CN111716360A - 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 - Google Patents
一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 Download PDFInfo
- Publication number
- CN111716360A CN111716360A CN202010608774.8A CN202010608774A CN111716360A CN 111716360 A CN111716360 A CN 111716360A CN 202010608774 A CN202010608774 A CN 202010608774A CN 111716360 A CN111716360 A CN 111716360A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- flexible joint
- fuzzy
- sampling
- joint mechanical
- 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.)
- Granted
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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- B25J9/1635—Programme controls characterised by the control loop flexible-arm control
Abstract
本发明公开了一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置,所述方法包括:建立柔性关节机械臂系统的动态方程;建立全局模糊柔性关节机械臂系统;设计采样输出反馈控制器;将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统;更新输出反馈控制器的控制器增益,得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制;本发明的优点在于:适用于输出信号为非连续信号的情形,控制器设计难度低,机械臂轨迹跟踪控制具有稳定性以及鲁棒性。
Description
技术领域
本发明涉及人工智能及控制领域,更具体涉及一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置。
背景技术
随着人工智能技术和机器人的兴起,机器人系统在工业生产、宇航作业、军事行动以及医疗卫生等诸多领域得到广泛的应用。柔性关节机械臂系统是一种典型的机器人系统,具有质量轻、损伤率低、功耗低、灵活性高等优点。近年来,随着数字计算机技术的快速发展,应用离散数字控制器来控制连续被控对象的采样控制在现代控制应用中发挥着愈发重要的作用,如何以数字计算机为载体对柔性关节机械臂系统进行有效的数字化控制是当前研究的热点。
另一方面,在很多实际工况中,柔性关节机械臂系统的全部状态往往不都是可测量的,只有输出信息可测量。此外,机械臂系统作业环境中难免受到外部扰动等因素的影响,这会降低系统的控制性能,甚至导致系统发散。因此,仅基于系统的输出信号对柔性关节机械臂系统进行采样输出反馈控制的研究对保证控制任务的顺利完成具有重要的现实意义。
现有技术一:中国专利申请号CN201910291400.5,公开了一种柔性关节机械臂控制方法,基于模糊神经网络和反演法提供了一种柔性关节机械臂系统的自适应轨迹跟踪控制方法。将期望的关节和电机的位移、角速度作为自适应反演控制器的参考输入,将电动机提供转矩作为控制器的实际输入,且通过自适应反演控制器的迭代计算,使得预设的期望值和实际输出值之间的跟踪误差趋近于零。该控制方法减小了超调量,能实现快速跟踪,并且具有一定的抗干扰能力,改善了柔性关节机械臂的控制稳定性。
现有技术一的缺点:
1)该发明申请是基于柔性关节机械臂系统的全部状态可测的情形,当机械臂系统的全部状态不完全可测,只有输出信号可测时,该方法不再适用。
2)该发明申请所提出的控制器设计方法较为复杂。
为了解决当机械臂系统的全部状态不完全可测,只有输出信号可测时,现有技术一的机械臂控制方法不再适用的问题,现有技术二还提出针对只有输出信号可测的机械臂控制方法。
现有技术二:中国专利公告号CN107870570B,公开了一种终端滑模机械臂轨迹跟踪方法,通过设计对不确定上界的自适应律和分数阶幂次趋近的切换控制方法,使系统状态能快速地到达滑模面。然后基于分数阶幂次趋近律的收敛速率的特性,使系统状态在有限时间内快速收敛至平衡点并使得跟踪误差收敛到零,从而实现对期望输出的关节角轨迹的跟踪。
1)该发明所使用的机械臂实际的输出信号是连续的信号。对于系统的输出信号仅能以采样的方式测量得到时,该方法不适用。
2)该发明没有提出闭环机械臂系统抑制外部干扰的量化的技术指标。
综上所述,现有技术的机械臂控制方法具有以下缺陷:1、不适用于输出信号为非连续信号的情形;2、控制器设计复杂;3、没有提出闭环机械臂系统抑制外部干扰的量化的技术指标。
发明内容
本发明所要解决的技术问题在于提供一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置,保证了机械臂系统的稳定性,同时能够改善闭环系统的鲁棒性能,降低控制器实现的难度,减小控制成本,并扩大使用范围。
本发明通过以下技术手段实现解决上述技术问题的:一种基于模糊逻辑的柔性关节机械臂采样控制方法,所述方法包括:
步骤一:建立柔性关节机械臂系统的动态方程;
步骤二:对柔性关节机械臂系统的动态方程进行局部点线性化,通过模糊隶属度函数建立全局模糊柔性关节机械臂系统;
步骤三:使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计采样输出反馈控制器;
步骤四:将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统;
步骤五:更新输出反馈控制器的控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。
本发明对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计了采样输出反馈控制器,利用系统的采样输出信号就能对机械臂系统进行有效的控制,适用于输出信号为非连续信号的情形,应用范围广。同时,本发明使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,降低控制器实现的难度,减小控制成本。本发明更新输出反馈控制器的控制器增益最终获取最优增益并代入采样输出反馈控制器,得到更新的采样输出反馈控制器,更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,保证了机械臂系统的稳定性,同时能够改善闭环系统的鲁棒性能。
进一步地,所述步骤一包括:
通过公式建立柔性关节机械臂系统的动态方程,其中,q1表示机械臂关节连接杆旋转的角度,q2表示电机轴旋转的角度;表示机械臂关节连接杆旋转的角加速度,表示电机轴旋转的角加速度;S为关节的弹性系数且S=7.47Nm/rad,I1为连接杆的转动惯量且I1=1.35×10-4kgm2,I2为电机的转动惯量且I2=2.16×10-3kgm2,M为连接杆质量且M=0.2kg,g为重力常数且g=9.8ms2,L0为柔性关节与机械臂重心之间的距离且L0=0.02m;
进一步地,所述步骤二包括:
其中,系统的第m个模糊规则Rulem为:若x1(t)是Fm,则
通过单点模糊化、乘积推理和中心平均反模糊化方法,得到全局模糊柔性关节机械臂系统
进一步地,所述步骤三包括:
通过公式u(t)=Ky(tj)获取采样输出反馈控制器,其中,t∈[tj,tj+1),K是控制器增益。
进一步地,所述步骤四包括:
将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统为
将闭环机械臂系统改写为
其中,d(t)=t-tj≤h,t∈[tj,tj+1),h表示系统允许的采样间隔的最大值,
进一步地,所述闭环控制系统抑制外部干扰的量化的技术指标公式为
进一步地,所述步骤五包括:
通过调整公式中的参数矩阵更新控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标γ的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标γmin,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。
本发明还提供一种基于模糊逻辑的柔性关节机械臂采样控制装置,所述装置包括:
动态方程获取模块,用于建立柔性关节机械臂系统的动态方程;
模型建立模块,用于对柔性关节机械臂系统的动态方程进行局部点线性化,通过模糊隶属度函数建立全局模糊柔性关节机械臂系统;
控制器建立模块,用于使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计采样输出反馈控制器;
闭环系统获取模块,用于将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统;
控制模块,用于更新输出反馈控制器的控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。
进一步地,所述动态方程获取模块还用于:
通过公式建立柔性关节机械臂系统的动态方程,其中,q1表示机械臂关节连接杆旋转的角度,q2表示电机轴旋转的角度;表示机械臂关节连接杆旋转的角加速度,表示电机轴旋转的角加速度;S为关节的弹性系数且S=7.47Nm/rad,I1为连接杆的转动惯量且I1=1.35×10-4kgm2,I2为电机的转动惯量且I2=2.16×10-3kgm2,M为连接杆质量且M=0.2kg,g为重力常数且g=9.8ms2,L0为柔性关节与机械臂重心之间的距离且L0=0.02m;
进一步地,所述模型建立模块还用于:
其中,系统的第m个模糊规则Rulem为:若x1(t)是Fm,则
通过单点模糊化、乘积推理和中心平均反模糊化方法,得到全局模糊柔性关节机械臂系统
进一步地,所述控制器建立模块还用于:
通过公式u(t)=Ky(tj)获取采样输出反馈控制器,其中,t∈[tj,tj+1),K是控制器增益。
进一步地,所述闭环系统获取模块还用于:
将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统为
将闭环机械臂系统改写为
其中,d(t)=t-tj≤h,t∈[tj,tj+1),h表示系统允许的采样间隔的最大值,
进一步地,所述闭环控制系统抑制外部干扰的量化的技术指标公式为
进一步地,所述步骤五包括:
通过调整公式中的参数矩阵更新控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标γ的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标γmin,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。
本发明的优点在于:本发明对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计了采样输出反馈控制器,利用系统的采样输出信号就能对机械臂系统进行有效的控制,适用于输出信号为非连续信号的情形,应用范围广。
同时,本发明使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,降低控制器实现的难度,减小控制成本。本发明更新输出反馈控制器的控制器增益获取最优增益并代入采样输出反馈控制器,得到更新的采样输出反馈控制器,更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,保证了机械臂系统的稳定性,同时能够改善闭环系统的鲁棒性能。
附图说明
图1为本发明实施例所公开的一种基于模糊逻辑的柔性关节机械臂采样控制方法中柔性关节机械臂结构示意图;
图2为本发明实施例所公开的一种基于模糊逻辑的柔性关节机械臂采样控制方法中模糊隶属度函数示意图;
图3为本发明实施例所公开的一种基于模糊逻辑的柔性关节机械臂采样控制方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1至图3所示,图1为柔性关节机械臂结构示意图,图2为柔性关节机械臂系统的模糊隶属度函数示意图,图3为本发明的流程图,一种基于模糊逻辑的柔性关节机械臂采样控制方法,所述方法包括:
步骤S1:建立柔性关节机械臂系统的动态方程;其动态特性可由下述欧拉-拉格朗日动力学方程刻画:
建立柔性关节机械臂系统的动态方程,其中,q1表示机械臂关节连接杆旋转的角度,q2表示电机轴旋转的角度;表示机械臂关节连接杆旋转的角加速度,表示电机轴旋转的角加速度;S为关节的弹性系数且S=7.47Nm/rad,I1为连接杆的转动惯量且I1=1.35×10-4kgm2,I2为电机的转动惯量且I2=2.16×10-3kgm2,M为连接杆质量且M=0.2kg,g为重力常数且g=9.8ms2,L0为柔性关节与机械臂重心之间的距离且L0=0.02m。
步骤S2:对柔性关节机械臂系统的动态方程进行局部点线性化,通过模糊隶属度函数建立全局模糊柔性关节机械臂系统;具体过程为:
令x1=q1,x3=q2,对于柔性关节机械臂系统的动态方程(1)中,假设只有状态x1和x3可测。此外,柔性关节机械臂系统的动态方程(1)中存在非线性函数sin(q1),使得对柔性关节机械臂系统的动态方程(1)的控制问题难于处理。由模糊逻辑系统的通用逼近特性可知,模糊逻辑系统可以任意精读逼近未知非线性函数。因此,考虑存在外部干扰的情形下,在三个工作点(0,0,0,0)T和对柔性关节机械臂系统的动态方程进行线性化,然后通过乘积推理和中心平均反模糊化方法,得到带有两个模糊规则的模糊柔性关节机械臂系统模型。对方程进行线性化、乘积推理和中心平均反模糊化方法均为现有技术,在此不做赘述。
其中,系统规则Rulem:若x1(t)是Fm则
具体的,第一个规则Rule1:若x1(t)在0附近,则
其中,模糊隶属度函数如附图2所示,纵坐标为隶属度,Rule 1表示第一个规则,Rule 2表示第二个规则。
x(t)是系统状态且表示nx维空间,其他R带有上标的同理,在此不再一一解释,y(t)是系统输出信号且u(t)是控制输入力矩且z(t)是评价输出信号且w(t)是外部干扰且Am、B、D1、C、D2、L均为系统参数矩阵且
其中,:=表示定义符,v和m均为角标索引,且m∈1,2 v∈{1,2};通过单点模糊化、乘积推理和中心平均反模糊化方法,得到全局模糊柔性关节机械臂系统
第1个和第2个模糊隶属度函数的取值如下:
步骤S3:使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计采样输出反馈控制器;具体过程为:
在本发明中,只有机械臂系统的采样输出信号可测,通过使用零阶保持器在tj时刻,可测得采样输出信号y(tj),且
0=t0<t1<t2<…<tj<… (6)
设计采样输出反馈控制器,其中,t∈[tj,tj+1),K是控制器增益。
步骤S4:将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统;具体过程为:
将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统为
将闭环机械臂系统改写为
需要说明的是,没有特定含义,均属于中间计算量,表示某某的增广矩阵,为一个常值对角矩阵,为E的增广矩阵,为A(μ)的增广矩阵,为C的增广矩阵,为D的增广矩阵,表示增广的闭环系统状态,表示闭环系统状态的关系矩阵,表示增广的干扰,表示L的增广矩阵,z(t)表示系统的评价输出。
基于输入-时滞技术,定义
d(t)=t-tj≤h,t∈[tj,tj+1) (11)
其中,d(t)表示一个中间参量,由上式(11)给出,h表示系统允许的最大采样间隔
将系统(9)重新写作:
本发明的目的是基于采样输出信号为柔性关节机械臂系统的动态方程(1)设计一个采样输出反馈控制器,保证闭环机械臂系统渐近稳定,并在外部干扰存在时,具有鲁棒干扰抑制性能γ:
步骤S5:更新输出反馈控制器的控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。具体过程为:
构建Lyapunov-Krasovskii泛函,
其中,
定义:
沿着系统(12)的轨迹,对V1(t)求导得,
对V2(t)求导得,
其中,
应用矩阵积分不等式处理式(21)右侧第二项,得,
基于式(21)-式(23),得
考虑到式(17)、式(19)和式(24),并考虑鲁棒干扰抑性能γ,有:
其中,Λ表示为Λ(d(t))的简化形式,Λ(d(t))是关于d(t)的矩阵函数
注意到在式(26)中存在时变的时滞d(t)且满足:
0≤d(t)≤h (27)
这就意味着d(t)可表示为:
d(t)=λ·0+(1-λ)h (28)
其中,λ表示一个预设的常数且0≤λ≤1。
根据输入时滞技术的定义,由于d(t)是关于λ的一个线性的函数,所以λ=0和λ=1是式(25)的边界条件,进一步地,若Λ(d(t))负定,则闭环机械臂系统(9)渐近稳定且具备鲁棒干扰抑制性能γ。Λ(d(t))可变换为
抽取模糊隶属度函数,式(29)可变换为:
其中,表示抽取模糊隶属度函数之后的增广系统矩阵,P3表示第1个Lyapunov函数V1(t)的分块Lyapunov矩阵P的第1块的矩阵元素,P2表示分块Lyapunov矩阵P的第2块的矩阵元素,表示包含控制器增益的增广矩阵,
定义参数矩阵:
其中,Ψ1表示公式35中分块矩阵Ψ第1行第1列的矩阵元素,Ψ2表示公式35中分块矩阵Ψ的第2行第2列的矩阵元素,
因此,闭环柔性机械臂系统渐近稳定且具备鲁棒干扰抑制性能γ,且采样输出反馈控制器增益可由下式参数化求解:
通过调整公式中的参数矩阵更新控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标γ的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标γmin,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。
通过以上技术方案,本发明根据模糊柔性关节机械臂系统模型得到全局模糊柔性关节机械臂系统,对全局模糊柔性关节机械臂系统设计了采样输出反馈控制器,利用系统的采样输出信号就能对机械臂系统进行有效的控制,适用于输出信号为非连续信号的情形,应用范围广。同时,本发明使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,降低控制器实现的难度,减小控制成本。本发明更新输出反馈控制器的控制器增益获取最优增益并代入采样输出反馈控制器,得到更新的采样输出反馈控制器,更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,保证了机械臂系统的稳定性,同时能够改善闭环系统的鲁棒性能。
实施例2
与本发明实施例1相对应的,本发明实施例2还提供一种基于模糊逻辑的柔性关节机械臂采样控制装置,所述装置包括:
动态方程获取模块,用于建立柔性关节机械臂系统的动态方程;
模型建立模块,用于对柔性关节机械臂系统的动态方程进行局部点线性化,通过模糊隶属度函数建立全局模糊柔性关节机械臂系统;
控制器建立模块,用于使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计采样输出反馈控制器;
闭环系统获取模块,用于将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统;
控制模块,用于更新输出反馈控制器的控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。
具体的,所述动态方程获取模块还用于:
通过公式建立柔性关节机械臂系统的动态方程,其中,q1表示机械臂关节连接杆旋转的角度,q2表示电机轴旋转的角度;表示机械臂关节连接杆旋转的角加速度,表示电机轴旋转的角加速度;S为关节的弹性系数且S=7.47Nm/rad,I1为连接杆的转动惯量且I1=1.35×10-4kgm2,I2为电机的转动惯量且I2=2.16×10-3kgm2,M为连接杆质量且M=0.2kg,g为重力常数且g=9.8ms2,L0为柔性关节与机械臂重心之间的距离且L0=0.02m;
具体的,所述模型建立模块还用于:
其中,系统的m个模糊规则Rulem为:若x1(t)是Fm,则
通过单点模糊化、乘积推理和中心平均反模糊化方法,得到全局模糊柔性关节机械臂系统
进一步地,所述控制器建立模块还用于:
通过公式u(t)=Ky(tj)获取采样输出反馈控制器,其中,t∈[tj,tj+1),K是控制器增益。
具体的,所述闭环系统获取模块还用于:
将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统为
将闭环机械臂系统改写为
其中,d(t)=t-tj≤h,t∈[tj,tj+1),h表示系统允许的采样间隔的最大值,
具体的,所述闭环控制系统抑制外部干扰的量化的技术指标公式为
具体的,所述控制模块还用于:
通过调整公式中的参数矩阵更新控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标γ的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标γmin,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制,以实现对柔性关节机械臂系统的有效控制,并得到最优的鲁棒干扰抑制性能指标。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于模糊逻辑的柔性关节机械臂采样控制方法,其特征在于,所述方法包括:
步骤一:建立柔性关节机械臂系统的动态方程;
步骤二:对柔性关节机械臂系统的动态方程进行局部点线性化,通过模糊隶属度函数建立全局模糊柔性关节机械臂系统;
步骤三:使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计采样输出反馈控制器;
步骤四:将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统;
步骤五:更新输出反馈控制器的控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标,将更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制。
3.根据权利要求1所述的一种基于模糊逻辑的柔性关节机械臂采样控制方法,其特征在于,所述步骤二包括:
其中,系统的第m个模糊规则Rulem为:若x1(t)是Fm,则
通过单点模糊化、乘积推理和中心平均反模糊化方法,得到全局模糊柔性关节机械臂系统
7.根据权利要求1所述的一种基于模糊逻辑的柔性关节机械臂采样控制方法,其特征在于,所述步骤五包括:
8.一种基于模糊逻辑的柔性关节机械臂采样控制装置,其特征在于,所述装置包括:
动态方程获取模块,用于建立柔性关节机械臂系统的动态方程;
模型建立模块,用于对柔性关节机械臂系统的动态方程进行局部点线性化,通过模糊隶属度函数建立全局模糊柔性关节机械臂系统;
控制器建立模块,用于使用零阶保持器对全局模糊柔性关节机械臂系统的输出信号进行采样测量,设计采样输出反馈控制器;
闭环系统获取模块,用于将采样输出反馈控制器应用于全局模糊柔性关节机械臂系统,得到闭环机械臂系统;
控制模块,用于更新输出反馈控制器的控制器增益,利用Lyapunov-Krasovskii泛函证明闭环机械臂系统稳定且具备鲁棒干扰抑制性能指标,将使得闭环机械臂系统稳定且具备鲁棒干扰抑制性能的控制器增益作为最优增益代入采样输出反馈控制器,得到更新的采样输出反馈控制器和最优鲁棒干扰抑制性能指标,更新的采样输出反馈控制器应用于全局模糊柔性关节机械臂系统得到优化的机械臂控制系统,利用优化的机械臂控制系统对机器人机械臂进行控制。
10.根据权利要求8所述的一种基于模糊逻辑的柔性关节机械臂采样控制装置,其特征在于,所述模型建立模块还用于:
其中,系统的第m个模糊规则Rulem为:若x1(t)是Fm,则
通过单点模糊化、乘积推理和中心平均反模糊化方法,得到全局模糊柔性关节机械臂系统
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608774.8A CN111716360B (zh) | 2020-06-30 | 2020-06-30 | 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608774.8A CN111716360B (zh) | 2020-06-30 | 2020-06-30 | 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111716360A true CN111716360A (zh) | 2020-09-29 |
CN111716360B CN111716360B (zh) | 2021-05-18 |
Family
ID=72571819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010608774.8A Active CN111716360B (zh) | 2020-06-30 | 2020-06-30 | 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111716360B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180717A (zh) * | 2020-10-14 | 2021-01-05 | 河北工业大学 | 一种基于2d模型的热交换器温度模糊控制方法及系统 |
CN112388620A (zh) * | 2020-11-23 | 2021-02-23 | 华中科技大学鄂州工业技术研究院 | 一种用于气动肌肉驱动系统的轨迹跟踪控制算法 |
CN113296405A (zh) * | 2021-05-21 | 2021-08-24 | 河北工业大学 | 基于2d模型的化工热反应釜的模糊变结构控制方法及装置 |
CN114280924A (zh) * | 2021-12-21 | 2022-04-05 | 南京理工大学 | 基于模糊观测器的柔性关节机器人系统事件触发控制方法 |
CN114932561A (zh) * | 2022-07-26 | 2022-08-23 | 珞石(北京)科技有限公司 | 一种机器人单关节位置控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1058368A (ja) * | 1996-08-23 | 1998-03-03 | Toshiba Corp | マニピュレータ制御装置 |
CN109015662A (zh) * | 2018-10-29 | 2018-12-18 | 闽江学院 | 一种刚性多机器人广义系统协调控制方法 |
CN109227545A (zh) * | 2018-10-30 | 2019-01-18 | 闽江学院 | 一种基于可达集估计的柔性机械臂目标追踪控制方法 |
CN110181510A (zh) * | 2019-05-21 | 2019-08-30 | 南京航空航天大学 | 一种基于时延估计与模糊逻辑的机械臂轨迹跟踪控制方法 |
CN110877333A (zh) * | 2019-04-12 | 2020-03-13 | 国网宁夏电力有限公司电力科学研究院 | 一种柔性关节机械臂控制方法 |
-
2020
- 2020-06-30 CN CN202010608774.8A patent/CN111716360B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1058368A (ja) * | 1996-08-23 | 1998-03-03 | Toshiba Corp | マニピュレータ制御装置 |
CN109015662A (zh) * | 2018-10-29 | 2018-12-18 | 闽江学院 | 一种刚性多机器人广义系统协调控制方法 |
CN109227545A (zh) * | 2018-10-30 | 2019-01-18 | 闽江学院 | 一种基于可达集估计的柔性机械臂目标追踪控制方法 |
CN110877333A (zh) * | 2019-04-12 | 2020-03-13 | 国网宁夏电力有限公司电力科学研究院 | 一种柔性关节机械臂控制方法 |
CN110181510A (zh) * | 2019-05-21 | 2019-08-30 | 南京航空航天大学 | 一种基于时延估计与模糊逻辑的机械臂轨迹跟踪控制方法 |
Non-Patent Citations (1)
Title |
---|
WENQIANG JI: "Fuzzy affine model-based output feedback controller design for nonlinear impulsive systems", 《COMMUNICATIONS IN NONLINEAR SCIENCE AND NUMERICAL SIMULATION》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180717A (zh) * | 2020-10-14 | 2021-01-05 | 河北工业大学 | 一种基于2d模型的热交换器温度模糊控制方法及系统 |
CN112388620A (zh) * | 2020-11-23 | 2021-02-23 | 华中科技大学鄂州工业技术研究院 | 一种用于气动肌肉驱动系统的轨迹跟踪控制算法 |
CN113296405A (zh) * | 2021-05-21 | 2021-08-24 | 河北工业大学 | 基于2d模型的化工热反应釜的模糊变结构控制方法及装置 |
CN113296405B (zh) * | 2021-05-21 | 2022-08-05 | 河北工业大学 | 基于2d模型的化工热反应釜的模糊变结构控制方法及装置 |
CN114280924A (zh) * | 2021-12-21 | 2022-04-05 | 南京理工大学 | 基于模糊观测器的柔性关节机器人系统事件触发控制方法 |
CN114280924B (zh) * | 2021-12-21 | 2023-10-31 | 南京理工大学 | 基于模糊观测器的柔性关节机器人系统事件触发控制方法 |
CN114932561A (zh) * | 2022-07-26 | 2022-08-23 | 珞石(北京)科技有限公司 | 一种机器人单关节位置控制方法 |
CN114932561B (zh) * | 2022-07-26 | 2022-10-14 | 珞石(北京)科技有限公司 | 一种机器人单关节位置控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111716360B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111716360B (zh) | 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 | |
Xia et al. | Finite-time command filtered event-triggered adaptive fuzzy tracking control for stochastic nonlinear systems | |
CN109465825B (zh) | 机械臂柔性关节的rbf神经网络自适应动态面控制方法 | |
Yang et al. | Adaptive NN backstepping control design for a 3-DOF helicopter: Theory and experiments | |
Sun et al. | Neural network-based adaptive controller design of robotic manipulators with an observer | |
Bingül et al. | A Fuzzy Logic Controller tuned with PSO for 2 DOF robot trajectory control | |
CN112817231B (zh) | 一种具有强鲁棒性的机械臂高精度跟踪控制方法 | |
CN110181510B (zh) | 一种基于时延估计与模糊逻辑的机械臂轨迹跟踪控制方法 | |
Qi et al. | Stable indirect adaptive control based on discrete-time T–S fuzzy model | |
CN112987567B (zh) | 非线性系统的固定时间自适应神经网络滑模控制方法 | |
Zheng et al. | Tracking control of manipulator based on high-order disturbance observer | |
Lendek et al. | Application of Takagi-Sugeno observers for state estimation in a quadrotor | |
Pan et al. | Online data‐driven composite adaptive backstepping control with exact differentiators | |
CN115157238A (zh) | 一种多自由度机器人动力学建模和轨迹跟踪方法 | |
CN116619383B (zh) | 基于确定学习的机械臂pid控制方法及系统 | |
Karami et al. | Adaptive neural observer-based nonsingular terminal sliding mode controller design for a class of nonlinear systems | |
CN113377006B (zh) | 一种基于不变流形观测器的全局快速终端滑模控制方法 | |
Shan et al. | Fuzzy automatic disturbance rejection control of quadrotor UAV based on improved whale optimization algorithm | |
Zhang et al. | Adaptive control of discrete-time nonlinear systems using ITF-ORVFL | |
Liu et al. | Global adaptive event-triggered output feedback controller design for high-order nonlinear systems | |
CN114147713B (zh) | 基于自适应神经网络高阶动态滑模的轨迹跟踪控制方法 | |
Ma et al. | Trajectory tracking control for autonomous underwater vehicle with disturbances and input saturation based on contraction theory | |
CN112947066B (zh) | 一种机械手改进有限时间反演控制方法 | |
CN113297798A (zh) | 一种基于人工神经网络的机器人外界接触力估计方法 | |
Jiang et al. | Fast and smooth composite local learning-based adaptive control |
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 |