CN113467501A - 作业飞行机器人动态滑翔抓取与力位混合控制方法 - Google Patents
作业飞行机器人动态滑翔抓取与力位混合控制方法 Download PDFInfo
- Publication number
- CN113467501A CN113467501A CN202110819205.2A CN202110819205A CN113467501A CN 113467501 A CN113467501 A CN 113467501A CN 202110819205 A CN202110819205 A CN 202110819205A CN 113467501 A CN113467501 A CN 113467501A
- Authority
- CN
- China
- Prior art keywords
- force
- moment
- grabbing
- follows
- equation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 17
- 238000005096 rolling process Methods 0.000 claims abstract description 9
- 230000005484 gravity Effects 0.000 claims abstract description 5
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 239000012636 effector Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 2
- 239000011664 nicotinic acid Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种作业飞行机器人动态滑翔抓取与力位混合控制方法,包括以下步骤:步骤S1:考虑重心偏移以及抓取过程中受力和力矩,构建搭载机械臂的四旋翼无人机系统模型和二自由度机械手模型;步骤S2:计算机械手末端受到的瞬时接触力和抓取力;步骤S3:构建参数估计器,并进行参数估计;步骤S4:根据估计参数,进行飞行平台位置控制,在建模误差存在的情况下进行神经网络滑模自适应控制,并解算出通过升力、翻滚力矩、俯仰力矩、偏航力矩;步骤S5:针对所抓取的力分析进行二自由度机械臂力控制,并解算出控制力矩;步骤S6:通过升力、翻滚力矩、俯仰力矩、偏航力矩解算出四个旋翼的转速;步骤S7:通过解算得到的数据,控制无人机。
Description
技术领域
本发明涉及无人机技术领域,涉及一种作业飞行机器人动态滑翔抓取与力位混合控制方法。
背景技术
无人机实现无人驾驶的方式从遥控驾驶,到机载计算机自主控制。无人机已经是成熟的飞行平台,可以在飞行平台上搭载不同组件扩展飞行平台在不同领域的应用。比如,航拍勘测、农药喷洒、目标跟踪等领域都有无人机应用的潜能。其中,这些应用不乏需要在无人机平台上搭载机械臂,将二者结合起来就是作业型飞行机器人,如此高端的设备可使工业获得很大的便利。随着研究员对这块领域的深入,已经有学者实现了无人机搭载机械臂在实际中的应用。具有7自由度机械臂的作业型飞行机器人,能够灵活完成抓取和装配作业;在作业型飞行机器人系统上增加了视觉伺服控制,可以完成自主的抓取任务;使用作业型飞行机器人的机械臂末端和物体接触,以代替力传感器完成接触力测量工作;采用并联作业型飞行机器人系统,可以更好的仿生工作。
上述的这些应用都有一个飞行抓取的动作。而想要凭借指令飞行抓取,就还有一些技术难点需要攻克。关于抓取方式,是控制工程首要解决的问题。仿生物体滑翔抓取物体毫无疑问是当今研究的热点之一,由于滑翔抓取物体会产生较大的冲击力,对飞行平台会产生较大的影响,若飞行速度过快或者所抓取物体过重,会使飞行平台偏离规划好的位置甚至失控。
对于作业型飞行机器人抓取物体的问题,已经有很多学者做出了控制方法。例如使用作业型飞行机器人的机械臂末端和物体接触,以代替力传感器完成接触力测量工作;分别建立飞行平台和机械臂动力学模型,使用H∞控制方法对所抓取物体进行控制。上述控制方法大多只能抓取质量较小物体,对抓取较大的物体会产生较大的误差甚至导致失控。
发明内容
有鉴于此,本发明的目的在于提供一种作业飞行机器人动态滑翔抓取与力位混合控制方法,能够有效提高无人机的抓取控制精度。
为实现上述目的,本发明采用如下技术方案:
一种作业飞行机器人动态滑翔抓取与力位混合控制方法,包括以下步骤:
步骤S1:考虑重心偏移以及抓取过程中受力和力矩,构建搭载机械臂的四旋翼无人机系统模型和二自由度机械手模型;
步骤S2:通过对机械手与物体瞬时接触力和抓取力的分析,计算机械手末端受到的瞬时接触力fm和抓取力f1,f2;
步骤S3:构建参数估计器,并对飞行平台的质量m以及惯性张量Ix,Iy,Iz进行估计;
步骤S4:根据步骤S3得到的估计参数,进行飞行平台位置控制,在建模误差存在的情况下进行神经网络滑模自适应控制,并解算出通过升力u1、翻滚力矩u2、俯仰力矩u3、偏航力矩u4;
步骤S5:针对所抓取的力分析进行二自由度机械臂力控制,并解算出控制力矩τ1,τ2;
步骤S6:通过升力u1、翻滚力矩u2、俯仰力矩u3、偏航力矩u4解算出四个旋翼的转速ωi,i=1,2,3,4;
步骤S7:通过解算得到的控制力矩τ1,τ2和四个旋翼的转速ωi,控制无人机。
进一步的,所述构建搭载机械臂的四旋翼无人机系统模型具体为:
利用牛顿-欧拉方程法对搭载机械臂的四旋翼无人机系统进行建模,并根据力平衡和力矩平衡得到飞行平台的动力学:
其中x为飞行平台x轴方向位移,y为飞行平台y方向位移,z为飞行平台z轴方向位移,φ为飞行平台翻滚角,θ为飞行平台俯仰角,ψ为分型平台偏航角,为四旋翼作业型飞行机器人位置和姿态[x,y,z,φ,θ,ψ]T的二阶导,即加速度,u1为飞行平台升力,[u2,u3,u4]为飞行平台力矩,m为作业型飞行机器人总质量,Ix,Iy,Iz分别为对飞行平台x轴,y轴,z轴产生的惯性张量,FB=[Bfx,Bfy,Bfz,Bmx,Bmy,Bmz]为抓取过程中产生的绕动力和扰动力矩,s和c分别表示sin(·)和cos(·),a1,a2,a3,b1,b2,b3,d1,d2,d3为重心偏移引起的扰动项;
建立的二自由度机械臂动力学如下所示:
其中,Mf(q)、和Gf(q)分别为和机械手转动惯量、质量、转速有关的系统变量,q=[q1,q2]为二自由度机械臂的转速,τd=[τ1,τ2]为二自由度机械臂的输入力矩,τf为抓取过程中受到的力和力矩。
进一步的,所述步骤S2具体为:
步骤S21:构建作业型飞行机器人的动力学方程:
其中:Mu=diag(m,m,m,Ix,Iy,Iz),ξ=[x,y,z,φ,θ,ψ,q1,q2]T,τ=[v1,v2,v3,u2,u3,u4,τ1,τ2]T,fm=[fx,fy,fz]T。IRE=[IREu,IREf]T,v1,v2,v3为虚拟控制量;
步骤S22:在作业型飞行机器人抓取物体瞬间,由动量定理可得:
其中:t0为抓取开始时间,Δt为抓取时间;
同时可以计算出所抓取物体的动量:
ξm=[xm,ym,zm]T为所抓取物体的位移;
步骤S23:利用冲量定理,计算出运动过程中产生的冲量;
其中Pm为碰撞过程中产生的冲量;
步骤S24:碰撞后物体速度和作业型飞行机器人末端执行器速度相同:
步骤S26:联立式(6)-(9)得出瞬时接触力fm:
步骤S27:由牛顿运动力学得出抓取过程中所受到的抓取力为:
进一步的,所述步骤S3具体为:
步骤S31:根据步骤S1所设计的动力学模型,转化为:
其中:f=fm+fr1+fr2
步骤S33:使用式(12)和等式(13),将误差动态写为:
步骤S34:Mu表达为:
Mu=mβ1+Ixβ2+Iyβ3+Izβ4, (15)
其中:
β1=diag(1,1,1,0,0,0),β2=diag(0,0,0,1,0,0),β3=diag(0,0,0,0,1,0),β4=diag(0,0,0,0,0,1)
针对误差动态方程(14),自适应控制律设计如下:
步骤S35:对公式(16)进行证明,为了说明误差动力学方程(16)的收敛性,定义以下Lyapunov候选函数:
步骤S36:对V1进行求导:
将等式(16)代入等式(18),V1的时间导数可得出:
进一步的,所述步骤S4具体包括以下步骤:
步骤S41:定义期望向量χd=[xd,yd,zd,φd,θd,ψd]T,定义误差如下:
e=χ-χd (20)
步骤S42:将滑动表面变量s定义为:
步骤S43:使用RBF神经网络进行质量评估,网络算法定义如下:
步骤S44:估算的质量定义为:
步骤S45:从等式(22)至(23),得到如下的质量估计误差:
步骤S46:符号f*定义如下:
针对无人机的动力学,滑模神经网络控制器的设计如下:
进一步的,所述步骤S5具体为:
步骤S52:将操纵器动力学重写为:
步骤S55:RBF神经网络用于估计E,并且网络算法可以表示为:
步骤S56:针对无人机(28)的动态特性,鲁棒的自适应神经网络控制器的设计如下:
进一步的,所述步骤S6具体为:
步骤S61:由公式(26)得出系统控制力和控制力矩u,其中u1、u2、u3和u4的关系为:
u1=C1(ω1 2+ω2 2+ω3 2+ω4 2)
u2=C1(-ω2 2+ω4 2),u3=C1(-ω1 2+ω3 2)
u4=C2(ω1 2-ω2 2+ω3 2-ω4 2)
(34)
步骤S62:解算出四个旋翼的转速ωi,i=1,2,3,4。
本发明与现有技术相比具有以下有益效果:
本发明构建了基于瞬时接触力和抓取的动力学模型.并采力位混合控制策略,能够完成滑翔抓取作业任务;通过脉冲和动量定理分析滑行抓握过程中的瞬时接触力,其中考虑了影响抓握性能的一些因素,包括物体的不规则形状,物体滚动和几何上不对称的抓握。同时,把持物体的质量和惯性张量视为未知的有界项。有益的是,保证了UAM滑行抓握的更精确的动力学模型。然后,基于鲁棒自适应神经网络估计器的混合力/位置控制器被用于UAM,以克服内部干扰和外部干扰。
附图说明
图1是本发明实施例的作业型飞行平台滑翔抓取示意图。
图2是本发明实施例的流程结构示意图。
图3是本发明实施例的位置控制器中X轴分量的控制效果示意图。
图4是本发明实施例的位置控制器中Y轴分量的控制效果示意图。
图5是本发明实施例的位置控制器中Z轴分量的控制效果示意图。
图7是本发明实施例的姿态控制器中对俯仰角θ的控制效果示意图。
图8是本发明实施例的姿态控制器中对翻滚角ψ的控制效果示意图。
图9是本发明实施例的机械手控制器中对机械臂1的控制效果示意图。
图10是本发明实施例的机械手控制器中对机械臂2的控制效果示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图2,本发明提供一种基于作业飞行机器人动态滑翔抓取的建模与力位混合控制方法,包括以下步骤:
步骤S1:考虑重心偏移,构建搭载机械臂的四旋翼无人机系统模型和二自由度机械手模型;
所述构建搭载机械臂的四旋翼无人机系统模型具体为:利用牛顿-欧拉方程法对搭载机械臂的四旋翼无人机系统进行建模,并根据力平衡和力矩平衡得到飞行平台的动力学:
其中x为飞行平台x轴方向位移,y为飞行平台y方向位移,z为飞行平台z轴方向位移,φ为飞行平台翻滚角,θ为飞行平台俯仰角,ψ为分型平台偏航角,为四旋翼作业型飞行机器人位置和姿态[x,y,z,φ,θ,ψ]T的二阶导,即加速度,u1为飞行平台升力,[u2,u3,u4]为飞行平台力矩,m为作业型飞行机器人总质量,Ix,Iy,Iz分别为对飞行平台x轴,y轴,z轴产生的惯性张量,FB=[Bfx,Bfy,Bfz,Bmx,Bmy,Bmz]为抓取过程中产生的绕动力和扰动力矩,s和c分别表示sin(·)和cos(·),a1,a2,a3,b1,b2,b3,d1,d2,d3为重心偏移引起的扰动项,有如下定义:
其中rG=[xG,yG,zG]为重心偏移量。
所建立的二自由度机械臂动力学如下所示:
其中,Mf(q)、和Gf(q)分别为和机械手转动惯量、质量、转速有关的系统变量,q=[q1,q2]为二自由度机械臂的转速,τd=[τ1,τ2]为二自由度机械臂的输入力矩,τf为抓取过程中受到的力和力矩。
步骤S2:通过对机械手与物体瞬时接触力和抓取力的分析,计算出机械手末端受到的瞬时接触力fm和抓取力f1,f2;
步骤S21:联立公式(1)和(3)得出作业型飞行机器人的动力学方程:
其中:Mu=diag(m,m,m,Ix,Iy,Iz),ξ=[x,y,z,φ,θ,ψ,q1,q2]T,τ=[v1,v2,v3,u2,u3,u4,τ1,τ2]T,fm=[fx,fy,fz]T。IRE=[IREu,IREf]T,v1,v2,v3为虚拟控制量:
步骤S22:在作业型飞行机器人抓取物体瞬间,由动量定理可得:
其中:t0为抓取开始时间,Δt为抓取时间。
同时可以计算出所抓取物体的动量:
ξm=[xm,ym,zm]T为所抓取物体的位移。
步骤S23:利用冲量定理,计算出运动过程中产生的冲量;
其中Pm为碰撞过程中产生的冲量;
步骤S24:碰撞后物体速度和作业型飞行机器人末端执行器速度相同:
步骤S26:联立式(6)-(9)得出瞬时接触力fm:
步骤S27:由牛顿运动力学得出抓取过程中所受到的抓取力为:
步骤S3:设计参数估计器,对飞行平台的质量m以及惯性张量Ix,Iy,Iz进行估计;
步骤S31:根据步骤S1所设计的动力学模型,转化为如下形式:
其中:f=fm+fr1+fr2.
步骤S33:使用式(12)和等式(13),可以将误差动态写为:
步骤S34:Mu可以被表达为:
Mu=mβ1+Ixβ2+Iyβ3+Izβ4, (15)
其中:
β1=diag(1,1,1,0,0,0),β2=diag(0,0,0,1,0,0),β3=diag(0,0,0,0,1,0),β4=diag(0,0,0,0,0,1)
针对误差动态方程(14),自适应控制律设计如下:
步骤S35:对公式(16)进行证明,为了说明误差动力学方程(16)的收敛性,我们定义以下Lyapunov候选函数:
步骤S36:对V1进行求导:
将等式(16)代入等式(18),V1的时间导数可得出:
步骤S4:基于所涉及的参数估计器进行飞行平台位置控制,在建模误差存在的情况下进行神经网络滑模自适应控制,并解算出通过升力u1、翻滚力矩u2、俯仰力矩u3、偏航力矩u4;
步骤S41:定义期望向量χd=[xd,yd,zd,φd,θd,ψd]T,定义误差如下:
e=χ-χd. (20)
步骤S42:让我们将滑动表面变量s定义为:
步骤S43:使用RBF神经网络进行质量评估,网络算法定义如下:
步骤S44:估算的质量定义为:
步骤S45:从等式(22)至(23),可以得到如下的质量估计误差::
步骤S46:符号f*可以定义如下:
针对无人机的动力学(4),滑模神经网络控制器的设计如下:
步骤S5:针对所抓取的力分析进行二自由度机械臂力控制,并解算出控制力矩τ1,τ2;
步骤S52:使用等式(3)和(27),可以将操纵器动力学重写为:
步骤S55:RBF神经网络用于估计E,并且网络算法可以表示为:
步骤S56:针对无人机(28)的动态特性,鲁棒的自适应神经网络控制器的设计如下:
步骤S6:通过升力u1、翻滚力矩u2、俯仰力矩u3、偏航力矩u4解算出四个旋翼的转速ωi,i=1,2,3,4;
步骤S61:由公式(26)可以得出系统控制力和控制力矩u,其中u1、u2、u3和u4的关系为:
u1=C1(ω1 2+ω2 2+ω3 2+ω4 2)
u2=C1(-ω2 2+ω4 2),u3=C1(-ω1 2+ω3 2)
u4=C2(ω1 2-ω2 2+ω3 2-ω4 2)
(34)
步骤S7:通过解算得到的数据,控制无人机。
在本实施例中,参考图3-图10,用一个具体的应用实例对本发明的操作进行详细说明,根据本发明控制方法进一步设计的控制器,主要研究在摩擦力和接触力的影响下滑翔抓取物体时的控制跟踪效果。具体设置如下:
1)设定在摩擦力和接触力存在的条件下抓取0.5kg物体,并且设置接触碰撞时间较短,为0.02s:
2)在模拟过程中考虑转动惯量随时间不断变化,同时考虑了外界的扰动对飞行平台产生的影响:
3)硬件参数如表1所示:
表1硬件参数
如图3-图10所示,根据本实施例控制方法进一步设计的控制器可以使作业型飞行机器人位置和姿态以及机械手转速各分量在较小的波动下追踪到目标轨迹。之后使作业型飞行机器人在较小的稳态误差下运动。图7可以看出,俯仰角在0.5s内有很明显的抖振。但超调量小、响应时间的短。仍认为控制器效果好。图3-图10证明了本发明的有效性和优越性。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (7)
1.一种作业飞行机器人动态滑翔抓取与力位混合控制方法,其特征在于,包括以下步骤:
步骤S1:考虑重心偏移以及抓取过程中受力和力矩,构建搭载机械臂的四旋翼无人机系统模型和二自由度机械手模型;
步骤S2:通过对机械手与物体瞬时接触力和抓取力的分析,计算机械手末端受到的瞬时接触力fm和抓取力f1,f2;
步骤S3:构建参数估计器,并对飞行平台的质量m以及惯性张量Ix,Iy,Iz进行估计;
步骤S4:根据步骤S3得到的估计参数,进行飞行平台位置控制,在建模误差存在的情况下进行神经网络滑模自适应控制,并解算出通过升力u1、翻滚力矩u2、俯仰力矩u3、偏航力矩u4;
步骤S5:针对所抓取的力分析进行二自由度机械臂力控制,并解算出控制力矩τ1,τ2;
步骤S6:通过升力u1、翻滚力矩u2、俯仰力矩u3、偏航力矩u4解算出四个旋翼的转速ωi,i=1,2,3,4;
步骤S7:通过解算得到的控制力矩τ1,τ2和四个旋翼的转速ωi,控制无人机。
2.根据权利要求1所述的一种作业飞行机器人动态滑翔抓取与力位混合控制方法,其特征在于,所述构建搭载机械臂的四旋翼无人机系统模型具体为:
利用牛顿-欧拉方程法对搭载机械臂的四旋翼无人机系统进行建模,并根据力平衡和力矩平衡得到飞行平台的动力学:
其中x为飞行平台x轴方向位移,y为飞行平台y方向位移,z为飞行平台z轴方向位移,φ为飞行平台翻滚角,θ为飞行平台俯仰角,ψ为分型平台偏航角,为四旋翼作业型飞行机器人位置和姿态[x,y,z,φ,θ,ψ]T的二阶导,即加速度,u1为飞行平台升力,[u2,u3,u4]为飞行平台力矩,m为作业型飞行机器人总质量,Ix,Iy,Iz分别为对飞行平台x轴,y轴,z轴产生的惯性张量,FB=[Bfx,Bfy,Bfz,Bmx,Bmy,Bmz]为抓取过程中产生的绕动力和扰动力矩,s和c分别表示sin(·)和cos(·),a1,a2,a3,b1,b2,b3,d1,d2,d3为重心偏移引起的扰动项;
建立的二自由度机械臂动力学如下所示:
3.根据权利要求1所述的一种作业飞行机器人动态滑翔抓取与力位混合控制方法,其特征在于,所述步骤S2具体为:
步骤S21:构建作业型飞行机器人的动力学方程:
其中:Mu=diag(m,m,m,Ix,Iy,Iz),ξ=[x,y,z,φ,θ,ψ,q1,q2]T,τ=[v1,v2,v3,u2,u3,u4,τ1,τ2]T,fm=[fx,fy,fz]T。IRE=[IREu,IREf]T,
v1,v2,v3为虚拟控制量;
步骤S22:在作业型飞行机器人抓取物体瞬间,由动量定理可得:
其中:t0为抓取开始时间,Δt为抓取时间;
同时可以计算出所抓取物体的动量:
ξm=[xm,ym,zm]T为所抓取物体的位移;
步骤S23:利用冲量定理,计算出运动过程中产生的冲量;
其中Pm为碰撞过程中产生的冲量;
步骤S24:碰撞后物体速度和作业型飞行机器人末端执行器速度相同:
步骤S26:联立式(6)-(9)得出瞬时接触力fm:
步骤S27:由牛顿运动力学得出抓取过程中所受到的抓取力为:
4.根据权利要求1所述的一种作业飞行机器人动态滑翔抓取与力位混合控制方法,其特征在于,所述步骤S3具体为:
步骤S31:根据步骤S1所设计的动力学模型,转化为:
其中:f=fm+fr1+fr2
步骤S33:使用式(12)和等式(13),将误差动态写为:
步骤S34:Mu表达为:
Mu=mβ1+Ixβ2+Iyβ3+Izβ4, (15)
其中:
β1=diag(1,1,1,0,0,0),β2=diag(0,0,0,1,0,0),β3=diag(0,0,0,0,1,0),β4=diag(0,0,0,0,0,1)
针对误差动态方程(14),自适应控制律设计如下:
步骤S35:对公式(16)进行证明,为了说明误差动力学方程
(16)的收敛性,定义以下Lyapunov候选函数:
步骤S36:对V1进行求导:
将等式(16)代入等式(18),V1的时间导数可得出:
5.根据权利要求1所述的一种作业飞行机器人动态滑翔抓取与力位混合控制方法,其特征在于,所述步骤S4具体包括以下步骤:
步骤S41:定义期望向量χd=[xd,yd,zd,φd,θd,ψd]T,定义误差如下:
e=χ-χd (20)
步骤S42:将滑动表面变量s定义为:
步骤S43:使用RBF神经网络进行质量评估,网络算法定义如下:
步骤S44:估算的质量定义为:
步骤S45:从等式(22)至(23),得到如下的质量估计误差:
步骤S46:符号f*定义如下:
针对无人机的动力学,滑模神经网络控制器的设计如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819205.2A CN113467501B (zh) | 2021-07-20 | 2021-07-20 | 作业飞行机器人动态滑翔抓取与力位混合控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819205.2A CN113467501B (zh) | 2021-07-20 | 2021-07-20 | 作业飞行机器人动态滑翔抓取与力位混合控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113467501A true CN113467501A (zh) | 2021-10-01 |
CN113467501B CN113467501B (zh) | 2023-03-28 |
Family
ID=77881284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110819205.2A Active CN113467501B (zh) | 2021-07-20 | 2021-07-20 | 作业飞行机器人动态滑翔抓取与力位混合控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113467501B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115229792A (zh) * | 2022-07-27 | 2022-10-25 | 福州大学 | 一种飞行作业机器人动态抓取的终端滑模自适应控制方法 |
CN115364255A (zh) * | 2022-09-27 | 2022-11-22 | 江苏理工学院 | 一种适用范围广且消毒稳定的病毒消杀装置及控制方法 |
CN115480583A (zh) * | 2022-09-22 | 2022-12-16 | 福州大学 | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106737659A (zh) * | 2016-11-15 | 2017-05-31 | 哈尔滨工程大学 | 一种水下无人航行器和机械手系统的手艇协调控制方法 |
CN109426147A (zh) * | 2017-08-23 | 2019-03-05 | 中国空气动力研究与发展中心计算空气动力研究所 | 捕获卫星后组合航天器的自适应增益调整控制方法 |
CN110275436A (zh) * | 2019-05-31 | 2019-09-24 | 广东工业大学 | 一种多单臂机械手的rbf神经网络自适应控制方法 |
CN110427043A (zh) * | 2019-09-04 | 2019-11-08 | 福州大学 | 基于作业飞行机器人重心偏移的位姿控制器设计方法 |
US20200241565A1 (en) * | 2017-07-27 | 2020-07-30 | Aurora Flight Sciences Corporation | Aircrew Automation System and Method with Integrated Imaging and Force Sensing Modalities |
CN111650836A (zh) * | 2020-06-18 | 2020-09-11 | 福州大学 | 基于作业飞行机器人动态滑翔抓取物体的控制方法 |
CN111844095A (zh) * | 2020-07-24 | 2020-10-30 | 江南大学 | 测距获取角位移而判别柔性机械手抓持状态的方法与结构 |
CN111993417A (zh) * | 2020-08-04 | 2020-11-27 | 北京航空航天大学 | 一种基于rbf神经网络的机械臂自适应阻抗控制方法 |
CN112809666A (zh) * | 2020-12-17 | 2021-05-18 | 安徽工业大学 | 一种基于神经网络的5-dof机械臂力位跟踪算法 |
-
2021
- 2021-07-20 CN CN202110819205.2A patent/CN113467501B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106737659A (zh) * | 2016-11-15 | 2017-05-31 | 哈尔滨工程大学 | 一种水下无人航行器和机械手系统的手艇协调控制方法 |
US20200241565A1 (en) * | 2017-07-27 | 2020-07-30 | Aurora Flight Sciences Corporation | Aircrew Automation System and Method with Integrated Imaging and Force Sensing Modalities |
CN109426147A (zh) * | 2017-08-23 | 2019-03-05 | 中国空气动力研究与发展中心计算空气动力研究所 | 捕获卫星后组合航天器的自适应增益调整控制方法 |
CN110275436A (zh) * | 2019-05-31 | 2019-09-24 | 广东工业大学 | 一种多单臂机械手的rbf神经网络自适应控制方法 |
CN110427043A (zh) * | 2019-09-04 | 2019-11-08 | 福州大学 | 基于作业飞行机器人重心偏移的位姿控制器设计方法 |
CN111650836A (zh) * | 2020-06-18 | 2020-09-11 | 福州大学 | 基于作业飞行机器人动态滑翔抓取物体的控制方法 |
CN111844095A (zh) * | 2020-07-24 | 2020-10-30 | 江南大学 | 测距获取角位移而判别柔性机械手抓持状态的方法与结构 |
CN111993417A (zh) * | 2020-08-04 | 2020-11-27 | 北京航空航天大学 | 一种基于rbf神经网络的机械臂自适应阻抗控制方法 |
CN112809666A (zh) * | 2020-12-17 | 2021-05-18 | 安徽工业大学 | 一种基于神经网络的5-dof机械臂力位跟踪算法 |
Non-Patent Citations (5)
Title |
---|
HAI-NGUYEN NGUYEN 等: "Mechanics, control and internal dynamics of quadrotor tool operation", 《AUTOMATICA》 * |
ZHENGUO ZHANG 等: "Gliding grasping analysis and hybrid force/position control for unmanned aerial manipulator system", 《ISA TRANSACTIONS》 * |
张囡 等: "机械手RBF神经网络滑模迭代学习控制", 《电子世界》 * |
张振国 等: "作业型飞行机器人动态滑翔抓取的鲁棒自适应控制", 《控制理论与应用》 * |
陈彦杰 等: "作业型飞行机器人抓取后重心偏移的轨迹跟踪控制", 《控制理论与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115229792A (zh) * | 2022-07-27 | 2022-10-25 | 福州大学 | 一种飞行作业机器人动态抓取的终端滑模自适应控制方法 |
CN115480583A (zh) * | 2022-09-22 | 2022-12-16 | 福州大学 | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 |
CN115480583B (zh) * | 2022-09-22 | 2024-06-07 | 福州大学 | 飞行作业机器人的视觉伺服跟踪与阻抗控制方法 |
CN115364255A (zh) * | 2022-09-27 | 2022-11-22 | 江苏理工学院 | 一种适用范围广且消毒稳定的病毒消杀装置及控制方法 |
CN115364255B (zh) * | 2022-09-27 | 2023-09-01 | 江苏理工学院 | 一种适用范围广且消毒稳定的病毒消杀装置及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113467501B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113467501B (zh) | 作业飞行机器人动态滑翔抓取与力位混合控制方法 | |
CN111185907B (zh) | 一种作业型飞行机器人抓取后的位姿稳定控制方法 | |
CN112904728B (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
CN110427043B (zh) | 基于作业飞行机器人重心偏移的位姿控制器设计方法 | |
CN112363519B (zh) | 四旋翼无人机强化学习非线性姿态控制方法 | |
Di Lucia et al. | Attitude stabilization control of an aerial manipulator using a quaternion-based backstepping approach | |
CN108388123A (zh) | 多个仿人机器人在速度不可测下的自适应控制方法 | |
CN113703319B (zh) | 基于强化学习的关节模组不等式约束最优鲁棒控制方法 | |
CN112091976A (zh) | 一种水下机械臂任务空间控制方法 | |
CN111687827A (zh) | 一种双机器人协调操作弱刚性构件的控制方法和控制系统 | |
CN111650836B (zh) | 基于作业飞行机器人动态滑翔抓取物体的控制方法 | |
CN114510063A (zh) | 一种无人履带车辆及其轨迹跟踪控制方法和系统 | |
CN115556111A (zh) | 基于变惯性参数建模的飞行机械臂耦合扰动控制方法 | |
CN110641738B (zh) | 一种空间五自由度自由飞行机械臂的轨迹跟踪控制方法 | |
CN115826597A (zh) | 基于自适应神经网络的旋翼飞行器抗扰控制方法及设备 | |
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 | |
Ouyang et al. | Control of an aerial manipulator using a quadrotor with a replaceable robotic arm | |
Zhang et al. | Gliding grasping analysis and hybrid force/position control for unmanned aerial manipulator system | |
CN114355771A (zh) | 协作机器人力位混合控制方法及系统 | |
CN108227493A (zh) | 一种机器人轨迹跟踪方法 | |
CN115229792B (zh) | 一种飞行作业机器人动态抓取的终端滑模自适应控制方法 | |
Hu et al. | Dynamic control of free‐floating coordinated space robots | |
Offermann et al. | Nonlinear model and control validation of a tilting quadcopter | |
Anuar et al. | Sliding mode control with adaptive gain of quadrotor with rigid manipulator | |
Bulut et al. | Computed torque control of an aerial manipulation system with a quadrotor and a 2-dof robotic arm |
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 |