络的模型不确定性机械臂运动控制方法 |
CN109227543A (zh) * | 2018-10-19 | 2019-01-18 | 华南理工大学 | 一种位置受限柔性关节机器人基于模式的智能控制方法 |
CN109240086A (zh) * | 2018-10-16 | 2019-01-18 | 浙江大学 | 一种非线性双边遥操作系统的自适应鲁棒控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2723197A (en) * | 1996-05-15 | 1997-12-05 | Georgia Tech Research Corporation | Optimal arbitrary time-delay (oat) filter and method to minimize unwanted system dynamics |
EP2199880A1 (en) * | 2008-12-19 | 2010-06-23 | Sintesi SCpA | Method and system for estimating the position of a series of articulated elements |
CN102289204B (zh) * | 2011-06-03 | 2013-10-30 | 华南理工大学 | 基于确定学习理论的机械臂通用控制方法 |
CN104950678B (zh) * | 2015-06-17 | 2017-10-13 | 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 |
CN106514650B (zh) * | 2016-08-20 | 2019-02-15 | 杭州新松机器人自动化有限公司 | 一种基于CANopen的多机械臂同步跟随控制方法 |
CN107966907B (zh) * | 2017-11-30 | 2020-09-22 | 华南理工大学 | 一种应用于冗余度机械臂的障碍物躲避解决方法 |
-
2019
- 2019-01-31 CN CN201910101817.0A patent/CN109782601B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004068456A2 (en) * | 2003-01-17 | 2004-08-12 | Ayala Francisco J | System and method for developing artificial intelligence |
WO2006104896A2 (en) * | 2005-03-31 | 2006-10-05 | Ayala Francisco J | Method, system and computer program for developing cortical algorithms |
CN101927495A (zh) * | 2010-08-25 | 2010-12-29 | 中山大学 | 一种冗余度机械臂重复运动规划方法 |
CN106078741A (zh) * | 2016-06-21 | 2016-11-09 | 华南理工大学 | 基于确定学习理论的性能受限柔性机械臂控制方法 |
CN108076831A (zh) * | 2017-12-29 | 2018-05-29 | 重庆大学 | 一种自适应双筛选液控采摘装置 |
CN108388123A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 多个仿人机器人在速度不可测下的自适应控制方法 |
CN108575318A (zh) * | 2018-04-20 | 2018-09-28 | 长安大学 | 一种基于柔性机械手的草莓自动采摘装置及方法 |
CN108942924A (zh) * | 2018-06-25 | 2018-12-07 | 南京理工大学 | 基于多层神经网络的模型不确定性机械臂运动控制方法 |
CN108845493A (zh) * | 2018-08-21 | 2018-11-20 | 曲阜师范大学 | 带有输出约束的机械臂系统的固定时间跟踪控制方法 |
CN109240086A (zh) * | 2018-10-16 | 2019-01-18 | 浙江大学 | 一种非线性双边遥操作系统的自适应鲁棒控制方法 |
CN109227543A (zh) * | 2018-10-19 | 2019-01-18 | 华南理工大学 | 一种位置受限柔性关节机器人基于模式的智能控制方法 |
Non-Patent Citations (2)
Title |
---|
Adaptive Neural Network Control of Coordinated Motion of Dual-Arm Space Robot System with Uncertain Parameters;Yishen Guo,等;《Proceedings of the 7th World Congress on Intelligent Control and Automation》;20080627;第4842-4846页 * |
双机械臂协调控制综述;刘永信,等;《内蒙古大学学报(自然科学版) 》;20170731;第471-480页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109782601A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109782601B (zh) | 一种协调机械臂自适应神经网络同步鲁棒控制器设计方法 | |
CN109176525A (zh) | 一种基于rbf的移动机械手自适应控制方法 | |
CN111941421B (zh) | 一种基于多机器人协同操作的自适应模糊力跟踪控制方法 | |
Wen et al. | Elman fuzzy adaptive control for obstacle avoidance of mobile robots using hybrid force/position incorporation | |
CN108818530B (zh) | 基于改进rrt算法的机械臂抓取散乱堆放活塞运动规划方法 | |
CN108717262B (zh) | 一种基于矩特征学习神经网络的异形曲面跟踪方法及系统 | |
CN111515928B (zh) | 机械臂运动控制系统 | |
Mao et al. | Separable nonlinear least squares algorithm for robust kinematic calibration of serial robots | |
CN115480583A (zh) | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 | |
CN114942593A (zh) | 一种基于干扰观测器补偿的机械臂自适应滑模控制方法 | |
Lai et al. | Image dynamics-based visual servo control for unmanned aerial manipulatorl with a virtual camera | |
Maghami et al. | Calibration of multi-Robot cooperative systems using deep neural networks | |
CN114055467A (zh) | 基于五自由度机器人的空间位姿在线仿真系统 | |
CN112650217B (zh) | 一种基于评估函数的机器人轨迹跟踪策略动态优化方法 | |
Banga et al. | Modeling and simulation of robotic arm movement using soft computing | |
CN114888793B (zh) | 一种多臂双光束激光焊接机器人双层协同控制方法 | |
Huang et al. | Robotic contour tracing with high-speed vision and force-torque sensing based on dynamic compensation scheme | |
Luo et al. | Robotic conveyor tracking with dynamic object fetching for industrial automation | |
CN115122327A (zh) | 基于对偶神经网络的危化品运输机械臂末端精确定位方法 | |
CN114310914A (zh) | 多自由度机械臂模糊自适应迭代轨迹跟踪控制方法及系统 | |
Li et al. | Kinodynamics-based pose optimization for humanoid loco-manipulation | |
Yao et al. | Hybrid position, posture, force and moment control with impedance characteristics for robot manipulators | |
Fernandez et al. | Multi-Surface Admittance Control Approach applied on Robotic Assembly of Large-Scale parts in Aerospace Manufacturing | |
Ren et al. | An adaptive robust control for trajectory tracking of a robotic manipulator system | |
Montenegro et al. | Neural network as an alternative to the jacobian for iterative solution to inverse kinematics |
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 |