CN109986562B - 一种平面机械臂系统及其分散式容错控制方法 - Google Patents
一种平面机械臂系统及其分散式容错控制方法 Download PDFInfo
- Publication number
- CN109986562B CN109986562B CN201910289554.0A CN201910289554A CN109986562B CN 109986562 B CN109986562 B CN 109986562B CN 201910289554 A CN201910289554 A CN 201910289554A CN 109986562 B CN109986562 B CN 109986562B
- Authority
- CN
- China
- Prior art keywords
- fault
- mechanical arm
- faults
- actuator
- distributed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000000654 additive Substances 0.000 claims description 54
- 230000000996 additive effect Effects 0.000 claims description 54
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000011022 operating instruction Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 abstract description 7
- 238000010168 coupling process Methods 0.000 abstract description 7
- 238000005859 coupling reaction Methods 0.000 abstract description 7
- 238000013459 approach Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种平面机械臂系统及其分散式容错控制方法,属于平面机械臂的容错控制领域。根据不同的角位置构建一系列线性模型来逼近原始的非线性模型,由此可以得到各子机械臂间的耦合关系,再针对每个线性模型设计对应的分散式容错控制律,包括两种执行器故障及一种执行器故障,并提出一种切换律,使得系统在控制器切换的条件下仍然稳定。本发明克服了平面机械臂在跟踪过程中执行器或传感器出现故障的情况下跟踪效率降低的局限性,提高了平面机械臂系统运行的可靠性。
Description
技术领域
本发明属于控制领域,特别涉及一种基于多模型切换的平面机械臂系统及其分散式容错控制方法。
背景技术
平面机械臂是一类复杂的机械互联系统,具有多输入多输出,高度非线性和强耦合的特性。如今,机械臂由于能加强任务的可靠性并节省花费,因此成为了国际空间站的重要工具,展现了强大的应用价值及广阔的应用前景,在空间技术的发展中承担了一个重要的角色。
对于一个机械系统来说,可靠性和稳定性是最重要的性能。话句话说,作为替代人在空间中执行任务的机械臂,如何保证更好的稳定性和可靠性是现在科学家研究的热点问题。甚至某些情况下,机械系统的可靠性比其性能指标更加重要。而可靠性是由容错控制实现的,也就是说,容错控制使得系统在故障发生时仍能保持稳定和期望的性能。对于互联系统来说,经典的容错控制结构可以分为集中式,分散式和分布式三种,目前国内外的学者对于平面机械臂的容错控制多采用的集中式方法,且具有一定成果,但是对于分布式和分散式的容错控制结构的研究较少。这是由于集中式控制方法不需要知道各子系统间的耦合关系,设计简单,但是相对的计算量较大,且对于大规模的互联系统并不适用,分散式控制方法则只需要获取自身子系统的相关信息来设计控制器即可,计算量最小,但是子系统间的耦合关系需要克服,一般采用小增益原理,分布式则是需要自身及相邻子系统的相关信息来设计控制器,计算量较小,也需要克服子系统间的耦合关系。
近年来,滑模控制技术因其所具有的优良特性而受到越来越多的重视,滑模控制技术能够克服系统的不确定性,对干扰及故障具有很强的鲁棒性,尤其对非线性系统的控制具有良好的控制效果,且非线性表现为控制的不连续性,适用于平面机械臂的容错控制。
发明内容
发明目的:针对现有技术中机械臂在执行任务过程中发生故障的问题,提供一种基于多模型切换的平面机械臂系统及其分散式容错控制方法,能够在发生执行器加性、乘性故障以及传感器加性故障的机械臂控制系统在分散式的滑模控制器的作用下,实时对故障的影响进行补偿,迅速减小故障对平面机械臂系统控制系统的影响,提高了控制系统的性能。
技术方案:为解决上述技术问题,本发明提供一种平面机械臂系统,包括执行机构,角速度控制系统,识别器,切换器,分散式控制器和选择开关,所述执行机构、角速度控制系统、识别器、切换器、分散式控制器和选择开关依次连接,所述识别器的输入端与角速度控制系统的输出端连接形成闭环角速度控制系统;
识别器,用于对角速度控制系统所输出的角位置进行识别,并根据识别出的角位置判断其符合的线性模型得到切换信号,同时将该切换信号输出给切换器;
切换器,用于根据识别器发送的切换信号控制选择开关与对应的分散式控制器连通;
选择开关,包括输入端和一个以上的连接端;所述选择开关的输出端数目与分散式控制器的个数相同,所述选择开关根据切换器的控制选择一个输出端与其对应的分散式控制器连通;
分散式控制器,以机械臂的角速度,期望角速度为输入,得到角速度控制的控制信号,并将该控制信号发送到执行机构;
执行机构,用于在分散式控制器的控制信号的作用下得到平面机械臂的操作指令,并将该操作指令发送给角速度控制系统;
角速度控制系统,用于根据执行机构的操作指令对机械臂动作,以机械臂的角速度构成所述角速度控制系统的输出向量。
一种如上所述的平面机械臂系统的分散式容错控制方法,包括如下步骤:
(1)针对不同种类的故障,建立不同的故障下的非线性模型;
(2)根据机械臂的不同角位置建立线性模型,用一组线性模型来逼近机械臂原始的非线性模型;
(3)为步骤(2)中得出的每个线性模型构建分散式滑模容错控制器;
(4)根据机械臂的当前角位置得到切换控制律,使得机械臂在步骤(3)中得出的控制器切换的情况下保持稳定。
进一步的,所述步骤(1)中针对不同种类的故障,建立不同的故障下的非线性模型的具体步骤如下:
(1.1)改写平面机械臂带非完整约束的动力学模型为:
(1.2)故障分为执行器故障和传感器故障,其中执行器故障分为加性故障和乘性故障并假设其发生在第r个子系统,传感器故障视为加性故障并假设其发生在第i个子系统,分别有以下的表达形式:
该偏差满足有界条件,即|Δτr|≤μr,其中μr为正常数;
执行器乘性故障:这类故障暗示执行器是部分失效的,实际的控制转矩是期望转矩与有效因子ρr的乘积,表示为
其中有效因子ρr∈(0,1)表示执行器故障的程度,ρr越小表示执行器故障越严重,当ρr=0时表示执行器完全失效;
进一步的,所述步骤(2)中根据机械臂的不同角位置建立线性模型的具体步骤如下:
(2.1)将任意关节称为子系统的工作空间(0,2π)等分成m个子空间,并用li (v)=1,2,…,m表示对于线性模型ν,第i个子系统选择的子空间标号,其中i=1,2,…,n;
(2.3)将原始非线性模型中的时变角位置q(t)和角速度替换为常数的参考角位置和参考角速度得到Ms (v),Cs (v)和Hs (ν)后,即得到一个线性模型ν,通过改变参考角位置的组合得到一系列的线性模型Ω=0,1,…,(mn-1);并定义状态以及实际输入转矩得到线性模型ν的表达式如下:
则第i个子系统的线性模型ν写为
(2.4)针对三类不同的故障,线性模型分别改写为
执行器加性故障:当第r个子系统发生故障时,第i个子系统的线性模型ν写为
需要注意的是,虽然故障发生在第r个子系统,但是Δu(ν)=[Δu1 (ν),Δu2 (ν),…,Δun (ν)]含有多余一个的非零元素;
执行器乘性故障:由于当发生该类故障时,采用的是基于模型重构的容错方法,因此不需要给出线性模型;
传感器加性故障:当该类故障发生在第i个子系统时,该子系统的线性模型ν写为:
需要注意的是,不论传感器是收到了不准确的角位置信息还是角速度信息,其偏差都用Δxi来表示。
进一步的,所述步骤(3)中为每个线性模型构建分散式滑模容错控制器的具体步骤如下:
(3.1)当故障为执行器加性故障和传感器加性故障时,构建分散式滑模容错控制器;
(3.2)当故障为执行器乘性故障时,构建分散式滑模容错控制器。
进一步的,所述步骤(3.1)中当故障为执行器加性故障和传感器加性故障时,构建分散式滑模容错控制器的具体步骤如下:
(3.1.1)定义误差ei(t)及滑模面si (ν)(t)有如下的形式:
其中xdi(t)是第i个子系统期望的状态,λi (ν)是一个正常数;
(3.1.2)根据滑模面的可达性条件以及小增益原理,设计分散式的滑模控制器如下:
执行器加性故障情况下:
传感器加性故障情况下:
进一步的,所述步骤(3.2)中当故障为执行器乘性故障时,构建分散式滑模容错控制器的具体步骤如下:
(3.2.1)将发生执行器乘性故障的第r个子系统视为一个欠驱动子系统,并锁住该关节,定义一个新的角位置qr′代表第(r+1)和第(r-1)个关节连线的角度;
(3.2.2)自由度降为(n+1)的机械臂的动力学模型写为:
则得到新的线性模型如下:
(3.2.3)在替换为新的线性模型后,降阶为(n+1)自由度的机械臂继续完成既定的任务。
进一步的,所述步骤(4)中根据机械臂的当前角位置得到切换控制律的具体步骤如下:
λi (k)-aikλi (k-1)≤0
其中aik是正常数,且衰减率μik=aik 2≤1,切换时刻为tk;
(4.3)当任意一个子系统的当前角位置与下一个子空间的参考角位置的距离小于等于其与当前子空间的角位置时,控制器发生切换,从依据当前的线性模型设计的控制器切换到依据新的线性模型设计的控制器。
与现有技术相比,本发明的优点在于:
(1)本发明通过根据不同的角位置构建一系列线性模型来逼近原始的非线性模型,从而可以得到各子机械臂间的耦合关系,再针对每个线性模型设计对应的分散式容错控制律,包括两种执行器故障及一种执行器故障,并提出一种切换律,使得系统在控制器切换的条件下仍然稳定。本发明克服了平面机械臂在跟踪过程中执行器或传感器出现故障的情况下跟踪效率降低的局限性,提高了平面机械臂系统运行的可靠性。
(2)本发明得到的线性模型可以良好逼近非线性模型,且同时能得到清晰的耦合关系,便于分散式和分布式控制器的设计。
(3)本发明的分散式控制器具有计算量小,实现成本低的优点。
(4)本发明的平面机械臂的旋转角速度在滑模控制律的作用下可以快速的逼近期望角速度,跟踪误差可以较快的收敛到零。
(5)由于使用滑模控制器,因此能够克服系统的不确定性,对干扰和故障造成的动态具有很强的鲁棒性,尤其对本发明的非线性系统具有良好的控制效果,且非线性表现为控制的不连续性。
由以上可知,本发明针对平面机械臂的容错控制系统,提出了一种有效的滑模控制方案,能够实时有效的控制机械臂。当机械臂的角速度由于某种原因偏离期望角速度时,在上述滑模控制律的作用下,机械臂的角速度跟踪误差能够较快的收敛到零,完成空间任务。
因此,本发明能够在发生执行器或传感器故障的平面机械臂控制系统在滑模控制器的作用下,实时对故障进行补偿,迅速地减小了故障对平面机械臂系统的影响,提高了控制系统的性能。
附图说明
图1为本发明的结构示意图图;
图2为具体实施例中机械臂在执行器加性故障情况时,在控制器作用下跟踪误差的响应曲线;
图3为具体实施例中机械臂在传感器加性故障情况时,在控制器作用下跟踪误差的响应曲线。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明。本发明描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的其他实施例,都属于本发明所保护的范围。
如图1所示,本发明所述的一种基于多模型切换的平面机械臂系统,包括执行机构,角速度控制系统,识别器,切换器,分散式控制器和选择开关,所述选择开关包括输入端和一个以上的连接端;所述执行机构,角速度控制系统,识别器,切换器,分散式控制器和选择开关依次连接,同时所述识别器的输入端与角速度控制系统的输出端连接形成闭环角速度控制系统,其中:
识别器,用于对角速度控制系统所输出的角位置进行识别,并根据识别出的角位置判断其符合的线性模型得到切换信号,同时将该切换信号输出给切换器;
切换器,用于根据识别器发送的切换信号控制选择开关与对应的分散式控制器连通;
选择开关,所述选择开关的输出端数目与分散式控制器的个数相同,所述选择开关根据切换器的控制选择一个输出端与其对应的分散式控制器连通;
分散式控制器,所述分散式控制器是以机械臂的角速度,期望角速度为输入,得到角速度控制的控制信号,并将该控制信号发送到执行机构;
执行机构,用于在分散式控制器的控制信号的作用下得到平面机械臂的操作指令,并将该操作指令发送给角速度控制系统;
角速度控制系统,用于根据执行机构的操作指令对机械臂动作,以机械臂的角速度构成所述角速度控制系统的输出向量。
一种基于多模型切换的平面机械臂系统的分散式容错控制方法,包括以下的步骤:
步骤1,针对不同种类的故障,建立不同的故障下的非线性模型。
步骤2,根据机械臂的不同角位置建立线性模型,用一组这样的线性模型来逼近机械臂原始的非线性模型。
步骤3,为每个线性模型设计分散式滑模容错控制器。
步骤4,根据机械臂的当前角位置得到切换控制律,使得机械臂在控制器切换的情况下保持稳定。
所述步骤1中建立不同的故障下的非线性模型的方法包括以下步骤:
步骤1-1,改写平面机械臂带非完整约束的动力学模型为
步骤1-2,考虑的故障可以分为执行器故障和传感器故障,其中执行器故障可以分为加性故障和乘性故障并假设其发生在第r个子系统,传感器故障视为加性故障并假设其发生在第i个子系统,分别有以下的表达形式:
该偏差满足有界条件,即|Δτr|≤μr,其中μr为正常数。
执行器乘性故障:这类故障暗示执行器是部分失效的,实际的控制转矩是期望转矩与有效因子ρr的乘积,可以表示为
其中有效因子ρr∈(0,1)表示执行器故障的程度,ρr越小表示执行器故障越严重,当ρr=0时表示执行器完全失效。
建立不同的故障下的线性模型的方法,包括以下步骤:
步骤2-1,将任意关节(称为子系统)的工作空间(0,2π)等分成m个子空间,并用li (v)=1,2,…,m表示对于线性模型ν,第i个子系统选择的子空间标号,其中i=1,2,…,n。
步骤2-3,将原始非线性模型中的时变角位置q(t)和角速度替换为常数的参考角位置和参考角速度得到Ms (ν),Cs (ν)和Hs (ν)后,即可以得到一个线性模型ν,通过改变参考角位置的组合可以得到一系列的线性模型Ω=0,1,…,(mn-1)。并定义状态以及实际输入转矩由此可以得到线性模型ν的表达式如下
则第i个子系统的线性模型ν可以写为
步骤2-4,针对三类不同的故障,线性模型可以分别改写为
执行器加性故障:当第r个子系统发生故障时,第i个子系统的线性模型ν可以写为
需要注意的是,虽然故障发生在第r个子系统,但是Δu(ν)=[Δu1 (ν),Δu2 (ν),…,Δun (ν)]含有多余一个的非零元素。
执行器乘性故障:由于当发生该类故障时,采用的是基于模型重构的容错方法,因此不需要给出线性模型。
传感器加性故障:当该类故障发生在第i个子系统时,该子系统的线性模型ν可以写为
需要注意的是,不论传感器是收到了不准确的角位置信息还是角速度信息,其偏差都可以用Δxi来表示。
为每个线性模型设计分散式滑模容错控制器的方法,当故障为执行器加性故障和传感器加性故障时,包括以下步骤:
步骤3-11,定义误差ei(t)及滑模面si (ν)(t)有如下的形式:
其中xdi(t)是第i个子系统期望的状态,λi (ν)是一个正常数。
步骤3-12,根据滑模面的可达性条件以及小增益原理,设计分散式的滑模控制器如下:
执行器加性故障情况下:
传感器加性故障情况下:
为每个线性模型设计分散式滑模容错控制器的方法,当故障为执行器乘性故障时,包括以下步骤:
步骤3-21,将发生执行器乘性故障的第r个子系统视为一个欠驱动子系统,并锁住该关节,定义一个新的角位置qr′代表第(r+1)和第(r-1)个关节连线的角度。
步骤3-22,自由度降为(n+1)的机械臂的动力学模型可以写为:
则可以得到新的线性模型如下:
步骤3-23,在替换为新的线性模型后,降阶为(n+1)自由度的机械臂可以继续完成既定的任务。
根据机械臂的当前角位置得到切换控制律的方法,包括以下步骤:
λi (k)-aikλi (k-1)≤0
其中aik是正常数,且衰减率μik=aik 2≤1,切换时刻为tk。
步骤4-3,当任意一个子系统的当前角位置与下一个子空间的参考角位置的距离小于等于其与当前子空间的角位置时,控制器会发生切换,从依据当前的线性模型设计的控制器切换到依据新的线性模型设计的控制器。切换律具体设计如下:
1.令t0=0,k=0
3.初始化i=1
9.如果i=n,执行步骤3;否则,令i=i+1,执行步骤4
为了更好的说明本发明,对本发明的原理进行以下说明:
本发明提出了如图1所示的基于多模型切换的平面机械臂控制系统,包括识别器、切换器、执行机构、控制器。识别器的输入端接被控对象的输出端,识别器的输出端接切换器。所述识别器的输入端接被控对象的输出端,识别器的输出端接切换器。
基于多模型切换的平面机械臂系统的分散式容错控制方法。构建所述的控制系统,具体包括以下步骤:
步骤1,改写平面机械臂带非完整约束的动力学模型为
考虑的故障可以分为执行器故障和传感器故障,其中执行器故障可以分为加性故障和乘性故障并假设其发生在第r个子系统,传感器故障视为加性故障并假设其发生在第i个子系统,分别有以下的表达形式:
该偏差满足有界条件,即|Δτr|≤μr,其中μr为正常数。
执行器乘性故障:这类故障暗示执行器是部分失效的,实际的控制转矩是期望转矩与有效因子ρr的乘积,可以表示为
其中有效因子ρr∈(0,1)表示执行器故障的程度,ρr越小表示执行器故障越严重,当ρr=0时表示执行器完全失效。
步骤2,建立不同的故障下的线性模型的方法,包括以下步骤:
步骤2-1,将任意关节(称为子系统)的工作空间(0,2π)等分成m个子空间,并用li (v)=1,2,…,m表示对于线性模型ν,第i个子系统选择的子空间标号,其中i=1,2,…,n。
步骤2-3,将原始非线性模型中的时变角位置q(t)和角速度替换为常数的参考角位置和参考角速度得到Ms (v),Cs (v)和Hs (v)后,即可以得到一个线性模型ν,通过改变参考角位置的组合可以得到一系列的线性模型Ω=0,1,…,(mn-1)。并定义状态以及实际输入转矩由此可以得到线性模型ν的表达式如下
则第i个子系统的线性模型ν可以写为
步骤2-4,针对三类不同的故障,线性模型可以分别改写为
执行器加性故障:当第r个子系统发生故障时,第i个子系统的线性模型ν可以写为
需要注意的是,虽然故障发生在第r个子系统,但是Δu(v)=[Δu1 (v),Δu2 (v),…,Δun (v)]含有多余一个的非零元素。
执行器乘性故障:由于当发生该类故障时,采用的是基于模型重构的容错方法,因此不需要给出线性模型。
传感器加性故障:当该类故障发生在第i个子系统时,该子系统的线性模型ν可以写为
需要注意的是,不论传感器是收到了不准确的角位置信息还是角速度信息,其偏差都可以用Δxi来表示。
步骤3,定义误差ei(t)及滑模面si (v)(t)有如下的形式:
其中xdi(t)是第i个子系统期望的状态,λi (ν)是一个正常数。
步骤4,根据滑模面的可达性条件以及小增益原理,设计分散式的滑模控制器如下:
执行器加性故障情况下:
传感器加性故障情况下:
当故障为执行器乘性故障时,将发生执行器乘性故障的第r个子系统视为一个欠驱动子系统,并锁住该关节,定义一个新的角位置qr′代表第(r+1)和第(r-1)个关节连线的角度。则自由度降为(n+1)的机械臂的动力学模型可以写为:
可以得到新的线性模型如下:
在替换为新的线性模型后,降阶为(n+1)自由度的机械臂可以继续完成既定的任务。
λi (k)-aikλi (k-1)≤0
其中aik是正常数,且衰减率μik=aik 2≤1,切换时刻为tk。
当任意一个子系统的当前角位置与下一个子空间的参考角位置的距离小于等于其与当前子空间的角位置时,控制器会发生切换,从依据当前的线性模型设计的控制器切换到依据新的线性模型设计的控制器。切换律具体设计如下:
1.令t0=0,k=0
3.初始化i=1
9.如果i=n,执行步骤3;否则,令i=i+1,执行步骤4
下面分析平面机械臂系统在上述分散式滑模控制律作用下的稳定性
首先以传感器加性故障为例分析为每个线性模型设计的分散式滑模控制律的跟踪性:
带入传感器加性故障时的分散式容错控制律,可以得出:
通过
因此,当t→∞时,机械臂系统在当前分散式控制律的作用下各状态的误差能收敛到零。
接下来分析当控制律发生切换时的稳定性
选取第i个子系统在第(k-1)个模型和第k个模型下的Lyapunov函数,并在切换时刻t=tk时作如下的运算:
其中衰减率μik=aik 2≤1。
根据前文提出的假设条件,我们可以得到
Fik≤0
也就是说,在切换时刻t=tk,有
Vi (k)(tk)≤μikVi (k-1)(tk)
因此,机械臂系统在切换律的作用下仍然是稳定的。
本发明在MATLAB 2017b环境下对所设计的分散式滑模控制方法进行仿真验证实验,具体如下:
(1)机械臂初始角位置选择为q=[0.1,0],期望角速度为xd1=0.2rad/s,xd2=0rad/s,执行器加性故障为0.9sin(0.6t),传感器加性故障为0.7sin(0.5t)。
(2)滑模面及小增益参数选择,执行器加性故障时为μ1=0.9,λ1 (0)=1.61,λ1 (1)=1.14,λ2 (0)=0.61,λ2 (1)=0.14,传感器加性故障时为β1=σ1=0.7,λ1 (0)=1.91,λ1 (1)=1.24,λ2 (0)=0.91,λ2 (1)=0.24。
结果说明:
如图2所示,可以看出,在发生执行器加性故障时,系统的状态依然会跟踪期望状态,尽管在切换时刻t=3.42s时,响应曲线发生了跳跃,但最终跟踪误差仍然趋于零。
如图3所示,可以看出,在发生传感器加性故障时,系统的状态依然会跟踪期望状态,尽管在切换时刻t=12.14s时,响应曲线发生了跳跃,但最终跟踪误差仍然趋于零。
由以上可知,本发明针对平面机械臂的容错控制系统,提出了一种有效的分散式滑模控制方案,能够实时有效对机械臂进行容错控制。当机械臂发生故障时,在上述滑模控制律的作用下,机械臂的状态能快速跟踪上期望状态,完成空间任务
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种平面机械臂系统,其特征在于:包括执行机构,角速度控制系统,识别器,切换器,分散式控制器和选择开关,所述执行机构、角速度控制系统、识别器、切换器、分散式控制器和选择开关依次连接,所述识别器的输入端与角速度控制系统的输出端连接形成闭环角速度控制系统;
识别器,用于对角速度控制系统所输出的角位置进行识别,并根据识别出的角位置判断其符合的线性模型得到切换信号,同时将该切换信号输出给切换器;
切换器,用于根据识别器发送的切换信号控制选择开关与对应的分散式控制器连通;
选择开关,包括输入端和一个以上的连接端;所述选择开关的输出端数目与分散式控制器的个数相同,所述选择开关根据切换器的控制选择一个输出端与其对应的分散式控制器连通;
分散式控制器,以机械臂的角速度,期望角速度为输入,得到角速度控制的控制信号,并将该控制信号发送到执行机构;
执行机构,用于在分散式控制器的控制信号的作用下得到平面机械臂的操作指令,并将该操作指令发送给角速度控制系统;
角速度控制系统,用于根据执行机构的操作指令对机械臂动作,以机械臂的角速度构成所述角速度控制系统的输出向量。
2.一种根据权利要求1所述的平面机械臂系统的分散式容错控制方法,其特征在于,包括如下步骤:
(1)针对不同种类的故障,建立不同的故障下的非线性模型;
(2)根据机械臂的不同角位置建立线性模型,用一组线性模型来逼近机械臂原始的非线性模型;
(3)为步骤(2)中得出的每个线性模型构建分散式滑模容错控制器;
(4)根据机械臂的当前角位置得到切换控制律,使得机械臂在步骤(3)中得出的控制器切换的情况下保持稳定。
3.根据权利要求2所述的一种平面机械臂系统的分散式容错控制方法,其特征在于,所述步骤(1)中针对不同种类的故障,建立不同的故障下的非线性模型的具体步骤如下:
(1.1)改写平面机械臂带非完整约束的动力学模型为:
(1.2)故障分为执行器故障和传感器故障,其中执行器故障分为加性故障和乘性故障并假设其发生在第r个子系统,传感器故障视为加性故障并假设其发生在第i个子系统,分别有以下的表达形式:
该偏差满足有界条件,即|Δτr|≤μr,其中μr为正常数;
执行器乘性故障:这类故障暗示执行器是部分失效的,实际的控制转矩是期望转矩与有效因子ρr的乘积,表示为
其中有效因子ρr∈(0,1)表示执行器故障的程度,ρr越小表示执行器故障越严重,当ρr=0时表示执行器完全失效;
4.根据权利要求2所述的一种平面机械臂系统的分散式容错控制方法,其特征在于,所述步骤(2)中根据机械臂的不同角位置建立线性模型的具体步骤如下:
(2.1)将任意关节称为子系统的工作空间(0,2π)等分成m个子空间,并用li (v)=1,2,…,m表示对于线性模型ν,第i个子系统选择的子空间标号,其中i=1,2,…,n;
(2.3)将原始非线性模型中的时变角位置q(t)和角速度替换为常数的参考角位置和参考角速度得到Ms (v),Cs (v)和Hs (v)后,即得到一个线性模型ν,通过改变参考角位置的组合得到一系列的线性模型Ω=0,1,…,(mn-1);并定义状态以及实际输入转矩得到线性模型ν的表达式如下:
则第i个子系统的线性模型ν写为
(2.4)针对三类不同的故障,线性模型分别改写为执行器加性故障:当第r个子系统发生故障时,第i个子系统的线性模型ν写为
需要注意的是,虽然故障发生在第r个子系统,但是Δu(v)=[Δu1 (v),Δu2 (v),…,Δun (v)]含有多余一个的非零元素;
执行器乘性故障:由于当发生该类故障时,采用的是基于模型重构的容错方法,因此不需要给出线性模型;
传感器加性故障:当该类故障发生在第i个子系统时,该子系统的线性模型ν写为:
需要注意的是,不论传感器是收到了不准确的角位置信息还是角速度信息,其偏差都用Δxi来表示。
5.根据权利要求2所述的一种平面机械臂系统的分散式容错控制方法,其特征在于,所述步骤(3)中为每个线性模型构建分散式滑模容错控制器的具体步骤如下:
(3.1)当故障为执行器加性故障和传感器加性故障时,构建分散式滑模容错控制器;
(3.2)当故障为执行器乘性故障时,构建分散式滑模容错控制器。
6.根据权利要求5所述的一种平面机械臂系统的分散式容错控制方法,其特征在于,所述步骤(3.1)中当故障为执行器加性故障和传感器加性故障时,构建分散式滑模容错控制器的具体步骤如下:
(3.1.1)定义误差ei(t)及滑模面si (v)(t)有如下的形式:
其中xdi(t)是第i个子系统期望的状态,λi (ν)是一个正常数;
(3.1.2)根据滑模面的可达性条件以及小增益原理,设计分散式的滑模控制器如下:
执行器加性故障情况下:
传感器加性故障情况下:
8.根据权利要求2所述的一种平面机械臂系统的分散式容错控制方法,其特征在于,所述步骤(4)中根据机械臂的当前角位置得到切换控制律的具体步骤如下:
λi (k)-aikλi (k-1)≤0
其中aik是正常数,且衰减率μik=aik 2≤1,切换时刻为tk;
(4.3)当任意一个子系统的当前角位置与下一个子空间的参考角位置的距离小于等于其与当前子空间的角位置时,控制器发生切换,从依据当前的线性模型设计的控制器切换到依据新的线性模型设计的控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910289554.0A CN109986562B (zh) | 2019-04-11 | 2019-04-11 | 一种平面机械臂系统及其分散式容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910289554.0A CN109986562B (zh) | 2019-04-11 | 2019-04-11 | 一种平面机械臂系统及其分散式容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109986562A CN109986562A (zh) | 2019-07-09 |
CN109986562B true CN109986562B (zh) | 2021-09-17 |
Family
ID=67133115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910289554.0A Active CN109986562B (zh) | 2019-04-11 | 2019-04-11 | 一种平面机械臂系统及其分散式容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109986562B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113146640B (zh) * | 2021-04-27 | 2023-06-13 | 长春工业大学 | 一种考虑执行器故障的机械臂分散最优容错控制方法 |
CN113211446B (zh) * | 2021-05-20 | 2023-12-08 | 长春工业大学 | 一种事件触发-神经动态规划的机械臂分散跟踪控制方法 |
CN113325717B (zh) * | 2021-06-10 | 2022-01-28 | 哈尔滨工业大学 | 基于互联大规模系统的最优容错控制方法、系统、处理设备、存储介质 |
CN113741194B (zh) * | 2021-09-09 | 2022-04-15 | 河海大学 | 基于切换非线性电子线路系统的自适应容错控制方法及系统 |
CN113733094B (zh) * | 2021-09-14 | 2022-10-25 | 北京邮电大学 | 一种高欠驱动空间机械臂可控程度表征方法 |
CN113954069B (zh) * | 2021-10-25 | 2023-01-13 | 清华大学深圳国际研究生院 | 一种基于深度强化学习的机械臂主动容错控制方法 |
CN114083543B (zh) * | 2021-12-22 | 2023-04-18 | 清华大学深圳国际研究生院 | 一种空间机械臂主动故障诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135117A (zh) * | 2013-02-05 | 2013-06-05 | 中国人民解放军国防科学技术大学 | 一种分散式多机器人协同定位算法 |
CN103240739A (zh) * | 2013-05-07 | 2013-08-14 | 武汉科技大学 | 一种移动机械臂分散集中自主切换控制方法 |
CN104049638A (zh) * | 2014-06-19 | 2014-09-17 | 金陵科技学院 | 执行器动态的飞行器姿态分散式容错控制系统 |
CN105171758A (zh) * | 2015-10-21 | 2015-12-23 | 孟强 | 一种机器人的自适应有限时间收敛滑模控制方法 |
CN105196294A (zh) * | 2015-10-29 | 2015-12-30 | 长春工业大学 | 采用位置测量的可重构机械臂分散控制系统及控制方法 |
CN107703753A (zh) * | 2017-10-25 | 2018-02-16 | 南京邮电大学 | 一种空间机械臂的容错控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10754328B2 (en) * | 2014-09-05 | 2020-08-25 | Accenture Global Solutions Limited | Self-adaptive device intelligence as a service enterprise infrastructure for sensor-rich environments |
EP3435190B1 (en) * | 2017-07-26 | 2021-10-20 | Tata Consultancy Services Limited | System and method for executing fault-tolerant simultaneous localization and mapping in robotic clusters |
-
2019
- 2019-04-11 CN CN201910289554.0A patent/CN109986562B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135117A (zh) * | 2013-02-05 | 2013-06-05 | 中国人民解放军国防科学技术大学 | 一种分散式多机器人协同定位算法 |
CN103240739A (zh) * | 2013-05-07 | 2013-08-14 | 武汉科技大学 | 一种移动机械臂分散集中自主切换控制方法 |
CN104049638A (zh) * | 2014-06-19 | 2014-09-17 | 金陵科技学院 | 执行器动态的飞行器姿态分散式容错控制系统 |
CN105171758A (zh) * | 2015-10-21 | 2015-12-23 | 孟强 | 一种机器人的自适应有限时间收敛滑模控制方法 |
CN105196294A (zh) * | 2015-10-29 | 2015-12-30 | 长春工业大学 | 采用位置测量的可重构机械臂分散控制系统及控制方法 |
CN107703753A (zh) * | 2017-10-25 | 2018-02-16 | 南京邮电大学 | 一种空间机械臂的容错控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109986562A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109986562B (zh) | 一种平面机械臂系统及其分散式容错控制方法 | |
Li et al. | Neural-network-based adaptive decentralized fault-tolerant control for a class of interconnected nonlinear systems | |
Xiong et al. | Model-free adaptive control for unknown MIMO nonaffine nonlinear discrete-time systems with experimental validation | |
Lv et al. | Nonrecursive control for formation-containment of HFV swarms with dynamic event-triggered communication | |
CN105093934A (zh) | 考虑干扰与模型不确定性的多机器人系统分布式有限时间跟踪控制方法 | |
Qi et al. | Stable indirect adaptive control based on discrete-time T–S fuzzy model | |
Li et al. | Robust fuzzy adaptive fault-tolerant control for a class of nonlinear systems with mismatched uncertainties and actuator faults | |
Maciejowski et al. | Fault tolerant control using Gaussian processes and model predictive control | |
Zhou et al. | Prescribed performance neuroadaptive fault-tolerant compensation for MIMO nonlinear systems under extreme actuator failures | |
CN112305918A (zh) | 超螺旋观测器下的多智能体系统滑模容错一致性控制算法 | |
Wei et al. | Low-complexity differentiator-based decentralized fault-tolerant control of uncertain large-scale nonlinear systems with unknown dead zone | |
CN108356816B (zh) | 基于输出位置的单臂机械手事件触发adp控制器结构 | |
Zhao et al. | Event-triggered consensus of discrete time second-order multi-agent network | |
Hu et al. | Real-time tube MPC applied to a 10-state quadrotor model | |
CN114564000A (zh) | 基于智能飞行器执行器故障诊断的主动容错方法及系统 | |
CN103399488B (zh) | 基于自学习的多模型控制方法 | |
Liu et al. | Distributed adaptive fuzzy control approach for prescribed-time containment of uncertain nonlinear multi-agent systems with unknown hysteresis | |
CN112527016A (zh) | 一种智能集群一体化容错时变编队控制方法及系统 | |
CN114237041A (zh) | 一种基于预设性能的空-地协同固定时间容错控制方法 | |
CN110225100B (zh) | 一种面向智能装配生产线的虚实映射系统 | |
Liu et al. | Fixed‐time cooperative control for robotic manipulators with motion constraints using unified transformation function | |
Ma et al. | Active manipulation of elastic rods using optimization-based shape perception and sensorimotor model approximation | |
CN113325717A (zh) | 基于互联大规模系统的最优容错控制方法、系统、处理设备、存储介质 | |
CN106168760A (zh) | 基于凸多面体故障模型的不确定时滞系统稳定性判定方法 | |
Ma et al. | Model free position-force control of environmental constrained reconfigurable manipulators based on adaptive dynamic programming |
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 |