CN110303504B - 机械手安全控制系统 - Google Patents

机械手安全控制系统 Download PDF

Info

Publication number
CN110303504B
CN110303504B CN201910734221.4A CN201910734221A CN110303504B CN 110303504 B CN110303504 B CN 110303504B CN 201910734221 A CN201910734221 A CN 201910734221A CN 110303504 B CN110303504 B CN 110303504B
Authority
CN
China
Prior art keywords
module
signal
output
manipulator
nonlinear
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
CN201910734221.4A
Other languages
English (en)
Other versions
CN110303504A (zh
Inventor
杨杨
孟青
岳东
司雪峰
戈井志
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201910734221.4A priority Critical patent/CN110303504B/zh
Publication of CN110303504A publication Critical patent/CN110303504A/zh
Application granted granted Critical
Publication of CN110303504B publication Critical patent/CN110303504B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor

Abstract

本发明提供了一种机械手安全控制系统，其包括相互信号连接的机械手、检测器、安全观测器、外部比较器及控制器，机械手为被控对象并在实际控制信号u的作用下实时输出当前转角信号y，检测器用于检测机械手与安全观测器之间的信号传输通道是否受到拒绝服务攻击，安全观测器用于根据标志信号v切换不同的模式，外部比较器用于接收位置信号ya及转角信号的估值
Figure DDA0002161625370000011
控制器接收产生的各类信号进行非线性运算。通过一种切换型神经网络的安全观测器对机械手安全控制系统的未知状态进行实时估计，并引入非线性增益函数及构造递归滑模设计了控制器，从而极大地提高了系统的动态性能及可靠性并解决了传统安全控制器参数自身摄动脆弱的缺点。

Description

机械手安全控制系统
技术领域
本发明涉及工业控制技术领域，尤其涉及一种在拒绝服务攻击下采用非线性增益递归滑模方法动态面的方法设计的机械手安全控制系统。
背景技术
工业机械手是近代自动控制领域中出现的一项新技术，并已成为一门新兴的学科——机械手工程。在实际应用中，由于机械手系统的复杂性、脆弱性等问题，常常需要研究机械手安全控制系统中可能存在的安全问题。
欺骗服务攻击的目标是篡改传输的信息，从而导致错误或误导性的反馈数据。与欺骗攻击相比，拒绝服务(DoS，denial-of-service)攻击的目标是试图阻止系统设备或组件之间的信息传输，从而对非线性系统的影响非常严重。
因此，当机械手系统遭受DoS攻击时，采用安全控制设计、产生合适的控制信号等削弱或消除其影响和危害的手段，对机械手的安全控制具有重大的理论意义和迫切的实用价值。近年来，研究人员分别从两个相反的观点来研究DoS攻击，即DoS攻击如何进行和如何应对DoS攻击。此后，经过研究人员多年的努力，针对DoS攻击如何进行和如何应对DoS攻击这两个难题取得了初步的进展。
但是，当机械手系统遭受DoS攻击时，传统的机械手安全控制系统中普遍存在控制精度与动态品质之间的矛盾、控制器参数摄动脆弱、控制器设计过程过复杂等一系列问题，从而对机械手安全控制系统的发展带来了一定阻碍。
有鉴于此，确有必要设计一种机械手安全控制系统，以解决上述问题。
发明内容
本发明的目的在于提供一种采用非线性增益递归滑模方法动态面的方法设计的机械手安全控制系统。
为实现上述目的，本发明采用如下技术方案：
一种机械手安全控制系统，其包括相互信号连接的机械手、检测器、安全观测器、外部比较器及控制器；
所述机械手为被控对象并在实际控制信号u的作用下实时输出当前转角信号y；
所述检测器用于检测机械手与安全观测器之间的信号传输通道是否受到拒绝服务攻击，从而生成攻击标志信号v及位置信号ya；
所述安全观测器用于根据攻击标志信号v切换不同的模式，从而生成转角信号的估值
Figure GDA0003557880860000021
及角速度信号的估值
Figure GDA0003557880860000022
所述外部比较器用于接收位置信号ya及转角信号的估值
Figure GDA0003557880860000023
从而运算得到所述安全观测器对位置信号ya的估计误差信号ep；
所述控制器分别与机械手、检测器、安全观测器及外部比较器信号连接并接收其产生的各类信号进行非线性运算，从而最终生成实际控制信号u对所述机械手进行实时的安全控制；所述控制器包括相互信号连接的第一子控制器及第二子控制器；所述第一子控制器包括相互信号连接的第一组合模块、第一逼近器模块、第一比较器模块、第一非线性增益函数模块、第一自适应控制模块及第一非线性运算模块，所述第二子控制器包括相互信号连接的滤波器模块、第二比较器模块、滑模组合模块、第二非线性增益函数模块、第二自适应控制模块、第二组合模块、第二逼近器模块及第二非线性运算模块；
所述安全观测器的输入端与第一逼近器模块、外部比较器、检测器、第二非线性运算模块、第二逼近器模块及安全观测器的输出端相连并接收相应信号生成转角信号的估值
Figure GDA0003557880860000024
及角速度信号的估值
Figure GDA0003557880860000025
其输出端与第一组合模块、第二组合模块、第一比较器模块及第二比较器模块的输入端相连；
所述第一组合模块输出组合信号
Figure GDA0003557880860000031
与第一逼近器模块的输入端相连，所述第一逼近器模块输出系统未知项的估计信号
Figure GDA0003557880860000032
与第一非线性运算模块及安全观测器的输入端相连，所述第一比较器模块根据期望转角信号yd及转角信号的估值
Figure GDA0003557880860000033
输出转角误差信号s1并与第一非线性增益模块、第二非线性运算模块及滑模组合模块的输入端相连，所述第一非线性增益函数模块输出非线性增益函数信号l1(s1)与第一非线性运算模块、第二非线性运算模块及第一自适应控制模块的输入端相连，所述第一自适应控制模块输出神经网络逼近误差界的估计信号
Figure GDA0003557880860000034
与第一非线性运算模块及第一自适应控制模块的输入端相连，所述第一非线性运算模块输出虚拟控制信号x2,d与滤波器模块的输入端相连；
所述滤波器模块输出滤波器输出信号z2与第二非线性运算模块及第二比较器模块的输入端相连，所述第二比较器模块输出角速度误差信号e2与滑模组合模块的输入端相连，所述滑模组合模块输出误差滑模信号s2与第二非线性运算模块及第二非线性增益函数模块的输入端相连，所述第二非线性增益函数模块输出非线性增益函数信号J及l2(s2)与第二非线性运算模块及第二自适应控制模块的输入端相连，所述第二自适应控制模块输出神经网络逼近误差界的估计信号
Figure GDA0003557880860000035
分别与第二非线性运算模块及第二自适应控制模块的输入端相连，所述第二组合模块输出组合信号
Figure GDA0003557880860000036
与第二逼近器模块的输入端相连，所述第二逼近器模块输出系统未知项的估计信号
Figure GDA0003557880860000037
与第二非线性运算模块及安全观测器的输入端相连，所述第二非线性运算模块输出实际控制信号u与机械手及第二组合模块的输入端相连。
作为本发明进一步改进的技术方案，所述检测器的输出端与安全观测器、第一非线性运算模块及外部比较器的输入端相连。
作为本发明进一步改进的技术方案，所述外部比较器的输入端与检测器及安全观测器的输出端相连，其输出端与所述安全观测器及第一非线性运算模块的输入端相连。
作为本发明进一步改进的技术方案，所述第一非线性运算模块的输入端接收期望转角信号的导数
Figure GDA0003557880860000041
第一非线性增益函数模块输出的非线性增益函数信号l1(s1)、第一自适应控制模块输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000042
检测器输出的攻击标志信号ν、外部比较器输出的估计误差信号ep及第一逼近器模块输出的系统未知项的估计信号
Figure GDA0003557880860000043
从而计算出虚拟控制信号x2,d。
作为本发明进一步改进的技术方案，所述第二非线性运算模块的输入端分别接收第一非线性增益函数模块输出的非线性增益函数信号l1(s1)、外部比较器模块输出的估计误差信号ep、检测器输出的攻击标志信号ν、第一比较器模块输出的转角误差信号s1、滤波器模块输出的滤波器输出信号z2、滑模组合模块输出的误差滑模信号s2、第二非线性增益函数模块输出的非线性增益函数信号J和l2(s2)、第二自适应控制模块输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000044
及第二逼近器模块输出的系统未知项的估计信号
Figure GDA0003557880860000045
从而计算出所述实际控制信号y。
作为本发明进一步改进的技术方案，所述机械手为单臂机械手，其输入端与所述控制器的输出端相连，其输出端与所述检测器的输入端相连。
本发明的有益效果是：本发明通过一种切换型神经网络的安全观测器对机械手安全控制系统的未知状态进行实时估计，并引入非线性增益函数及构造递归滑模设计了控制器，从而极大地提高了系统的动态性能及可靠性并解决了传统安全控制器参数自身摄动脆弱的缺点。
附图说明
图1为本发明机械手安全控制系统的结构示意图。
图2为本发明机械手安全控制系统的转角信号跟踪效果图。
图3为本发明机械手安全控制系统与传统机械手安全控制系统的转角信号跟踪误差对比图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1到3所示，机械手安全控制系统包括相互信号连接的机械手1、检测器2、安全观测器3、外部比较器4及控制器5。机械手1为被控对象并在实际控制信号y的作用下实时输出当前转角信号y。检测器2用于检测机械手1与安全观测器3之间的信号传输通道是否受到拒绝服务攻击，从而生成攻击标志信号v及位置信号ya。安全观测器3用于根据攻击标志信号v切换不同的模式，从而生成转角信号的估值
Figure GDA0003557880860000051
及角速度信号的估值
Figure GDA0003557880860000052
外部比较器4用于接收位置信号ya及转角信号的估值
Figure GDA0003557880860000053
从而运算得到安全观测器3对位置信号ya的估计误差信号
Figure GDA0003557880860000054
控制器5采用非线性增益递归滑模动态面的方法设计，其分别与机械手1、检测器2、安全观测器3及外部比较器4信号连接并接收其产生的各类信号进行非线性运算，从而最终生成实际控制信号u对机械手1进行实时的安全控制。
机械手1为单臂机械手，其输入端与控制器5的输出端相连，其输出端与检测器2的输入端相连。具体地，机械手1的系统动态模型为：
Figure GDA0003557880860000055
Figure GDA0003557880860000056
其中，θ为系统输出转角，D0＝4ml2/3为转动惯量，C0为关节转到的粘性摩擦系数，G0＝mglcosθ为重力项，τ为力矩及控制量。
此外，机械手1的状态模型为：
Figure GDA0003557880860000057
其中，dis为干扰量，m为质量，l为质心距连杆转动中心的距离，g为重力加速度，x1＝θ，θ为系统输出的转角，x2＝ω，ω为机械手1的角速度，y为输出的当前转角信号，u＝τ为力矩。
检测器2输出攻击标志信号v及位置信号ya与安全观测器3、第一非线性运算模块516及外部比较器4的输入端相连。具体地，检测器2输出攻击标志信号v与第一非线性运算模块516、第二非线性运算模块528及安全观测器3的输入端相连，检测器2输出位置信号ya与外部比较器4的输入端相连。
当机械手安全控制系统遭到拒绝服务攻击时，检测器2向第一非线性运算模块516、第二非线性运算模块528及安全观测器3输送攻击标志信号v＝0，从而使控制器5及安全观测器3据此切换不同的模式；此时，ya＝0。当机械手安全控制系统未遭到拒绝服务攻击时，检测器2向第一非线性运算模块516、第二非线性运算模块528及安全观测器3输出攻击标志信号v＝1，从而使控制器5及安全观测器3据此切换不同的模式；此时，ya＝y。
安全观测器3的输入端与第一逼近器模块512、外部比较器4、检测器2、第二非线性运算模块528、第二逼近器模块527及安全观测器3的输出端相连并接收相应信号生成转角信号的估值
Figure GDA0003557880860000061
及角速度信号的估值
Figure GDA0003557880860000062
其输出端与第一组合模块511、第二组合模块526、第一比较器模块513及第二比较器模块522的输入端相连。具体地，经过以下公式计算得到安全观测器3输出的转角信号的估值
Figure GDA0003557880860000063
及角速度信号的估值
Figure GDA0003557880860000064
Figure GDA0003557880860000065
其中，k1v、k2v均为待设计参数。
控制器5包括相互信号连接的第一子控制器51及第二子控制器52，第一子控制器51采用非线性增益动态面的方法设计并对相应信号进行运算，从而得到虚拟控制信号x2,d。第二子控制器52采用非线性增益递归滑模动态面的方法设计并对相应信号进行运算，从而得到实际控制信号u。
具体地，第一子控制器51包括相互信号连接的第一组合模块511、第一逼近器模块512、第一比较器模块513、第一非线性增益函数模块514、第一自适应控制模块515及第一非线性运算模块516。
第一组合模块511的输入端接收安全观测器3输出的转角信号的估值
Figure GDA0003557880860000071
及角速度信号的估值
Figure GDA0003557880860000072
经过组合得到第一组合模块511输出的组合信号
Figure GDA0003557880860000073
同时，第一组合模块511输出组合信号
Figure GDA0003557880860000074
与第一逼近器模块512的输入端相连。
第一逼近器模块512的输入端接收第一组合模块511输出的组合信号
Figure GDA0003557880860000075
并经过以下公式的计算得到第一逼近器模块512输出的系统未知项的估计信号
Figure GDA0003557880860000076
Figure GDA0003557880860000077
其中，
Figure GDA0003557880860000078
为第一个神经网络的径向基函数向量，通常使用高斯基函数
Figure GDA0003557880860000079
进行构造；
Figure GDA00035578808600000710
Figure GDA00035578808600000711
为神经网络的输入向量，c1＝[c1,1,c1,2]T、η1>0分别为高斯函数的宽度和中心点；
Figure GDA00035578808600000712
为第一个神经网络的权值估计值，Γ1>0、σ1>0为待设计参数。同时，第一逼近器模块512输出系统未知项的估计信号
Figure GDA00035578808600000713
与第一非线性运算模块516及安全观测器3的输入端相连。
第一比较器模块513的两个输入端分别接收外部输入的期望转角信号yd和安全观测器3输出的转角信号的估值
Figure GDA00035578808600000714
并经过以下公式的计算得到第一比较器模块513输出的转角误差信号s1：
Figure GDA00035578808600000715
同时，第一比较器模块513输出转角误差信号s1并与第一非线性增益函数模块514、第二非线性运算模块528及滑模组合模块523的输入端相连。
第一非线性增益函数模块514的输入端接收第一比较器模块513输出的转角误差信号s1，并经过以下公式的计算得到第一非线性增益函数模块514输出的非线性增益函数信号l1(s1)：
Figure GDA00035578808600000716
其中，a>0为待设计参数，sgn(x)为符号函数且其表达式为：
Figure GDA0003557880860000081
同时，第一非线性增益函数模块514输出非线性增益函数信号l1(s1)与第一非线性运算模块516、第二非线性运算模块528及第一自适应控制模块515的输入端相连。
第一自适应控制模块515存在一个反馈，其输入端分别接收第一非线性增益函数模块514输出的非线性增益函数信号l1(s1)和第一自适应控制模块515自身输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000082
并经过以下公式的计算得到第一自适应控制模块515输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000083
Figure GDA0003557880860000084
其中，Q1为第一自适应控制模块515的增益，ξ、Λ、ρ10大于0且均为待设计参数。同时，第一自适应控制模块515输出神经网络逼近误差界的估计信号
Figure GDA0003557880860000085
与第一非线性运算模块516及第一自适应控制模块515的输入端相连。
第一非线性运算模块516的输入端分别接收期望转角信号的导数
Figure GDA0003557880860000086
第一非线性增益函数模块514输出的非线性增益函数信号l1(s1)、第一自适应控制模块515输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000087
检测器2输出的攻击标志信号v、外部比较器4输出的估计误差信号ep及第一逼近器模块512输出的系统未知项的估计信号
Figure GDA0003557880860000088
从而计算出虚拟控制信号
Figure GDA0003557880860000089
Figure GDA00035578808600000810
其中，ξ、g1，k1v均为待设计参数。同时，第一非线性运算模块516输出虚拟控制信号x2,d与滤波器模块521的输入端相连。
第二子控制器52包括相互信号连接的滤波器模块521、第二比较器模块522、滑模组合模块523、第二非线性增益函数模块524、第二自适应控制模块525、第二组合模块526、第二逼近器模块527及第二非线性运算模块528。
滤波器模块521的输入端接收第一非线性运算模块516输出的虚拟控制信号x2,d，并经过以下公式的计算得到滤波器521输出的滤波器输出信号z2：
Figure GDA0003557880860000091
其中，T为滤波器模块521的时间常数。同时，滤波器模块521输出滤波器输出信号z2与第二非线性运算模块528及第二比较器模块522的输入端相连。
第二比较器模块522的两个输入端分别接收滤波器模块521输出的滤波器输出信号z2和安全观测器3输出的角速度信号的估值
Figure GDA0003557880860000092
并经过以下公式的计算得到第二比较器模块522输出的角速度误差信号e2：
Figure GDA0003557880860000093
同时，第二比较器模块522输出角速度误差信号e2与滑模组合模块523的输入端相连。
滑模组合模块523的两个输入端分别接收第二比较器模块522输出的角速度误差信号e2和第一比较器模块513输出的转角误差信号s1，并经过以下公式得到滑模组合模块523输出的误差滑模信号s2：
Figure GDA0003557880860000094
其中，C1>0为待设计参数。同时，滑模组合模块523输出误差滑模信号s2与第二非线性运算模块528及第二非线性增益函数模块524的输入端相连。
第二非线性增益函数模块524的输入端接收滑模组合模块523输出的误差滑模信号s2，并经过以下公式的计算得到第二非线性增益函数模块524输出的非线性增益函数信号l2(s2)和J：
Figure GDA0003557880860000095
其中，a>0为待设计参数，sgn(x)为符号函数且其表达式为：
Figure GDA0003557880860000096
同时，第二非线性增益函数模块524输出非线性增益函数信号J和l2(s2)与第二非线性运算模块528及第二自适应控制模块525的输入端相连。
第二自适应控制模块525存在一个反馈，其输入端分别接收第二非线性增益函数模块524输出的非线性增益函数信号l2(s2)和第二自适应控制模块525自身输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000101
并经过以下公式的计算得到第二自适应控制模块525输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000102
Figure GDA0003557880860000103
其中，Q2为第二自适应控制模块525的增益，ξ、Λ、ρ20大于0且均为待设计参数。同时，第二自适应控制模块525输出神经网络逼近误差界的估计信号
Figure GDA0003557880860000104
分别与第二非线性运算模块528及第二自适应控制模块525的输入端相连。
第二组合模块526的输入端接收安全观测器3输出的转角信号的估值
Figure GDA0003557880860000105
角速度信号的估值
Figure GDA0003557880860000106
及第二非线性运算模块528输出的实际控制信号u，经过组合得到第二组合模块526输出的组合信号
Figure GDA0003557880860000107
同时，第二组合模块526输出组合信号
Figure GDA0003557880860000108
与第二逼近器模块527的输入端相连。
第二逼近器模块527的输入端接收第一组合模块511输出的组合信号
Figure GDA0003557880860000109
并经过以下公式的计算得到第二逼近器模块527输出的系统未知项的估计信号
Figure GDA00035578808600001010
Figure GDA00035578808600001011
其中，
Figure GDA00035578808600001012
为第二个神经网络的径向基函数向量，其通常使用高斯基函数
Figure GDA00035578808600001013
进行构造；
Figure GDA00035578808600001014
Figure GDA00035578808600001015
为神经网络的输入向量，c2＝[c2,1,c2,2,c2,3]T、η2>0分别为高斯函数的宽度和中心点；
Figure GDA00035578808600001016
为第二个神经网络的权值估计值，Γ2>0、σ2>0是待设计参数。同时，第二逼近器模块527输出系统未知项的估计信号
Figure GDA00035578808600001017
与第二非线性运算模块528及安全观测器3的输入端相连。
第二非线性运算模块528的输入端分别接收第一非线性增益函数模块524输出的非线性增益函数信号l1(s1)、外部比较器4输出的估计误差信号ep、检测器2输出的攻击标志信号v、第一比较器模块513输出的转角误差信号s1、滤波器模块521输出的滤波器输出信号z2、滑模组合模块523输出的误差滑模信号s2、第二非线性增益函数模块524输出的非线性增益函数信号J和l2(s2)、第二自适应控制模块525输出的神经网络逼近误差界的估计信号
Figure GDA0003557880860000111
及第二逼近器模块527输出的系统未知项的估计信号
Figure GDA0003557880860000112
从而计算出实际控制信号
Figure GDA0003557880860000113
Figure GDA0003557880860000114
其中，C1、C2、ξ、g2，k2ν均为待设计参数。同时，第二非线性运算模块528输出实际控制信号u与机械手1及第二组合模块526的输入端相连。
综上所述，本发明的机械手安全控制系统包括相互信号连接的机械手1、检测器2、安全观测器3、外部比较器4及控制器5。机械手安全控制系统通过一种切换型神经网络的安全观测器3对其未知状态进行实时估计，并引入非线性增益函数及构造递归滑模设计了控制器，从而极大地提高了系统的动态性能及可靠性并解决了传统安全控制器参数自身摄动脆弱的缺点。本文使用的例如“上”、“下”、“左”、“右”、“前”、“后”、等表示空间相对位置的术语是出于便于说明的目的来描述如附图中所示的一个特征相对于另一个特征的关系。可以理解，根据产品摆放位置的不同，空间相对位置的术语可以旨在包括除了图中所示方位以外的不同方位，并不应当理解为对权利要求的限制。另外，本文使用的描述词“水平”并非完全等同于沿着垂直于重力方向，允许有一定角度的倾斜。
另外，以上实施例仅用于说明本发明而并非限制本发明所描述的技术方案，对本说明书的理解应该以所属技术领域的技术人员为基础，尽管本说明书参照上述的实施例对本发明已进行了详细的说明，但是，本领域的普通技术人员应当理解，所属技术领域的技术人员仍然可以对本发明进行修改或者等同替换，而一切不脱离本发明的精神和范围的技术方案及其改进，均应涵盖在本发明的权利要求范围内。

Claims (6)

1.一种机械手安全控制系统，其特征在于：其包括相互信号连接的机械手、检测器、安全观测器、外部比较器及控制器；
所述机械手为被控对象并在实际控制信号u的作用下实时输出当前转角信号y；
所述检测器用于检测机械手与安全观测器之间的信号传输通道是否受到拒绝服务攻击，从而生成攻击标志信号v及位置信号ya；
所述安全观测器用于根据攻击标志信号v切换不同的模式，从而生成转角信号的估值
Figure FDA0003557880850000011
及角速度信号的估值
Figure FDA0003557880850000012
所述外部比较器用于接收位置信号ya及转角信号的估值
Figure FDA0003557880850000013
从而运算得到所述安全观测器对位置信号ya的估计误差信号ep；
所述控制器分别与机械手、检测器、安全观测器及外部比较器信号连接并接收其产生的各类信号进行非线性运算，从而最终生成实际控制信号u对所述机械手进行实时的安全控制；
所述控制器包括相互信号连接的第一子控制器及第二子控制器；所述第一子控制器包括相互信号连接的第一组合模块、第一逼近器模块、第一比较器模块、第一非线性增益函数模块、第一自适应控制模块及第一非线性运算模块，所述第二子控制器包括相互信号连接的滤波器模块、第二比较器模块、滑模组合模块、第二非线性增益函数模块、第二自适应控制模块、第二组合模块、第二逼近器模块及第二非线性运算模块；
所述安全观测器的输入端与第一逼近器模块、外部比较器、检测器、第二非线性运算模块、第二逼近器模块及安全观测器的输出端相连并接收相应信号生成转角信号的估值
Figure FDA0003557880850000014
及角速度信号的估值
Figure FDA0003557880850000015
其输出端与第一组合模块、第二组合模块、第一比较器模块及第二比较器模块的输入端相连；
所述第一组合模块输出组合信号
Figure FDA0003557880850000016
与第一逼近器模块的输入端相连，所述第一逼近器模块输出系统未知项的估计信号
Figure FDA0003557880850000021
与第一非线性运算模块及安全观测器的输入端相连，所述第一比较器模块根据期望转角信号yd及转角信号的估值
Figure FDA0003557880850000022
输出转角误差信号s1并与第一非线性增益模块、第二非线性运算模块及滑模组合模块的输入端相连，所述第一非线性增益函数模块输出非线性增益函数信号l1(s1)与第一非线性运算模块、第二非线性运算模块及第一自适应控制模块的输入端相连，所述第一自适应控制模块输出神经网络逼近误差界的估计信号
Figure FDA0003557880850000023
与第一非线性运算模块及第一自适应控制模块的输入端相连，所述第一非线性运算模块输出虚拟控制信号x2,d与滤波器模块的输入端相连；
所述滤波器模块输出滤波器输出信号z2与第二非线性运算模块及第二比较器模块的输入端相连，所述第二比较器模块输出角速度误差信号e2与滑模组合模块的输入端相连，所述滑模组合模块输出误差滑模信号s2与第二非线性运算模块及第二非线性增益函数模块的输入端相连，所述第二非线性增益函数模块输出非线性增益函数信号J及l2(s2)与第二非线性运算模块及第二自适应控制模块的输入端相连，所述第二自适应控制模块输出神经网络逼近误差界的估计信号
Figure FDA0003557880850000024
分别与第二非线性运算模块及第二自适应控制模块的输入端相连，所述第二组合模块输出组合信号
Figure FDA0003557880850000025
与第二逼近器模块的输入端相连，所述第二逼近器模块输出系统未知项的估计信号
Figure FDA0003557880850000026
与第二非线性运算模块及安全观测器的输入端相连，所述第二非线性运算模块输出实际控制信号u与机械手及第二组合模块的输入端相连。
2.根据权利要求1所述的机械手安全控制系统，其特征在于：所述检测器的输出端与安全观测器、第一非线性运算模块及外部比较器的输入端相连。
3.根据权利要求1所述的机械手安全控制系统，其特征在于：所述外部比较器的输入端与检测器及安全观测器的输出端相连，其输出端与所述安全观测器及第一非线性运算模块的输入端相连。
4.根据权利要求1所述的机械手安全控制系统，其特征在于：所述第一非线性运算模块的输入端接收期望转角信号的导数
Figure FDA0003557880850000031
第一非线性增益函数模块输出的非线性增益函数信号l1(s1)、第一自适应控制模块输出的神经网络逼近误差界的估计信号
Figure FDA0003557880850000032
检测器输出的攻击标志信号v、外部比较器输出的估计误差信号ep及第一逼近器模块输出的系统未知项的估计信号
Figure FDA0003557880850000033
从而计算出虚拟控制信号x2,d。
5.根据权利要求1所述的机械手安全控制系统，其特征在于：所述第二非线性运算模块的输入端分别接收第一非线性增益函数模块输出的非线性增益函数信号l1(s1)、外部比较器模块输出的估计误差信号ep、检测器输出的攻击标志信号v、第一比较器模块输出的转角误差信号s1、滤波器模块输出的滤波器输出信号z2、滑模组合模块输出的误差滑模信号s2、第二非线性增益函数模块输出的非线性增益函数信号J和l2(s2)、第二自适应控制模块输出的神经网络逼近误差界的估计信号
Figure FDA0003557880850000034
及第二逼近器模块输出的系统未知项的估计信号
Figure FDA0003557880850000035
从而计算出所述实际控制信号u。
6.根据权利要求1所述的机械手安全控制系统，其特征在于：所述机械手为单臂机械手，其输入端与所述控制器的输出端相连，其输出端与所述检测器的输入端相连。
CN201910734221.4A 2019-08-09 2019-08-09 机械手安全控制系统 Active CN110303504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910734221.4A CN110303504B (zh) 2019-08-09 2019-08-09 机械手安全控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910734221.4A CN110303504B (zh) 2019-08-09 2019-08-09 机械手安全控制系统

Publications (2)

Publication Number Publication Date
CN110303504A CN110303504A (zh) 2019-10-08
CN110303504B true CN110303504B (zh) 2022-05-10

Family

ID=68083094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910734221.4A Active CN110303504B (zh) 2019-08-09 2019-08-09 机械手安全控制系统

Country Status (1)

Country Link
CN (1) CN110303504B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111168660B (zh) * 2020-01-21 2021-05-07 北京科技大学 一种冗余自由度液压重载机器臂主动安全系统
CN111673750B (zh) * 2020-06-12 2022-03-04 南京邮电大学 欺骗攻击下的主从式多机械臂系统的速度同步控制方案

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104730920A (zh) * 2015-04-16 2015-06-24 大连海事大学 一种神经网络自适应动态面控制器结构与设计方法
CN107395596A (zh) * 2017-07-24 2017-11-24 南京邮电大学 一种基于冗余控制器切换的拒绝服务攻击防御方法
CN108353081A (zh) * 2015-09-28 2018-07-31 13部门有限公司 无人机入侵检测和对抗
CN109218288A (zh) * 2018-08-01 2019-01-15 北京科技大学 一种针对工业机器人控制系统的网络入侵检测系统
CN109333529A (zh) * 2018-09-20 2019-02-15 南京邮电大学 含预定义性能的多单臂机械手输出一致控制器及设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104730920A (zh) * 2015-04-16 2015-06-24 大连海事大学 一种神经网络自适应动态面控制器结构与设计方法
CN108353081A (zh) * 2015-09-28 2018-07-31 13部门有限公司 无人机入侵检测和对抗
CN107395596A (zh) * 2017-07-24 2017-11-24 南京邮电大学 一种基于冗余控制器切换的拒绝服务攻击防御方法
CN109218288A (zh) * 2018-08-01 2019-01-15 北京科技大学 一种针对工业机器人控制系统的网络入侵检测系统
CN109333529A (zh) * 2018-09-20 2019-02-15 南京邮电大学 含预定义性能的多单臂机械手输出一致控制器及设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于事件触发机制的网络控制系统跟踪控制研究;尚创威;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190215(第2期);全文 *

Also Published As

Publication number Publication date
CN110303504A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
Dierks et al. Control of nonholonomic mobile robot formations: Backstepping kinematics into dynamics
CN110303504B (zh) 机械手安全控制系统
CN106249602B (zh) 桥式吊车有限时间轨迹跟踪控制器及其设计方法
CN113589689B (zh) 一种基于多参数自适应神经网络的滑模控制器设计方法
CN107168369B (zh) 一种欠驱动无人车的编队控制方法及系统
CN112223275B (zh) 基于有限时间跟踪控制的协作机器人控制方法
CN111965976B (zh) 基于神经网络观测器的机器人关节滑模控制方法及系统
CN112809666B (zh) 一种基于神经网络的5-dof机械臂力位跟踪算法
CN112859600A (zh) 一种基于扩张状态观测器的机械系统有限时间控制方法
Nie et al. Switched linear parameter‐varying tracking control for quadrotors with large attitude angles and time‐varying inertia
CN114516047A (zh) 基于径向基神经网络终端滑模控制机械臂轨迹方法及系统
Hu et al. Precision motion control of a small launching platform with disturbance compensation using neural networks
CN113043280B (zh) 一种处理dos攻击下的遥操作系统的控制方法
Razmjooei et al. A novel continuous finite-time extended state observer design for a class of uncertain nonlinear systems
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
CN107263455B (zh) 二自由度scara机器人的位置跟踪控制方法
Wang et al. Adaptive backstepping control with extended state observer for wheeled mobile robot
CN115963819A (zh) 一种非完整移动机器人编队控制方法
CN116175585A (zh) 具有输入饱和与输出约束的多关节机械臂ude控制方法
CN114167725A (zh) 协作机器人轨迹跟踪控制方法及系统
CN112859594B (zh) 一种用于永磁球形电机轨迹跟踪的终端滑模控制方法
CN112223276B (zh) 基于自适应神经网络滑模控制的多关节机器人控制方法
CN114967441A (zh) 一种网络化非完整约束多机器人分群一致追踪控制方法、微控单元及控制系统
Yamada et al. Detection of data tampering attacks using redundant network paths with different delays for networked control systems
CN115857334A (zh) 动态阈值事件驱动的多关节机械臂神经网络控制方法

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