CN113625572B - 基于工业互联网的机械臂复合容错控制器系统 - Google Patents
基于工业互联网的机械臂复合容错控制器系统 Download PDFInfo
- Publication number
- CN113625572B CN113625572B CN202111050895.6A CN202111050895A CN113625572B CN 113625572 B CN113625572 B CN 113625572B CN 202111050895 A CN202111050895 A CN 202111050895A CN 113625572 B CN113625572 B CN 113625572B
- Authority
- CN
- China
- Prior art keywords
- fault
- disturbance
- observer
- actuator
- mechanical arm
- 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
- 239000002131 composite material Substances 0.000 title claims abstract description 67
- 230000004888 barrier function Effects 0.000 claims abstract description 19
- 230000003044 adaptive effect Effects 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 26
- 150000001875 compounds Chemical class 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012938 design process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/042—Adaptive 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工业互联网的机械臂复合容错控制器系统,该复合容错控制器包括:扩张状态观测器,用于实时估计当前时刻非线性系统出现总扰动时的第一补偿系数;所述总扰动包括系统参数不确定度扰动和执行器出现的恒偏差误差扰动;故障估计观测器,用于实时估计当前时刻非线性系统的执行器出现恒定增益故障时的第二补偿系数;所述故障扰动观测器设置有自适应更新律;控制单元,用于基于障碍李雅普诺夫函数设计的复合控制律,采用所述第二补偿系数对非线性系统中的执行器进行补偿,采用第一补偿系统对工业机械臂模型进行补偿,以实现对期望轨迹的精确跟踪;所述非线性系统为工业机械臂系统。本发明能够对期望轨迹进行精准跟踪。
Description
技术领域
本发明涉及工业机械臂轨迹跟踪技术领域,特别是涉及一种基于工业互联网的机械臂复合容错控制器系统。
背景技术
目前,工业机械臂的发展具有的特点为:一方面,工业机械臂与互联网技术深度融合,使得机器人拥有与其他设备信息交互的能力,即将工业机械臂、互联网技术、智能算法深度融合以组成多机械臂系统,进一步提高了多机械臂系统的部署能力与适应能力;另一方面,工业机械臂的标准化设计以及修复能力的快速发展,使得工业机械臂的易用性与稳定性也不断提升。
在美国空间站和中国空间站中,空间机械臂用于捕获未知目标。此外,美国还提出了用飞船机械臂上的柔性力控制器来代替工作人员,以实现组装物体和抓取物体的能力。在民用领域中,工业机械臂的应用越来越广泛,例如在自动化生产线中,密集型流水线一定会带来“多机械臂协作”的要求,工业机械臂从单机自动化到产线自动化,从脉冲控制方式到总线控制方式,使得工业机械臂告别了单机时代,来到了多机械臂协同工作的层面。但是工业机械臂的结构复杂,相应的维护成本也比较高,这对于企业的维护能力提出了新要求。因此工业机械臂的稳定性、可靠性对于企业的生产制造成本有重大影响。
工业机械臂是一种多输入多输出(MIMO)的非线性系统,具有参数扰动、外部扰动等不确定性因素。除了不确定性因素外,控制器、执行器、传感器等也有可能存在系统故障。因此,工业机械臂的性能将大大降低。在此基础上,容错控制(FTC,fault-tolerantcontrol)对于工业机械臂的安全来说就显得至关重要。
现有的机械臂容错控制方案包括被动容错控制方案和主动容错控制方案,被动容错控制方案,虽然计算消耗小,但是对于故障类型没有明显区分,难以实现精确的故障补偿;主动容错控制方案,由于其能够获取故障信息,故具有设计简单、控制结构统一等优点,但是只考虑单个故障类型,同样也难以实现精确的故障补偿。
发明内容
鉴于此,本发明提供了一种基于工业互联网的机械臂复合容错控制器系统。
为实现上述目的,本发明提供了如下方案:
一种工业机械臂的复合容错控制器的确定方法,包括:
针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器;
针对执行器出现的恒定增益故障,确定故障扰动观测器;所述故障扰动观测器设置有自适应更新律;
基于障碍李雅普诺夫函数,设计复合控制律;
基于所述扩张状态观测器、所述扩张状态观测器、所述复合控制律,构建基于工业机械臂动力学模型的复合容错控制器;所述复合容错控制器用于对所需轨迹进行精确跟踪。
可选的,所述针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器,具体包括:
在工业机械臂动力学模型建立过程中,将执行器出现的恒偏差误差分解为扰动模型,以使系统参数不确定度和执行器出现的恒偏差误差表示为d=-τd+fu,进而确定扩张状态观测器;
所述扩张状态观测器表示为:
其中,z3用于实时估计当前时刻非线性系统的总扰动;所述非线性系统的为工业机械臂系统。
可选的,所述故障扰动观测器表示为:
可选的,所述复合容错控制器表示为:
一种工业机械臂的复合容错控制器的确定系统,包括:
扩张状态观测器确定模块,用于针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器;
故障扰动观测器确定模块,用于针对执行器出现的恒定增益故障,确定故障扰动观测器;所述故障扰动观测器设置有自适应更新律;
复合控制律设计模块,用于基于障碍李雅普诺夫函数,设计复合控制律;
复合容错控制器构建模块,用于基于所述扩张状态观测器、所述扩张状态观测器、所述复合控制律,构建基于工业机械臂动力学模型的复合容错控制器;所述复合容错控制器用于对所需轨迹进行精确跟踪。
一种工业机械臂的复合容错控制方法,包括:
采用扩张状态观测器实时估计当前时刻非线性系统出现总扰动时的第一补偿系数;所述总扰动包括系统参数不确定度扰动和执行器出现的恒偏差误差扰动;
采用故障估计观测器实时估计当前时刻非线性系统的执行器出现恒定增益故障时的第二补偿系数;所述故障扰动观测器设置有自适应更新律;
基于障碍李雅普诺夫函数设计的复合控制律,采用所述第二补偿系数对非线性系统中的执行器进行补偿,采用第一补偿系统对工业机械臂模型进行补偿,以实现对期望轨迹的精确跟踪;所述非线性系统为工业机械臂系统。
一种工业机械臂的复合容错控制器,包括:
扩张状态观测器,用于实时估计当前时刻非线性系统出现总扰动时的第一补偿系数;所述总扰动包括系统参数不确定度扰动和执行器出现的恒偏差误差扰动;
故障估计观测器,用于实时估计当前时刻非线性系统的执行器出现恒定增益故障时的第二补偿系数;所述故障扰动观测器设置有自适应更新律;
控制单元,用于基于障碍李雅普诺夫函数设计的复合控制律,采用所述第二补偿系数对非线性系统中的执行器进行补偿,采用第一补偿系统对工业机械臂模型进行补偿,以实现对期望轨迹的精确跟踪;所述非线性系统为工业机械臂系统。
一种基于工业互联网的多工业机械臂控制系统,包括:PLC控制器、PROFINET现场总线以及复合容错控制器;其中,每个工业机械臂设置有一个复合容错控制器;
所述PLC控制器,通过PROFINET现场总线与每个所述复合容错控制器连接以控制多个工业机械臂协同工作。
还包括:PROFINET监控器;
PLC控制器、PROFINET监控器通过PROFINET现场总线相互通信。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
对于工业机械臂系统,希望它能够准确地跟踪所需的轨迹,然而,考虑到各种故障和各种干扰,高精度的轨迹跟踪已经成为一个挑战。本实施例提出了一种工业机械臂的复合容错控制器,在主动容错控制方案的基础上,引入了扩张状态观测器来处理系统不确定的外部扰动和执行器的恒偏差误差,采用故障估计观测器来处理执行器的恒定增益故障,并通过自适应更新律,可以获得鲁棒的故障观测性能,即可以更加准确地检测故障,并实时估计故障,进而实现精确的故障补偿,实现对期望轨迹的精确跟踪。此外,还利用障碍李雅普诺夫函数,使工业机械臂在执行器故障下的轨迹跟踪误差保持在一个可接受的有界范围内,最终实现对所需轨迹的精确跟踪。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种工业机械臂的复合容错控制方法的流程示意图;
图2为本发明一种工业机械臂的复合容错控制方案框图;
图3为本发明执行器故障类型示意图;
图4为本发明基于工业互联网的多工业机械臂控制系统的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明采用高阶滑动模式观测器进行故障诊断,以检测工业机械臂的故障信息。同时,在工业机械臂发生故障时,开发了基于障碍李雅普诺夫函数(BLF,barrier Lyapunovfunction)的方法,确保了运动约束条件,
基于障碍李雅普诺夫函数(BLF,barrier Lyapunov function)的方法的基本思想是:当自变量值趋于面积边界时,BLF值趋于无穷,通过保证BLF的有界性,可以实现限制系统状态的目的。
实施例一
在工业机械臂运动控制(即轨迹跟踪过程)中,执行器故障引起的不确定性给控制器的设计带来了巨大的挑战。此外,在工业机械臂运动控制中,输出约束和外部扰动也是需要考虑的。
针对外部扰动,本实施例引入了扩张状态观测器(ESO,Extended StateObserver),实现外部扰动的观测补偿;针对执行器故障,本实施例设计了故障估计观测器,实现对执行器故障的故障补偿,针对输出约束问题,本实施例引入了障碍李雅普诺夫函数,实现输出状态的约束。
具体而言,本实施例首先利用扩张状态观测器补偿非线性系统(工业机械臂)的参数不确定性和外部扰动;其次通过设计的自适应故障估计观测器补偿执行器故障,并且在复合容错控制方案的设计过程中利用障碍李雅普诺夫函数处理输出约束。理论结果表明,输出约束不被违反,非线性系统中的所有信号均一致有界,非线性系统输出的误差有效地保持在设定范围内。
如图1和图2所示,本实施例提供的一种工业机械臂的复合容错控制器的确定方法,包括以下步骤。
步骤101:针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器;
步骤102:针对执行器出现的恒定增益故障,确定故障扰动观测器;
步骤103:基于障碍李雅普诺夫函数,设计复合控制律;
步骤104:基于所述扩张状态观测器、所述扩张状态观测器、所述复合控制律,构建基于工业机械臂动力学模型的复合容错控制器;所述复合容错控制器用于对所需轨迹进行精确跟踪。
下面对复合容错控制器的确定过程进行详细说明。
首先介绍下工业机械臂动力学模型(图2中的机械臂模型)。
考虑到具有执行器故障的n个自由度的工业机械臂,其动力学模型可表示为公式(1)所示的二阶非线性方程。
其中,分别是联合广义的位置向量、速度向量和加速度向量;M(q)是对称的正定惯性矩阵;/>是科里奥利矩阵;G(q)是重力矩阵;D(τ)是执行器故障函数,τ是执行器提供的关节力矩矢量;τd表示外部扰动。
正定惯性矩阵满足如下不等式:
m1||x||2≤xTM(q)x≤m2||x||2 (2);
其中,m1,m2为正常数,x表示广义状态量。
其次介绍下执行器。
执行器主要对恒定增益故障和恒偏差故障敏感。
当发生恒定增益故障时,其故障模型方程式为:
D(τ)=ρτ,ρ=diag{ρi},i=1,2,...,n (3);
这类故障意味着执行器存在效应失效(LOE,loss of effect)故障,导致实际输出控制转矩与预期输出控制转矩成正比。ρi表示执行器的有效因素,即故障程度。当ρi=1时,表示执行器工作正常,未发生故障;当ρi=0时,表示执行器完全无效;当ρi∈(0,1)时,表示非线性系统存在执行器恒定增益(乘数)故障,即部分故障。其中,非线性系统即为工业机械臂系统。
当发生恒偏差故障时,其故障模型方程如下
D(τ)=τ+fu,fu=[fu1,fu2,…,fun]T (4);
这类故障意味着已向非线性系统添加了一个或多个输入,从而导致实际输出控制转矩与预期输出控制转矩的固定偏差。其中,τ表示输出控制转矩的期望值,D(τ)表示输出控制转矩的实际值,fu为故障项,即扰动转矩。当fu=0时,它表示非线性系统工作正常;T表示期望力矩。
当所施加的扰动转矩fu和执行器故障因子ρi的值发生变化时,公式(3)和(4)中的控制输出基于不同的故障类型。在实际情况下,这两种故障可能同时发生,因此要综合考虑工业机械臂的各种故障。
该故障可以表示为公式(5)所示的公式,具体如附图3所示:
D(τ)=ρτ+fu (5);
在工业机械臂动力学模型建模过程中,非线性系统的参数误差和扰动d是一个有界不确定常数。此外期望轨迹是已知的、连续的和有界的,即||qd||≤Qd;其中,qd表示期望轨迹,Qd表示期望轨迹的上界。
接着介绍下扩张状态观测器和故障估计观测器。
在恒定增益故障中,执行器故障因子ρ为对角矩阵。为了便于估计故障系数,公式(3)中的ρ变换为列向量:
ρτ=Uv (6);
其中,U=diag[τ1,τ2,…,τn],v=[ρ1,ρ2,…,ρn]T。
为了实现对执行器故障下工业机械臂的主动容错方案的设计,对于工业机械臂的动力学模型改写:
其中,在工业机械臂动力学建模时将执行器的恒偏差故障分解为扰动模型,d表示系统参数不确定度和恒偏差误差,表示为d=-τd+fu,为了准确地估计非线性系统中的扰动,应用扩张状态观测器(ESO,Extended State Observer)来观察非线性系统的扰动。ESO不依赖于扰动的具体数学模型,也不需要直接测量扰动。通过ESO,可以实时准确估计工业机械臂的内部状态信息和总干扰。
通过定义q1=q,工业机械臂动力学在状态空间模型中可以被改成如下形式,则工业机械臂系统(非线性系统)可以表示为扩展高阶系统:
f2(t)=M(q)-1d;
ESO的设计如下:
其中,z1,z2,z3为扩张状态观测器的参数,β01、β02、β03均表示观察器的线性增益,“.”均表示求导,-1表示逆矩阵。
该观测器特定的非线性函数的形式
其中,fal()表示指代函数;e为误差;0<αi<1,为常数值;δ>0,为常数值,且表示大于零的极小量;sgn表示符号函数,a为增益常量。
z3是一个扩展变量;根据z3,可以实时估计当前时刻非线性系统的总扰动。然后,针对执行器故障,为了估计和补偿执行器故障ρ,设计了如下故障估计观测器(FEO,faultestimation observer):
其中,表示工业机械臂各个关节角速度q2的估计值,L是故障估计观测器的增益,/>表示执行器故障的估计值,/>表示为关节估计误差,M、C、G分别表示工业机械臂的动力学参数,/>表示工业机械臂外部扰动,U为执行器故障因数转换矩阵;/>M-1表示M的逆矩阵。
基于上述观测器,推导出故障估计观测器误差动力学方程
其中,~表示两者差值。
基于上述分析,可得出主要结论:对于具有执行器恒增益的工业机械臂系统,设计了故障估计观测器,实现了故障的在线实时估计。自适应律的设计可以保证观察者的渐近稳定性。
根据上述步骤对于工业机械臂的设计结果,工业机械臂的动力学模型重新表示为:
定义误差量为:
其中,qd表示所需的轨迹,而β是虚拟控制函数,并且其中,e1表示轨迹跟踪误差。
将虚拟控制函数β设计为其中,K1=diag[k1,k2,,kn],并且ki≥0。
选择如下屏障障碍李亚普诺夫函数:
对于机械臂的参数误差以及外部扰动量,选择扩张状态观测器实现参数补偿,对于执行器出现的恒定增益故障,利用故障扰动观测器实现故障参数补偿,最后根据障碍李雅普诺夫函数设计复合控制律,最后设计了基于模型的控制器如下:
其中,τ为力矩,为故障因子估计值,-1表示逆矩阵,K2为线性增益,e2为过程变量,e1是个列向量,e12表示列向量的第二个值,b为设定常数值,b2同样为b的第二个值,依次类推,M、C、G为机器人的参数矩阵β表示虚拟控制函数,d为ESO观测器观测出来的扰动。
通过合理的选择参数K1,K2,对于上述包括未知干扰、执行器故障和输出约束的工业机械臂系统。所提出的复合控制确保了闭环信号为半全局有界信号系统的输出可以跟踪所需的轨迹,不违反局部状态约束。
具体地说,跟踪误差e1,e2自动收敛到分别定义的紧凑集紧凑集定义如下:
实施例二
本实施例提供了一种工业机械臂的复合容错控制器的确定系统,包括:
扩张状态观测器确定模块,用于针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器。
故障扰动观测器确定模块,用于针对执行器出现的恒定增益故障,确定故障扰动观测器;所述故障扰动观测器设置有自适应更新律。
复合控制律设计模块,用于基于障碍李雅普诺夫函数,设计复合控制律;
复合容错控制器构建模块,用于基于所述扩张状态观测器、所述扩张状态观测器、所述复合控制律,构建基于工业机械臂动力学模型的复合容错控制器;所述复合容错控制器用于对所需轨迹进行精确跟踪。
其中,扩张状态观测器、故障扰动观测器、复合控制律以及复合容错控制器的设计过程参见实施例一,在此不过多赘述。
实施例三
本实施例提供了一种工业机械臂的复合容错控制方法,包括:
步骤A:采用扩张状态观测器实时估计当前时刻非线性系统出现总扰动时的第一补偿系数;所述总扰动包括系统参数不确定度扰动和执行器出现的恒偏差误差扰动;
步骤B:采用故障估计观测器实时估计当前时刻非线性系统的执行器出现恒定增益故障时的第二补偿系数;所述故障扰动观测器设置有自适应更新律;
步骤C:基于障碍李雅普诺夫函数设计的复合控制律,采用所述第二补偿系数对非线性系统中的执行器进行补偿,采用第一补偿系统对工业机械臂模型进行补偿,以实现对期望轨迹的精确跟踪;所述非线性系统为工业机械臂系统。
其中,扩张状态观测器、故障扰动观测器、复合控制律以及复合容错控制器的设计过程参见实施例一,在此不过多赘述。
实施例四
本实施例提供了一种工业机械臂的复合容错控制器,包括:
扩张状态观测器,用于实时估计当前时刻非线性系统出现总扰动时的第一补偿系数;所述总扰动包括系统参数不确定度扰动和执行器出现的恒偏差误差扰动。
故障估计观测器,用于实时估计当前时刻非线性系统的执行器出现恒定增益故障时的第二补偿系数;所述故障扰动观测器设置有自适应更新律。
控制单元,用于基于障碍李雅普诺夫函数设计的复合控制律,采用所述第二补偿系数对非线性系统中的执行器进行补偿,采用第一补偿系统对工业机械臂模型进行补偿,以实现对期望轨迹的精确跟踪;所述非线性系统为工业机械臂系统。
其中,扩张状态观测器、故障扰动观测器、复合控制律以及复合容错控制器的设计过程参见实施例一,在此不过多赘述。
实施例五
本实施例提供了一种基于工业互联网的多工业机械臂控制系统
PROFINET是由国际组织PROFIBUS&PROFINET Inetnational(PI)推出的新一代基于工业以太网技术的自动化总线标准。该协议底层使用TCP/IP,通过该协议可以实现互联网内不同设备之间的相互通信,实现诸如以太网、运动控制、分布式自动化以及故障安全控制等。
在本实施例中,主要通过PLC控制器、PROFINET现场总线以及实施例四所述的复合容错控制器,如附图4所示。本发明无需增加硬件,在PROFINET设备上直接解析控制指令,实现多工业机械臂统一协同控制,即每个工业机械臂设置有一个复合容错控制器;所述PLC控制器,通过PROFINET现场总线与每个所述复合容错控制器连接以控制多个工业机械臂协同工作。
此外,该系统还包括PROFINET监控器。
PLC控制器、PROFINET监控器通过PROFINET现场总线相互通信
根据本发明的特征,本发明公开了以下技术效果:
第一,现有的机械臂容错控制方案中的被动容错控制方案,对于故障类型没有明显区分,主动容错控制方案往往只考虑单个故障类型。鉴于此,本发明综合考虑恒偏差与恒增益两种执行器故障,在对机械臂动力学建模时,将执行器恒偏差故障分解为扰动模型,并使用扩张状态观测器来实现故障补偿。
第二,被动容错控制方案,虽然计算消耗小,但是对故障类型没有明显区分,难以实现精确的故障补偿;为了解决该问题,本发明设计了一种故障估计观测器进行故障诊断,以检测机械器的故障信息,确保能够实时估计和补偿执行器的恒定增益故障。通过设计自适应更新律,可以实现鲁棒的故障观测性能。
第三,本发明提出了一种针对执行器故障的复合控制方案,并针对该方案设计了一个故障估计观测器。通过自适应更新律,可以实现鲁棒的故障观测性能。此外,在控制器的设计中,还引入了扩张状态观测器来处理系统的不确定的外部扰动和致动器的部分故障,以实现对期望轨迹的精确跟踪。
第四,本发明在设计控制器时,为输出约束引入了障碍李雅普诺夫函数函数。使系统输出误差有效地保持在设定范围内。
第五,基于PROFINET工业互联网技术,通过MES和现场PLC实现机器人实现了对工厂机器人进行驱动关断模式和多机械臂批量协同控制,从而提高自动化生产生产效率、达到节能减排的目的。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种工业机械臂的复合容错控制器的确定方法,其特征在于,包括:
针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器;
针对执行器出现的恒定增益故障,确定故障扰动观测器;所述故障扰动观测器设置有自适应更新律;
基于障碍李雅普诺夫函数,设计复合控制律;
基于所述扩张状态观测器、所述故障扰动观测器、所述复合控制律,构建基于工业机械臂动力学模型的复合容错控制器;所述复合容错控制器用于对所需轨迹进行精确跟踪,所述复合容错控制器如下:
其中,τ为力矩,为故障因子估计值,K2为线性增益,e2为过程变量,e1是列向量,e12表示列向量的第二个值,b为设定常数值,b2同样为b的第二个值,以此类推,M,C,G为机器人的参数矩阵,β表示虚拟控制函数,d为ESO观测器观测出来的扰动。
2.根据权利要求1所述的一种工业机械臂的复合容错控制器的确定方法,其特征在于,所述针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器,具体包括:
在工业机械臂动力学模型建立过程中,将执行器出现的恒偏差误差分解为扰动模型,以使系统参数不确定度和执行器出现的恒偏差误差表示为d=-τd+fu,进而确定扩张状态观测器;
所述扩张状态观测器表示为:
其中,z1,z2,z3为扩张状态观测器的参数,β01,β02,β03均表示观察器的线性增益,“·”均表示求导,z3用于实时估计当前时刻非线性系统的总扰动;所述非线性系统为工业机械臂系统,该观测器特定的非线性函数的形式为:
其中,fal()表示指代函数;e为误差;0<αi<1,为常数值;δ>0,为常数值,且表示大于零的极小值;sgn表示符号函数;
其中,分别是联合广义的位置向量和速度向量,定义q1=q,M(q)是对称的正定惯性矩阵,M(q)-1为M(q)的逆矩阵;/>是科里奥利矩阵;G(q)是重力矩阵;
ρτ=Uv
其中,τ是力矩,ρ为列向量。
3.根据权利要求1所述的一种工业机械臂的复合容错控制器的确定方法,其特征在于,所述故障扰动观测器表示为:
其中,表示工业机械臂各个关节角速度q2的估计值,L是故障估计观测器的增益,/>表示执行器故障的估计值,/>表示为关节估计误差,M,C,G分别表示机器人的参数矩阵,/>表示工业机械臂外部扰动,U为执行器故障因数转换矩阵;M-1表示M的逆矩阵。
4.一种工业机械臂的复合容错控制器的确定系统,其特征在于,包括:
扩张状态观测器确定模块,用于针对系统参数不确定度和执行器出现的恒偏差误差,确定扩张状态观测器;
故障扰动观测器确定模块,用于针对执行器出现的恒定增益故障,确定故障扰动观测器;所述故障扰动观测器设置有自适应更新律;
复合控制律设计模块,用于基于障碍李雅普诺夫函数,设计复合控制律;
复合容错控制器构建模块,用于基于所述扩张状态观测器、所述故障扰动观测器、所述复合控制律,构建基于工业机械臂动力学模型的复合容错控制器;所述复合容错控制器用于对所需轨迹进行精确跟踪,所述复合容错控制器如下:
其中,τ为力矩,为故障因子估计值,K2为线性增益,e2为过程变量,e1是列向量,e12表示列向量的第二个值,b为设定常数值,b2同样为b的第二个值,以此类推,M,C,G为机器人的参数矩阵,β表示虚拟控制函数,d为ESO观测器观测出来的扰动。
5.一种工业机械臂的复合容错控制方法,使用如权利要求1所述的一种工业机械臂的复合容错控制器的确定方法,其特征在于,包括:
采用扩张状态观测器实时估计当前时刻非线性系统出现总扰动时的第一补偿系数;所述总扰动包括系统参数不确定度扰动和执行器出现的恒偏差误差扰动;
采用故障扰动观测器实时估计当前时刻非线性系统的执行器出现恒定增益故障时的第二补偿系数;所述故障扰动观测器设置有自适应更新律;
基于障碍李雅普诺夫函数设计的复合控制律,采用所述第二补偿系数对非线性系统中的执行器进行补偿,采用第一补偿系统对工业机械臂模型进行补偿,以实现对期望轨迹的精确跟踪;所述非线性系统为工业机械臂系统。
6.一种工业机械臂的复合容错控制器,使用如权利要求4所述的一种工业机械臂的复合容错控制器的确定系统,其特征在于,包括:
扩张状态观测器,用于实时估计当前时刻非线性系统出现总扰动时的第一补偿系数;所述总扰动包括系统参数不确定度扰动和执行器出现的恒偏差误差扰动;
故障扰动观测器,用于实时估计当前时刻非线性系统的执行器出现恒定增益故障时的第二补偿系数;所述故障扰动观测器设置有自适应更新律;
控制单元,用于基于障碍李雅普诺夫函数设计的复合控制律,采用所述第二补偿系数对非线性系统中的执行器进行补偿,采用第一补偿系统对工业机械臂模型进行补偿,以实现对期望轨迹的精确跟踪;所述非线性系统为工业机械臂系统。
7.一种基于工业互联网的多工业机械臂控制系统,其特征在于,包括:PLC控制器、PROFINET现场总线以及权利要求6所述的复合容错控制器;其中,每个工业机械臂设置有一个复合容错控制器;
所述PLC控制器,通过PROFINET现场总线与每个所述复合容错控制器连接以控制多个工业机械臂协同工作。
8.根据权利要求7所述的基于工业互联网的多工业机械臂控制系统,其特征在于,还包括:PROFINET监控器;
PLC控制器、PROFINET监控器通过PROFINET现场总线相互通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050895.6A CN113625572B (zh) | 2021-09-08 | 2021-09-08 | 基于工业互联网的机械臂复合容错控制器系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050895.6A CN113625572B (zh) | 2021-09-08 | 2021-09-08 | 基于工业互联网的机械臂复合容错控制器系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113625572A CN113625572A (zh) | 2021-11-09 |
CN113625572B true CN113625572B (zh) | 2024-04-02 |
Family
ID=78389436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111050895.6A Active CN113625572B (zh) | 2021-09-08 | 2021-09-08 | 基于工业互联网的机械臂复合容错控制器系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113625572B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002287804A (ja) * | 2001-03-28 | 2002-10-04 | Seiko Instruments Inc | 規範モデル適応型制御システムおよび規範モデル適応型制御方法 |
CN107121977A (zh) * | 2017-06-02 | 2017-09-01 | 南京邮电大学 | 基于双层结构的机械臂执行器故障容错控制系统及其方法 |
CN107450328A (zh) * | 2017-10-12 | 2017-12-08 | 北京航空航天大学 | 一种基于e‑s滑模观测器的抗干扰容错控制方法 |
CN108287476A (zh) * | 2018-02-06 | 2018-07-17 | 哈尔滨工业大学 | 基于高阶滑模控制和扰动观测器的空间翻滚非合作目标自主交会制导方法 |
CN110170992A (zh) * | 2019-04-02 | 2019-08-27 | 长春工业大学 | 一种基于动态规划的模块化机械臂多故障容错控制方法 |
CN110275435A (zh) * | 2019-05-24 | 2019-09-24 | 广东工业大学 | 基于观测器的多单臂机械手输出一致自适应命令滤波控制方法 |
CN110687870A (zh) * | 2019-08-28 | 2020-01-14 | 济南大学 | 基于非线性扩张状态观测器的机械臂跟踪控制器及系统 |
CN111158343A (zh) * | 2020-01-10 | 2020-05-15 | 淮阴工学院 | 一种针对带有执行器和传感器故障的切换系统的异步容错控制方法 |
CN113146640A (zh) * | 2021-04-27 | 2021-07-23 | 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 |
CN113341733A (zh) * | 2021-06-29 | 2021-09-03 | 哈尔滨工业大学 | 直线电机系统故障与未知扰动补偿方法 |
-
2021
- 2021-09-08 CN CN202111050895.6A patent/CN113625572B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002287804A (ja) * | 2001-03-28 | 2002-10-04 | Seiko Instruments Inc | 規範モデル適応型制御システムおよび規範モデル適応型制御方法 |
CN107121977A (zh) * | 2017-06-02 | 2017-09-01 | 南京邮电大学 | 基于双层结构的机械臂执行器故障容错控制系统及其方法 |
CN107450328A (zh) * | 2017-10-12 | 2017-12-08 | 北京航空航天大学 | 一种基于e‑s滑模观测器的抗干扰容错控制方法 |
CN108287476A (zh) * | 2018-02-06 | 2018-07-17 | 哈尔滨工业大学 | 基于高阶滑模控制和扰动观测器的空间翻滚非合作目标自主交会制导方法 |
CN110170992A (zh) * | 2019-04-02 | 2019-08-27 | 长春工业大学 | 一种基于动态规划的模块化机械臂多故障容错控制方法 |
CN110275435A (zh) * | 2019-05-24 | 2019-09-24 | 广东工业大学 | 基于观测器的多单臂机械手输出一致自适应命令滤波控制方法 |
CN110687870A (zh) * | 2019-08-28 | 2020-01-14 | 济南大学 | 基于非线性扩张状态观测器的机械臂跟踪控制器及系统 |
CN111158343A (zh) * | 2020-01-10 | 2020-05-15 | 淮阴工学院 | 一种针对带有执行器和传感器故障的切换系统的异步容错控制方法 |
CN113146640A (zh) * | 2021-04-27 | 2021-07-23 | 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 |
CN113341733A (zh) * | 2021-06-29 | 2021-09-03 | 哈尔滨工业大学 | 直线电机系统故障与未知扰动补偿方法 |
Non-Patent Citations (4)
Title |
---|
Distributed Model Predictive Control of Linear Systems with Unmeasurable States and Uncertain Parameters;Wei Zhao et al.;32ND YOUTH ACADEMIC ANNUAL CONFERENCE OF CHINESE ASSOCIATION OF AUTOMATION (YAC);916-921 * |
工业互联网标识数据管理及应用技术研究;池程 等;信息通信技术与政策(第8期);47-51 * |
机械臂执行器故障重构与容错控制;裴红蕾;制造技术与机床(第1期);89-95 * |
空间机器人基于比例因子识别的自校正反馈神经网络容错算法设计;雷荣华 等;控制与决策;35(08);1833-1840 * |
Also Published As
Publication number | Publication date |
---|---|
CN113625572A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107121977B (zh) | 基于双层结构的机械臂执行器故障容错控制系统及其方法 | |
Corradini et al. | Discrete time sliding mode control of robotic manipulators: Development and experimental validation | |
CN110253572B (zh) | 一种输入饱和多单臂机械手的事件触发控制方法 | |
Nguyen et al. | A finite-time fault-tolerant control using non-singular fast terminal sliding mode control and third-order sliding mode observer for robotic manipulators | |
Carelli et al. | A neural network based feedforward adaptive controller for robots | |
EP2980665A2 (en) | Scalable motion control system | |
CN113146640A (zh) | 一种考虑执行器故障的机械臂分散最优容错控制方法 | |
Zhong et al. | Fuzzy adaptive PID fast terminal sliding mode controller for a redundant manipulator | |
Wang et al. | A linear active disturbance rejection control approach to position synchronization control for networked interconnected motion system | |
CN109986562A (zh) | 一种平面机械臂系统及其分散式容错控制方法 | |
Rigatos et al. | Nonlinear optimal control for multi‐DOF robotic manipulators with flexible joints | |
Hu et al. | Modified linear active disturbance rejection control for uncertain robot manipulator trajectory tracking | |
Villani et al. | An experimental study of adaptive force/position control algorithms for an industrial robot | |
Lu et al. | Decentralized fault tolerant control for modular robot manipulators via integral terminal sliding mode and disturbance observer | |
Xia et al. | Hybrid force/position control of industrial robotic manipulator based on Kalman filter | |
CN113625572B (zh) | 基于工业互联网的机械臂复合容错控制器系统 | |
WO2024093507A1 (zh) | 用于实现机械手系统轨迹跟踪的广义动态预测控制方法 | |
Liang et al. | Adaptive Neural Network Finite-Time Tracking Control for Uncertain Hydraulic Manipulators | |
Aksman et al. | Force estimation based compliance control of harmonically driven manipulators | |
Park et al. | Multi-link multi-contact force control for manipulators | |
Tourassis | Principles and design of model-based robot controllers | |
CN115890650A (zh) | 一种可重构机械臂事件触发分散最优容错控制方法及系统 | |
Wang et al. | Adaptive robust control for accurate trajectory tracking of collaborative robots | |
Zhou et al. | Distributed operation health monitoring for modular and reconfigurable robot with consideration of actuation limitation | |
Wallén et al. | ILC applied to a flexible two-link robot model using sensor-fusion-based estimates |
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 |