CN112180719A - 基于人机协作系统的新型鲁棒有限时间轨迹控制方法 - Google Patents

基于人机协作系统的新型鲁棒有限时间轨迹控制方法 Download PDF

Info

Publication number
CN112180719A
CN112180719A CN202010902654.9A CN202010902654A CN112180719A CN 112180719 A CN112180719 A CN 112180719A CN 202010902654 A CN202010902654 A CN 202010902654A CN 112180719 A CN112180719 A CN 112180719A
Authority
CN
China
Prior art keywords
end effector
module
robot
controller
robot end
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.)
Pending
Application number
CN202010902654.9A
Other languages
English (en)
Inventor
任彬
王耀
何斌
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202010902654.9A priority Critical patent/CN112180719A/zh
Publication of CN112180719A publication Critical patent/CN112180719A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于人机协作控制系统的新型鲁棒有限时间轨迹控制方法,属于人机协作控制系统设计领域。本方法的操作步骤为:1)利用拉格朗日动力学方程建立机器人系统的动力学模型;2)基于新型非奇异快速终端滑模切换函数设计鲁棒有限时间轨迹控制器;3)在MATLAB/Simulink环境中搭建人机协作系统的控制仿真模型;4)通过仿真实验,分析在新型鲁棒有限时间轨迹控制器的作用下,机器人末端执行器在笛卡尔坐标系中的位置、速度跟踪情况以及位置、速度的跟踪误差收敛情况。本发明方法具有一定的创新性和可行性,对于机器人末端执行器在笛卡尔坐标系中的轨迹跟踪控制器的设计具有一定的借鉴意义。

Description

基于人机协作系统的新型鲁棒有限时间轨迹控制方法
技术领域
本发明涉及一种基于人机协作系统的新型鲁棒有限时间轨迹控制方法,应用于人机协作系统的运动控制领域。
背景技术
人机协作系统是近年来的研究热点,机器人与人之间的协同工作可以极大地提高工作的效率。然而,高度耦合的人机系统是一个复杂的非线性时变动态系统,系统中的不确定性和外部干扰等因素很容易降低系统的控制性能。滑模控制具有响应时间快、抗干扰能力强等优点,被广泛地用于非线性系统的控制器设计。不过,传统的滑模控制器常采用的是线性滑模切换面,该切换面的特点是渐进收敛性,即当系统的状态变量靠近平衡点时,系统的收敛速度较慢。提高人机协作控制系统的全局收敛性是降低系统跟踪误差的关键。另一方面,由于系统的状态变量在滑模切换面附件不断地进行切换,系统的控制输出将会产生高频的振荡,即抖振现象。在滑模控制中,抖振不能被完全的消除,但是可以被极大程度上的削弱。因此,如何有效地抑制抖振也是人机协作控制系统设计中的一个要点。
发明内容
本发明的目的在于克服已有技术中存在的收敛性慢、抖振等问题,提供一种基于人机协作控制系统的新型鲁棒有限时间轨迹控制方法,本发明方法用于人机协作控制系统的新型鲁棒有限时间轨迹控制器,利用非奇异快速终端滑模切换函数设计控制系统的等效控制器,有利于提高系统的全局快速收敛特性。另外,设计鲁棒高阶滑模控制器,用于提高系统的抗干扰能力,同时可以削弱抖振。
为达到上述目的,本发明采用如下技术方案:
一种基于人机协作控制系统的新型鲁棒有限时间轨迹控制方法,操作步骤如下:
a.建立人机协作系统动力学模型:
对于双关节机器人为例,在关节空间中,人机协作系统的动力学模型如下表示:
Figure BDA0002660265200000011
式中,
Figure BDA0002660265200000012
是关节的运动角度,
Figure BDA0002660265200000013
分别是关节的角速度和角加速度;
Figure BDA0002660265200000014
是对称正定惯性矩阵,
Figure BDA0002660265200000015
表示向心力和哥氏力,
Figure BDA0002660265200000016
表示重力矩,
Figure BDA0002660265200000017
是输出力矩,
Figure BDA0002660265200000021
是雅可比矩阵,
Figure BDA0002660265200000022
是人机交互力,t表示时间;D(q),
Figure BDA0002660265200000023
和G(q)表达式如下:
Figure BDA0002660265200000024
Figure BDA0002660265200000025
Figure BDA0002660265200000026
式中,P=[p1,p2,p3,p4,p5]T表示机器人系统的模型参数向量,
Figure BDA0002660265200000027
Figure BDA0002660265200000028
p3=m2l1lc2,p4=m1lc2+m2l1,p5=m2lc2;m1,m2表示机器人大臂和小臂的质量,l1,l2表示机器人大臂和小臂的长度,I1,I2表示机器人大臂和小臂的转动惯量;记x是机器人末端执行器在笛卡尔坐标系中的位置,则
Figure BDA0002660265200000029
对式(5)求导得:
Figure BDA00026602652000000210
将式(5)和(6)代入式(1)得:
Figure BDA00026602652000000211
式(7)式机器人末端执行器在笛卡尔坐标系中的动力学模型表达式,式中,Kf是人机交互力的增益,Dx(q)=J-TD(q)J-1
Figure BDA00026602652000000212
Gx(q)=J-TG(q),Fx=J-Tτ(t);雅可比矩阵J(q)及其一阶导数的表达式如下:
Figure BDA0002660265200000031
Figure BDA0002660265200000032
b.设计新型鲁棒有限时间轨迹控制器:
以机器人的末端执行器为研究对象,定义轨迹跟踪的误差函数e(t)及其一阶导数
Figure BDA00026602652000000311
如下:
e(t)=x(t)-xd(t) (10)
Figure BDA0002660265200000033
定义滑模切换函数s(t)如下:
Figure BDA0002660265200000034
式中,γ和ι是正奇数且满足条件
Figure BDA0002660265200000035
Figure BDA0002660265200000036
λ1和λ2是滑模系数;滑模切换函数式(12)具有全局快速收敛性,具体描述为:
当系统的状态变量与平衡点的位置相距较远时,
Figure BDA0002660265200000037
起主要作用,式(12)近似为
Figure BDA0002660265200000038
保证了系统状态变量能够快速地收敛至切换面;当系统状态变量与平衡点的位置相距较近时,
Figure BDA0002660265200000039
起主要作用,式(12)近似为
Figure BDA00026602652000000310
保证了系统的状态变量能够在有限时间内收敛至切换面;
新型鲁棒有限时间轨迹控制器设计如下:
Fx=Feq+Fre+Ff (13)
Figure BDA0002660265200000041
Figure BDA0002660265200000042
Figure BDA0002660265200000043
式中,Feq是等效控制器,Fre是鲁棒高阶滑模控制器,Ff是力补偿项,
Figure BDA0002660265200000044
表示人机交互力的上界,k1,k2是控制增益,且k1>0,k2>0;
针对式(7)描述的人机协作系统,在由等效控制器(14)、鲁棒高阶滑模控制器(15)和力补偿项(16)构成的新型鲁棒有限时间轨迹控制器(13)的作用下,实现机器人末端执行器对期望轨迹xd(t)的有效跟踪,并且机器人末端执行器的轨迹跟踪误差能够在有限的时间内快速收敛至零;
c.搭建人机协作系统的MATLAB/Simulink仿真模型:
在MATLAB/Simulink中搭建人机协作系统的仿真模型,用于验证所述控制方法的有效性;该仿真模型包含四个主要模块,分别是输入模块、控制器模块、动力学模块和输出模块;其中,控制器模块包括等效控制器模块、鲁棒高阶滑模控制器模块及力补偿项模块;
输入模块用于定义机器人末端执行器在笛卡尔坐标系中的目标轨迹或期望轨迹;
滑模切换函数模块用于定义具有全局快速收敛特性的滑模切换面;
等效控制器模块、鲁棒高阶滑模控制器模块和力补偿项模块组成总控制器,用于控制机器人末端执行器的轨迹跟踪运动;
人机协作系统模型模块用于定义人机协作系统的动力学模型,作为动力学模块;
输入模块用于输出机器人末端执行器的目标运动轨迹或期望轨迹,输出模块用于输出机器人末端执行器的实际运动轨迹;
d.仿真结果分析:
根据仿真结果,分别得到机器人末端执行器在笛卡尔坐标系中的轨迹跟踪情况以及误差收敛情况;具体包括机器人末端执行器在X轴和Y轴方向上的位置、速度跟踪轨迹图,机器人末端执行器在X轴和Y轴方向上位置、速度跟踪误差图,笛卡尔坐标系中机器人末端执行器的轨迹运动结果图。
本发明与现有技术相比较,具有如下显而易见的突出实质性特点和显著优点:
1.本发明提出一种用于人机协作控制系统的新型鲁棒有限时间轨迹控制方法,在控制系统中,利用一种新型的非奇异快速终端滑模切换函数,设计了等效控制器,该控制器的特点是具有全局快速收敛特性,即控制器能够保证系统的状态变量在有限的时间内快速收敛至零;
2.本发明在系统总控制器中加入了鲁棒高阶滑模控制器,用于提高人机协作控制系统的稳定性和鲁棒性,同时可以削弱输出力矩中的抖振。
附图说明
图1为本发明基于人机协作系统新型鲁棒有限时间轨迹控制的控制系统架构图。
图2为本发明实施例二的笛卡尔坐标系中目标轨迹的示意图。
图3为本发明实施例二人机协作系统新型鲁棒有限时间轨迹控制的控制系统MATLAB/Simulink仿真模型图。
图4为本发明实施例二的X轴和Y轴方向上的位置跟踪轨迹。
图5为本发明实施例二的X轴和Y轴方向上的速度跟踪轨迹。
图6为本发明实施例二的X轴和Y轴方向上的位置跟踪误差和速度跟踪误差。
图7为本发明实施例二的笛卡尔坐标系中机器人末端执行器的轨迹运动结果。
具体实施方式
本发明的优选实施例结合附图详述如下:
实施例一:
参考图1,一种基于人机协作控制系统的新型鲁棒有限时间轨迹控制方法,操作步骤如下:
e.建立人机协作系统动力学模型:
对于双关节机器人为例,在关节空间中,人机协作系统的动力学模型如下表示:
Figure BDA0002660265200000051
式中,
Figure BDA0002660265200000052
是关节的运动角度,
Figure BDA0002660265200000053
分别是关节的角速度和角加速度;
Figure BDA0002660265200000054
是对称正定惯性矩阵,
Figure BDA0002660265200000055
表示向心力和哥氏力,
Figure BDA0002660265200000056
表示重力矩,
Figure BDA0002660265200000057
是输出力矩,
Figure BDA0002660265200000061
是雅可比矩阵,
Figure BDA0002660265200000062
是人机交互力,t表示时间;D(q),
Figure BDA0002660265200000063
和G(q)表达式如下:
Figure BDA0002660265200000064
Figure BDA0002660265200000065
Figure BDA0002660265200000066
式中,P=[p1,p2,p3,p4,p5]T表示机器人系统的模型参数向量,
Figure BDA0002660265200000067
Figure BDA0002660265200000068
p3=m2l1lc2,p4=m1lc2+m2l1,p5=m2lc2;m1,m2表示机器人大臂和小臂的质量,l1,l2表示机器人大臂和小臂的长度,I1,I2表示机器人大臂和小臂的转动惯量;记x是机器人末端执行器在笛卡尔坐标系中的位置,则
Figure BDA0002660265200000069
对式(5)求导得:
Figure BDA00026602652000000610
将式(5)和(6)代入式(1)得:
Figure BDA00026602652000000611
式(7)式机器人末端执行器在笛卡尔坐标系中的动力学模型表达式,式中,Kf是人机交互力的增益,Dx(q)=J-TD(q)J-1
Figure BDA00026602652000000612
Gx(q)=J-TG(q),Fx=J-Tτ(t);雅可比矩阵J(q)及其一阶导数的表达式如下:
Figure BDA0002660265200000071
Figure BDA0002660265200000072
f.设计新型鲁棒有限时间轨迹控制器:
以机器人的末端执行器为研究对象,定义轨迹跟踪的误差函数e(t)及其一阶导数
Figure BDA00026602652000000711
如下:
e(t)=x(t)-xd(t) (10)
Figure BDA0002660265200000073
定义滑模切换函数s(t)如下:
Figure BDA0002660265200000074
式中,γ和ι是正奇数且满足条件
Figure BDA0002660265200000075
Figure BDA0002660265200000076
λ1和λ2是滑模系数;滑模切换函数式(12)具有全局快速收敛性,具体描述为:
当系统的状态变量与平衡点的位置相距较远时,
Figure BDA0002660265200000077
起主要作用,式(12)近似为
Figure BDA0002660265200000078
保证了系统状态变量能够快速地收敛至切换面;当系统状态变量与平衡点的位置相距较近时,
Figure BDA0002660265200000079
起主要作用,式(12)近似为
Figure BDA00026602652000000710
保证了系统的状态变量能够在有限时间内收敛至切换面;
新型鲁棒有限时间轨迹控制器设计如下:
Fx=Feq+Fre+Ff (13)
Figure BDA0002660265200000081
Figure BDA0002660265200000082
Figure BDA0002660265200000083
式中,Feq是等效控制器,Fre是鲁棒高阶滑模控制器,Ff是力补偿项,
Figure BDA0002660265200000084
表示人机交互力的上界,k1,k2是控制增益,且k1>0,k2>0;
针对式(7)描述的人机协作系统,在由等效控制器、鲁棒高阶滑模控制器和力补偿项构成的新型鲁棒有限时间轨迹控制器的作用下,实现机器人末端执行器对期望轨迹xd(t)的有效跟踪,并且机器人末端执行器的轨迹跟踪误差能够在有限的时间内快速收敛至零;
g.搭建人机协作系统的MATLAB/Simulink仿真模型:
在MATLAB/Simulink中搭建人机协作系统的仿真模型,用于验证所述控制方法的有效性;该仿真模型包含四个主要模块,分别是输入模块1、控制器模块7、动力学模块和输出模块9;其中,控制器模块包括等效控制器模块4、鲁棒高阶滑模控制器模块5及力补偿项模块6;
输入模块1用于定义机器人末端执行器在笛卡尔坐标系中的目标轨迹或期望轨迹;
滑模切换函数模块3用于定义具有全局快速收敛特性的滑模切换面;
等效控制器模块4、鲁棒高阶滑模控制器模块5和力补偿项模块6组成总控制器7,用于控制机器人末端执行器的轨迹跟踪运动;
人机协作系统模型模块8用于定义人机协作系统的动力学模型,作为动力学模块;
输入模块1用于输出机器人末端执行器的目标运动轨迹或期望轨迹,输出模块9用于输出机器人末端执行器的实际运动轨迹;
h.仿真结果分析:
根据仿真结果,分别得到机器人末端执行器在笛卡尔坐标系中的轨迹跟踪情况以及误差收敛情况;具体包括机器人末端执行器在X轴和Y轴方向上的位置、速度跟踪轨迹图,机器人末端执行器在X轴和Y轴方向上位置、速度跟踪误差图,笛卡尔坐标系中机器人末端执行器的轨迹运动结果图。
本实施例方法用于人机协作控制系统的新型鲁棒有限时间轨迹控制器,利用非奇异快速终端滑模切换函数设计控制系统的等效控制器,有利于提高系统的全局快速收敛特性。另外,设计鲁棒高阶滑模控制器,用于提高系统的抗干扰能力,同时可以削弱抖振。
实施例二:
本实施例与实施例一基本相同,特别之处在于:
在本实施例中,参见图1-图7,基于自适应神经网络滑模控制器的人机协作系统控制方法,其特征在于操作步骤如下:
a.建立人机协作系统的动力学模型:
根据上述发明内容a的内容,人机协作系统的动力学模型如下:
Figure BDA0002660265200000091
式中,x=[x1 x2]T,x1和x2分别是机器人末端执行器在笛卡尔坐标系中X轴方向和Y轴方向的位置。m1=7.51kg,m2=4.98kg,l1=0.7m,l2=0.5m,I1=9.200×10-1kgm2,I2=3.113×10-1kgm2,g=9.8m/s2,其中Kg是质量单位千克,m是长度单位米,s是时间单位秒。机器人末端执行器的目标轨迹是xd=[0.7+0.1cos(πt),0.1sin(πt)]T,在笛卡尔坐标系中,该轨迹是一个以(0.7,0)为圆心,0.1m为半径的圆。末端执行器的初始位置在圆心,即x(0)=[0.7,0]T,初始速度是
Figure BDA0002660265200000092
仿真时间为10秒,当t<4s,末端执行器的运动不受人机交互力的影响,即人机交互力为零,当t≥4s,作用在末端执行器的人机交互力的人机交互力设为f(t)=[5.5sin(5t) 5.5cos(5t)]T
b.设计新型鲁棒有限时间轨迹控制器:
根据上述发明内容b的内容,自适应神经网络滑模控制器设计如下:
Fx=Feq+Fre+Ff (18)
Figure BDA0002660265200000101
Figure BDA0002660265200000102
Figure BDA0002660265200000103
式中,
Figure BDA0002660265200000105
γ=9,ι=7,λ1=5,λ2=0.5,k1=9,k2=11,Kf=1。因为f(t)≤[5.55.5]T,则选择
Figure BDA0002660265200000104
c.搭建人机协作系统的MATLAB/Simulink仿真模型:
根据上述发明内容c的内容,建立如图1所示的基于新型鲁棒有限时间轨迹控制器的人机协作控制系统模型。
d.仿真结果分析
通过仿真结果可以得到机器人末端执行器在笛卡尔坐标系中的轨迹跟踪情况以及误差收敛情况。图1是新型鲁棒有限时间轨迹控制系统的仿真模型,图2是机器人末端执行器在X轴和Y轴方向上的位置跟踪轨迹,图3是控制系统的MATLAB/Simulink仿真模型,图4是机器人末端执行器在X轴和Y轴方向上的位置跟踪轨迹,图5是机器人末端执行器在X轴和Y轴方向上的速度跟踪轨迹,图6是机器人末端执行器在X轴和Y轴方向上的位置跟踪误差和速度跟踪误差,图7是笛卡尔坐标系中机器人末端执行器的轨迹运动结果。位置的量纲是米(m),速度的量纲是米每秒(m/s)。根据结果可以看出,机器人末端执行器的位置跟踪误差和速度跟踪误差能够在很短的时间内收敛至零,对目标轨迹具有很好的跟踪效果。
本实施例利用新型鲁棒有限时间控制设计了人机协作系统的轨迹跟踪仿真实验,根据仿真结果,本实施例提出的控制方法能够有效地实现机器人末端执行器对目标轨迹的跟踪,同时能够保证跟踪误差快速收敛至零,具有全局快速收敛性。本实施例的控制方法对人机协作控制系统的设计具有借鉴和指导的重要价值。
综上所述,上述实施例人机协作系统的新型鲁棒有限时间轨迹控制方法,应用于人机协作控制系统设计领域。上述实施例方法的操作步骤为:利用拉格朗日动力学方程建立机器人系统的动力学模型;基于新型非奇异快速终端滑模切换函数设计鲁棒有限时间轨迹控制器;在MATLAB/Simulink环境中搭建人机协作系统的控制仿真模型;通过仿真实验,分析在新型鲁棒有限时间轨迹控制器的作用下,机器人末端执行器在笛卡尔坐标系中的位置、速度跟踪情况以及位置、速度的跟踪误差收敛情况。本发明方法具有一定的创新性和可行性,对于机器人末端执行器在笛卡尔坐标系中的轨迹跟踪控制器的设计具有一定的借鉴意义。
上面对本发明实施例结合附图进行了说明,但本发明不限于上述实施例,还可以根据本发明的发明创造的目的做出多种变化,凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化,均应为等效的置换方式,只要符合本发明的发明目的,只要不背离本发明的技术原理和发明构思,都属于本发明的保护范围。

Claims (1)

1.一种基于人机协作控制系统的新型鲁棒有限时间轨迹控制方法,其特征在于,操作步骤如下:
a.建立人机协作系统动力学模型:
对于双关节机器人为例,在关节空间中,人机协作系统的动力学模型如下表示:
Figure FDA0002660265190000011
式中,
Figure FDA0002660265190000012
是关节的运动角度,
Figure FDA0002660265190000013
分别是关节的角速度和角加速度;
Figure FDA0002660265190000014
是对称正定惯性矩阵,
Figure FDA0002660265190000015
表示向心力和哥氏力,
Figure FDA0002660265190000016
表示重力矩,
Figure FDA0002660265190000017
是输出力矩,
Figure FDA0002660265190000018
是雅可比矩阵,
Figure FDA0002660265190000019
是人机交互力,t表示时间;D(q),
Figure FDA00026602651900000110
和G(q)表达式如下:
Figure FDA00026602651900000111
Figure FDA00026602651900000112
Figure FDA00026602651900000113
式中,P=[p1,p2,p3,p4,p5]T表示机器人系统的模型参数向量,
Figure FDA00026602651900000114
Figure FDA00026602651900000115
p3=m2l1lc2,p4=m1lc2+m2l1,p5=m2lc2;m1,m2表示机器人大臂和小臂的质量,l1,l2表示机器人大臂和小臂的长度,I1,I2表示机器人大臂和小臂的转动惯量;记x是机器人末端执行器在笛卡尔坐标系中的位置,则
Figure FDA00026602651900000116
对式(5)求导得:
Figure FDA00026602651900000117
将式(5)和(6)代入式(1)得:
Figure FDA0002660265190000021
式(7)式机器人末端执行器在笛卡尔坐标系中的动力学模型表达式,式中,Kf是人机交互力的增益,Dx(q)=J-TD(q)J-1
Figure FDA0002660265190000022
Gx(q)=J-TG(q),Fx=J-Tτ(r);雅可比矩阵J(q)及其一阶导数的表达式如下:
Figure FDA0002660265190000023
Figure FDA0002660265190000024
b.设计新型鲁棒有限时间轨迹控制器:
以机器人的末端执行器为研究对象,定义轨迹跟踪的误差函数e(t)及其一阶导数
Figure FDA0002660265190000025
如下:
e(t)=x(t)-xd(t) (10)
Figure FDA0002660265190000026
定义滑模切换函数s(t)如下:
Figure FDA0002660265190000027
式中,γ和ι是正奇数且满足条件
Figure FDA0002660265190000028
Figure FDA0002660265190000029
λ1和λ2是滑模系数;滑模切换函数式(12)具有全局快速收敛性,具体描述为:
当系统的状态变量与平衡点的位置相距较远时,
Figure FDA00026602651900000210
起主要作用,式(12)近似为
Figure FDA00026602651900000211
保证了系统状态变量能够快速地收敛至切换面;当系统状态变量与平衡点的位置相距较近时,
Figure FDA0002660265190000031
起主要作用,式(12)近似为
Figure FDA0002660265190000032
保证了系统的状态变量能够在有限时间内收敛至切换面;
新型鲁棒有限时间轨迹控制器设计如下:
Fx=Feq+Fre+Ff (13)
Figure FDA0002660265190000033
Figure FDA0002660265190000034
Figure FDA0002660265190000035
式中,Feq是等效控制器,Fre是鲁棒高阶滑模控制器,Ff是力补偿项,
Figure FDA0002660265190000036
表示人机交互力的上界,k1,k2是控制增益,且k1>0,k2>0;
针对式(7)描述的人机协作系统,在由等效控制器、鲁棒高阶滑模控制器和力补偿项构成的新型鲁棒有限时间轨迹控制器的作用下,实现机器人末端执行器对期望轨迹xd(t)的有效跟踪,并且机器人末端执行器的轨迹跟踪误差能够在有限的时间内快速收敛至零;
c.搭建人机协作系统的MATLAB/Simulink仿真模型:
在MATLAB/Simulink中搭建人机协作系统的仿真模型,用于验证所述控制方法的有效性;该仿真模型包含四个主要模块,分别是输入模块(1)、控制器模块(7)、动力学模块和输出模块(9);其中,控制器模块包括等效控制器模块(4)、鲁棒高阶滑模控制器模块(5)及力补偿项模块(6);
输入模块(1)用于定义机器人末端执行器在笛卡尔坐标系中的目标轨迹或期望轨迹;
滑模切换函数模块(3)用于定义具有全局快速收敛特性的滑模切换面;
等效控制器模块(4)、鲁棒高阶滑模控制器模块(5)和力补偿项模块(6)组成总控制器(7),用于控制机器人末端执行器的轨迹跟踪运动;
人机协作系统模型模块(8)用于定义人机协作系统的动力学模型,作为动力学模块;
输入模块(1)用于输出机器人末端执行器的目标运动轨迹或期望轨迹,输出模块(9)用于输出机器人末端执行器的实际运动轨迹;
d.仿真结果分析:
根据仿真结果,分别得到机器人末端执行器在笛卡尔坐标系中的轨迹跟踪情况以及误差收敛情况;具体包括机器人末端执行器在X轴和Y轴方向上的位置、速度跟踪轨迹图,机器人末端执行器在X轴和Y轴方向上位置、速度跟踪误差图,笛卡尔坐标系中机器人末端执行器的轨迹运动结果图。
CN202010902654.9A 2020-09-01 2020-09-01 基于人机协作系统的新型鲁棒有限时间轨迹控制方法 Pending CN112180719A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010902654.9A CN112180719A (zh) 2020-09-01 2020-09-01 基于人机协作系统的新型鲁棒有限时间轨迹控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010902654.9A CN112180719A (zh) 2020-09-01 2020-09-01 基于人机协作系统的新型鲁棒有限时间轨迹控制方法

Publications (1)

Publication Number Publication Date
CN112180719A true CN112180719A (zh) 2021-01-05

Family

ID=73924050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010902654.9A Pending CN112180719A (zh) 2020-09-01 2020-09-01 基于人机协作系统的新型鲁棒有限时间轨迹控制方法

Country Status (1)

Country Link
CN (1) CN112180719A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112947093A (zh) * 2021-04-07 2021-06-11 长春工业大学 一种机器人分散鲁棒跟踪控制方法、系统及存储介质
CN115533939A (zh) * 2022-10-18 2022-12-30 山东大学 一种用于仿生手的拟人抓握控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5371669A (en) * 1992-06-18 1994-12-06 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Sliding mode control method having terminal convergence in finite time
CN107263483A (zh) * 2017-08-03 2017-10-20 青岛大学 二自由度关节机器人轨迹的协调控制方法
CN110221539A (zh) * 2019-05-17 2019-09-10 江苏理工学院 基于线性扩张观测器的四旋翼非奇异终端滑模控制方法
WO2019235995A1 (en) * 2018-06-04 2019-12-12 Robotikum Ab Method, system and computer program for controlling dynamic manipulations by a robot
CN110673544A (zh) * 2019-09-27 2020-01-10 上海大学 基于自适应在线学习的上肢康复机器人控制方法
CN110977988A (zh) * 2019-12-27 2020-04-10 青岛大学 基于有限时间命令滤波的多关节机械臂阻抗控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5371669A (en) * 1992-06-18 1994-12-06 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Sliding mode control method having terminal convergence in finite time
CN107263483A (zh) * 2017-08-03 2017-10-20 青岛大学 二自由度关节机器人轨迹的协调控制方法
WO2019235995A1 (en) * 2018-06-04 2019-12-12 Robotikum Ab Method, system and computer program for controlling dynamic manipulations by a robot
CN110221539A (zh) * 2019-05-17 2019-09-10 江苏理工学院 基于线性扩张观测器的四旋翼非奇异终端滑模控制方法
CN110673544A (zh) * 2019-09-27 2020-01-10 上海大学 基于自适应在线学习的上肢康复机器人控制方法
CN110977988A (zh) * 2019-12-27 2020-04-10 青岛大学 基于有限时间命令滤波的多关节机械臂阻抗控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BIN REN等: "A Novel Robust Finite-Time Trajectory Control With the High-Order Sliding Mode for Human-Robot Cooperation", 《IEEE ACCESS》 *
W. HE等: "Neural network control of a rehabilitation robot by state and output feedback", 《J. INTELL. ROBOT. SYST.》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112947093A (zh) * 2021-04-07 2021-06-11 长春工业大学 一种机器人分散鲁棒跟踪控制方法、系统及存储介质
CN115533939A (zh) * 2022-10-18 2022-12-30 山东大学 一种用于仿生手的拟人抓握控制方法及系统

Similar Documents

Publication Publication Date Title
CN112223275B (zh) 基于有限时间跟踪控制的协作机器人控制方法
CN103213129A (zh) 一种空间机械臂位置力混合控制方法
Xie et al. An acceleration-level data-driven repetitive motion planning scheme for kinematic control of robots with unknown structure
CN112180719A (zh) 基于人机协作系统的新型鲁棒有限时间轨迹控制方法
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
CN110842913B (zh) 一种单关节机械臂的自适应滑模迭代学习控制方法
CN111702767A (zh) 一种基于反演模糊自适应的机械手阻抗控制方法
Nishimura et al. Motion control of three-link brachiation robot by using final-state control with error learning
Chung et al. Torque optimizing control with singularity-robustness for kinematically redundant robots
CN108181836A (zh) 一种针对柔性Timoshenko梁机械臂抗饱和的边界控制方法
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
CN112276952B (zh) 一种多机器人系统的鲁棒同时镇定方法及系统
CN107263455B (zh) 二自由度scara机器人的位置跟踪控制方法
CN114055467A (zh) 基于五自由度机器人的空间位姿在线仿真系统
Zhiyuan et al. Fuzzy sliding mode control for rotorcraft aerial manipulator with extended state observer
CN112605992A (zh) 一种双臂机器人的循环运动控制方法及装置
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
Singh et al. Decomposition and state variable feedback control of elastic robotic systems
Han et al. Integral backstepping based computed torque control for a 6 DOF arm robot
Yang et al. Research on gravity compensation in motion control of multi-joint robot
CN111590561A (zh) 一种分布式机械臂系统鲁棒预设性能控制方法
JPH08328627A (ja) サーボ制御装置及びサーボ制御方法並びにこれらを用いたロボット制御装置及びロボット制御方法
Qi et al. Compensation function observer-based model-compensation backstepping control and application in anti-inference of quadrotor UAV
Dian et al. A Novel Disturbance-Rejection Control Framework for Cable-Driven Continuum Robots With Improved State Parameterizations
Shen et al. Dynamic Modeling and Analysis of a 6-DOFs Industrial Robot Considering Joint and Link Flexibility

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210105