CN113650020A - 一种机械臂系统有限时间自适应镇定控制方法和系统 - Google Patents
一种机械臂系统有限时间自适应镇定控制方法和系统 Download PDFInfo
- Publication number
- CN113650020A CN113650020A CN202111081395.9A CN202111081395A CN113650020A CN 113650020 A CN113650020 A CN 113650020A CN 202111081395 A CN202111081395 A CN 202111081395A CN 113650020 A CN113650020 A CN 113650020A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- finite time
- matrix
- adaptive
- order
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006641 stabilisation Effects 0.000 title claims abstract description 25
- 238000011105 stabilization Methods 0.000 title claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 14
- 238000009795 derivation Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 80
- 230000006870 function Effects 0.000 claims description 62
- 230000003044 adaptive effect Effects 0.000 claims description 49
- 239000000126 substance Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 230000000087 stabilizing effect Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- B25J9/1628—Programme controls characterised by the control loop
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出了一种机械臂系统有限时间自适应镇定控制方法和系统,该方法包括在建立机械臂系统的动力学方程,以及将动力学方程转换为等价哈密尔顿模型后,设计机械臂系统的有限时间自适应观测器和控制器来扩展为高维数哈密尔顿模型;构建李亚普诺夫函数,通过对李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定,以及证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛保证系统稳定性。基于该方法,还提出了一种机械臂系统有限时间自适应镇定控制系统。本发明采用有限时间观测器闭环系统可以快速收敛,对外部干扰具有良好的鲁棒性,提高了机械臂系统的自适应性。
Description
技术领域
本发明属于机械臂自适应镇定控制技术领域,特别涉及一种机械臂系统有限时间自适应镇定控制方法和系统。
背景技术
机械臂是一种高度复杂的时变耦合动力学特性的非线性系统,存在测量或建模的不精确性,并常常受到系统负载变化和外部扰动的影响。因此,不确定系统的鲁棒控制问题引起了广泛的关注。现有技术采用PID控制、滑膜控制、计算力矩控制、鲁棒控制、神经网络控制等等,PID控制方法控制律简单易于实现,不需要精确的机械臂动力学模型参数,但是其控制精度差、鲁棒性差。滑膜控制方法不受机械臂动力学模型参数和外界扰动变化的影响,响应速度快,但是其控制过程存在“抖振”的现象,影响一定的跟踪精度且对设备产生磨损。计算力矩控制方法具有较好的控制精度,但是其需要精确地模型参数支持。然而,在实际情况下,难以保证精确模型参数的要求。鲁棒控制方法通过设置扰动的最大上界达到稳定控制的效果,易于实现,但是其需要根据工程人员的经验和主观判断来确定扰动的最大上界范围,没有一定的学习能力和适应性;神经网络控制方法具有较好的万能逼近效果,对系统未知非线性函数进行逼近,不需要模参数。但其没有考虑系统未知外界扰动,需要引入鲁棒项进行补偿。因此选择自适应控制来解决参数不确定性系统模型的控制问题是必然选择。
发明内容
为了解决上述技术问题,本发明提出了一种机械臂系统有限时间自适应镇定控制方法和系统,利用有限时间控制器具有快速收敛性的性能,提高了机械臂系统的抗干扰性能,采用李亚普诺夫函数证明更好的实现了机械臂系统的自适应控制。
为实现上述目的,本发明采用以下技术方案:
一种机械臂系统有限时间自适应镇定控制方法,包括建立综合考虑外界干扰的二阶机械臂系统的动力学方程;将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统;选取与所述一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型;还包括以下步骤:
设计机械臂系统的有限时间自适应观测器以及相应的自适应控制器;通过所述自适应控制器将所述机械臂等价哈密尔顿模型和有限时间自适应观测器扩展为高维数哈密尔顿模型;
根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对所述李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定,以及证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性。
进一步的,所述建立综合考虑外界干扰的二阶机械臂系统的动力学方程的过程为:所述动力学方程为:
其中,q=[q1,q2]T∈R2是机械臂关节旋转角向量;q1为机械臂第一关节与X轴的夹角;q2为机械臂第二关节与X轴的夹角;是机械臂关节旋转角速度矢量;是机械臂关节旋转加速度向量;M(q)∈R2×2为惯性矩阵;为哥氏力矩阵;G(q)∈R2是重力矩向量;τ∈R2是控制输入力矩矢量;为系统收到的外界干扰。
进一步的,所述将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统的过程为:
其中p为系统的广义动量;
让
其中,ξ1为机械臂位置轨迹误差;ξ2为机械臂系统的广义动量与机械臂位置轨迹误差倍数的差值;xi状态变量,i为1、2、3和4;qi机械臂第i个关节的实际位置;qdi为第i个关节的位置角度;q是机械臂关节旋转角向量;qd是机械臂关节期望位置;qd为常数;pi为广义动量分量;s1i为成倍数的角度差分量;s1成倍数的角度差;k为广义动量分量系数。
进一步的,所述选取与所述一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型的过程为:
其中n状态变量的个数;α系统状态次数;
通过正交分解得到
令τ=u得到以下等价哈密尔顿形式:
其中,τ和u均为机械臂系统的控制器;表示x的导数;x等于xi,i为1、2、3和4;g(x)为含有变量的第一系数矩阵;q(x)为含有变量的第二系数矩阵;ω为包含重力干扰的机械臂系统的总干扰;G(q)为重力矩向量。
进一步的,所述设计机械臂系统的有限时间自适应观测器的过程包括:
代表机械臂的观测器系统;为反对称矩阵对应的观测值;为正定矩阵对应的观测值;为Hamilton函数的梯度对应的观测值;为第一系数矩阵对应的观测值;是第二加权矩阵对应的观测值;y是输出信号;Φ是预设维数的常矩阵,θ是关于P的常向量,是θ的观测值;
对于给定的γ>0,则存在常数ε1>0和常数矩阵L1、L2、Q>0,例如ε1≤γ2,
其中,
Λ是H(X)矩阵偏导运算后的最大值,H(X)表示Hamilton函数与Hamilton函数观测值的和;H(Xt)等于H(X)。
进一步的,所述设计机械臂系统的有限时间自适应控制器的过程包括:
设计机械臂系统的有限时间自适应控制器的方程为:
其中,v是参考输入,Im是m维单位矩阵,G(X)是系数矩阵。
得到以下扩维系统
其中Ri,j为R(x)中的第i行j列的数值;
将v代入到方程(43),得到
其中,
进一步的,所述根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对所述李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定的过程包括:
构造一个李雅普诺夫函数:V(X)=2H(X); (46)
V(X)为李雅普诺夫函数;
利用公式(45)计算V(x)的导数;
通过(51)可以得到
将(50)和(52)代入(49)得到:
根据条件ε1≤γ2,得到
因此证明机械臂系统的鲁棒自适应镇定。
进一步的,所述证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性的过程包括:
将方程(64)代入到方程(63)中,得到
让P1=λmax{L1,L2},P1是矩阵L1,L2中秩的最大值,得到
将(69)替换为(58),使用P1<0,得到公式
本发明还提出了一种机械臂系统有限时间自适应镇定控制系统,包括扩展模块和证明模块;
所述扩展模块用于设计机械臂系统的有限时间自适应观测器以及相应的自适应控制器;通过所述自适应控制器将所述机械臂等价哈密尔顿模型和有限时间自适应观测器扩展为高维数哈密尔顿模型;
所述证明模块用于根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对所述李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定,以及证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性。
进一步的,所述系统还包括建立模块和转换模块;
所述建立模块用于建立综合考虑外界干扰的二阶机械臂系统的动力学方程;
所述转换模块用于将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统;选取与所述一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
本发明提出了一种机械臂系统有限时间自适应镇定控制方法,该方法包括建立综合考虑外界干扰的二阶机械臂系统的动力学方程;将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统;选取与一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型;还包括:设计机械臂系统的有限时间自适应观测器以及相应的自适应控制器;通过所述自适应控制器将机械臂等价哈密尔顿模型和有限时间自适应观测器扩展为高维数哈密尔顿模型;根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定,以及证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性。基于一种机械臂系统有限时间自适应镇定控制方法,还提出了一种机械臂系统有限时间自适应镇定控制系统。本发明采用有限时间观测器,与无限时间观测器的稳定结果不同在有限时间观测器下,闭环系统可以快速收敛,对外部干扰具有良好的鲁棒性,本发明采用李亚普诺夫函数确保机械臂系统的鲁棒自适应镇定,解决参数不确定性系统模型的控制问题,提高了机械臂系统的自适应性。
附图说明
如图1为本发明实施例1一种机械臂系统有限时间自适应镇定控制方法流程图;
如图2为本发明实施例1平面机械臂系统示意图;
如图3为本发明实施例1机械臂第一关节轨迹跟踪仿真示意图;
如图4为本发明实施例1机械臂第一关节轨迹跟踪误差仿真示意图;
如图5为本发明实施例1机械臂第二关节轨迹跟踪仿真示意图;
如图6为本发明实施例1机械臂第二关节轨迹跟踪误差仿真示意图;
如图7为本发明实施例2一种机械臂系统有限时间自适应镇定控制系统示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例1
本发明实施例1提出了一种机械臂系统有限时间自适应镇定控制方法,采用有限时间观测器,与无限时间观测器的稳定结果不同在有限时间观测器下,闭环系统可以快速收敛,对外部干扰具有良好的鲁棒性,本发明采用李亚普诺夫函数确保机械臂系统的鲁棒自适应镇定,解决参数不确定性系统模型的控制问题,提高了机械臂系统的自适应性。如图1给出了本发明实施例2一种机械臂系统有限时间自适应镇定控制方法流程图。
在步骤S101中,建立综合考虑外界干扰的二阶机械臂系统的动力学方程。如图2为本发明实施例1平面机械臂系统示意图;
机械臂系统的动力学方程为:
其中,q=[q1,q2]T∈R2是机械臂关节旋转角向量;q1为机械臂第一关节与X轴的夹角;q2为机械臂第二关节与X轴的夹角;是机械臂关节旋转角速度矢量;是机械臂关节旋转加速度向量;M(q)∈R2×2为惯性矩阵;为哥氏力矩阵;G(q)∈R2是重力矩向量;τ∈R2是控制输入力矩矢量;为系统收到的外界干扰。
在步骤S102中,将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统;选取与一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型。
其中p为系统的广义动量;
让
其中,ξ1为机械臂位置轨迹误差;ξ2为机械臂系统的广义动量与机械臂位置轨迹误差倍数的差值;xi状态变量,i为1、2、3和4;qi机械臂第i个关节的实际位置;qdi为第i个关节的位置角度;q是机械臂关节旋转角向量;qd是机械臂关节期望位置;qd为常数;pi为广义动量分量;s1i为成倍数的角度差分量;s1成倍数的角度差;k为广义动量分量系数。
选取合适的Hamilton函数
其中n状态变量的个数;α系统状态次数;
通过正交分解得到
令τ=u得到以下等价哈密尔顿形式:
其中,τ和u均为机械臂系统的控制器;表示x的导数;x等于xi,i为1、2、3和4;g(x)为含有变量的第一系数矩阵;q(x)为含有变量的第二系数矩阵;ω为包含重力干扰的机械臂系统的总干扰;G(q)为重力矩向量。
其中,
假设存在一个可满足的常数矩阵Φ,使得
对于所有条件,x∈Ω成立,
其中J(x,p)=J(x)+ΔJ(x,p),R(x,p)=R(x)+ΔR(x,p),θ是与p相关的不确定向量。让我们进一步假设g(x)gT(x)≤Υ||x||2In,其中Υ>0是一个常数矩阵。
步骤S103中,设计机械臂系统的有限时间自适应观测器以及相应的自适应控制器;通过自适应控制器将所述机械臂等价哈密尔顿模型和有限时间自适应观测器扩展为高维数哈密尔顿模型。
代表机械臂的观测器系统;为反对称矩阵对应的观测值;为正定矩阵对应的观测值;为Hamilton函数的梯度对应的观测值;为第一系数矩阵对应的观测值;是第二加权矩阵对应的观测值;y是输出信号;Φ是预设维数的常矩阵,θ是关于P的常向量,是θ的观测值;
对于给定的γ>0,则存在常数ε1>0和常数矩阵L1、L2、Q>0,例如ε1≤γ2,
其中,
Λ是H(X)矩阵偏导运算后的最大值,H(X)表示Hamilton函数与Hamilton函数观测值的和;H(Xt)等于H(X)。
设计机械臂系统的有限时间自适应控制器的方程为:
其中,v是参考输入,Im是m维单位矩阵,G(X)是系数矩阵。
得到以下扩维系统
其中Ri,j为R(x)中的第i行j列的数值;
将v代入到方程(43),得到
其中,
在步骤S104中,根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对所述李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定。
构造一个李雅普诺夫函数:V(X)=2H(X);(46)
V(X)为李雅普诺夫函数;
利用公式(45)计算V(x)的导数;
通过(51)可以得到
将(50)和(52)代入(49)得到:
根据条件ε1≤γ2,得到
因此证明机械臂系统的鲁棒自适应镇定。
将方程(64)代入到方程(63)中,得到
让P1=λmax{L1,L2},P1是矩阵L1,L2中秩的最大值,得到
将(69)替换为(58),使用P1<0,得到公式
如图3为本发明实施例1机械臂第一关节轨迹跟踪仿真示意图;如图4为本发明实施例1机械臂第一关节轨迹跟踪误差仿真示意图;
如图5为本发明实施例1机械臂第二关节轨迹跟踪仿真示意图;如图6为本发明实施例1机械臂第二关节轨迹跟踪误差仿真示意图;
机械手的模型参数如下:
m1=2.0kg,m2=3.0kg,l1=2m,l2=2m,lc1=1m,lc2=1m,I1=2kgm2,I2=2kgm2,g=9.8m/s2。
其中α=3。然后,机械臂系统可表示为:
其中,
此外,我们可以得到以下系统,
其中,
设计一种基于观测器方法的系统的有限时间鲁棒镇定控制器。
为此,选择ε1=0.15,γ=0.4,很容易获得ε1≤γ2,
其中,
因此,
其中,
模拟中涉及的其他参数如下:
图3中机械臂接头1的初始位置:q1=1.05rad;图4中机械臂接头1的预期位置:
图5中机械臂接头2的初始位置:q2=1.05rad,图6中机械臂接头2的预期位置:
为了测试控制器对外部干扰的鲁棒性,在持续时间[1.5s~2s]内向系统添加振幅[10rad/s,9rad/s]。
实施例2
基于本发明实施例1提出的一种机械臂系统有限时间自适应镇定控制方法,本发明实施例2还提出了一种机械臂系统有限时间自适应镇定控制系统,包括扩展模块和证明模块;
扩展模块用于设计机械臂系统的有限时间自适应观测器以及相应的自适应控制器;通过自适应控制器将机械臂等价哈密尔顿模型和有限时间自适应观测器扩展为高维数哈密尔顿模型;
证明模块用于根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定,以及证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性。
系统还包括建立模块和转换模块;
建立模块用于建立综合考虑外界干扰的二阶机械臂系统的动力学方程;
转换模块用于将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统;选取与一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制。对于所属领域的技术人员来说,在上述说明的基础上还可以做出其它不同形式的修改或变形。这里无需也无法对所有的实施方式予以穷举。在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种机械臂系统有限时间自适应镇定控制方法,包括建立综合考虑外界干扰的二阶机械臂系统的动力学方程;将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统;选取与所述一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型;其特征在于,还包括以下步骤:
设计机械臂系统的有限时间自适应观测器以及相应的自适应控制器;通过所述自适应控制器将所述机械臂等价哈密尔顿模型和有限时间自适应观测器扩展为高维数哈密尔顿模型;
根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对所述李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定,以及证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性。
3.根据权利要求1所述的一种机械臂系统有限时间自适应镇定控制方法,其特征在于,所述将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统的过程为:
其中p为系统的广义动量;
让
ξ1=q-qd=[q1-qd1,q2-qd2]T=[x1,x2]T,ξ2=p-s1=[p1-s11,p2-s12]T=[x3,x4]T,s1=-kξ1;
其中,ξ1为机械臂位置轨迹误差;ξ2为机械臂系统的广义动量与机械臂位置轨迹误差倍数的差值;xi状态变量,i为1、2、3和4;qi机械臂第i个关节的实际位置;qdi为第i个关节的位置角度;q是机械臂关节旋转角向量;qd是机械臂关节期望位置;qd为常数;pi为广义动量分量;s1i为成倍数的角度差分量;s1成倍数的角度差;k为广义动量分量系数。
4.根据权利要求3所述的一种机械臂系统有限时间自适应镇定控制方法,其特征在于,所述选取与所述一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型的过程为:
其中n状态变量的个数;α系统状态次数;
通过正交分解得到
令τ=u得到以下等价哈密尔顿形式:
5.根据权利要求4所述的一种机械臂系统有限时间自适应镇定控制方法,其特征在于,所述设计机械臂系统的有限时间自适应观测器的过程包括:
代表机械臂的观测器系统;为反对称矩阵对应的观测值;为正定矩阵对应的观测值;为Hamilton函数的梯度对应的观测值;为第一系数矩阵对应的观测值;是第二加权矩阵对应的观测值;y是输出信号;Φ是预设维数的常矩阵,θ是关于P的常向量,是θ的观测值;
对于给定的γ>0,则存在常数ε1>0和常数矩阵L1、L2、Q>0,例如ε1≤γ2,
其中,
Λ是H(X)矩阵偏导运算后的最大值,H(X)表示Hamilton函数与Hamilton函数观测值的和;H(Xt)等于H(X)。
6.根据权利要求5所述的一种机械臂系统有限时间自适应镇定控制方法,其特征在于,所述设计机械臂系统的有限时间自适应控制器的过程包括:
设计机械臂系统的有限时间自适应控制器的方程为:
其中,v是参考输入,Im是m维单位矩阵,G(X)是系数矩阵。
得到以下扩维系统
其中Ri,j为R(x)中的第i行j列的数值;
将v代入到方程(43),得到
其中,
7.根据权利要求6所述的一种机械臂系统有限时间自适应镇定控制方法,其特征在于,所述根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对所述李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定的过程包括:
构造一个李雅普诺夫函数:V(X)=2H(X); (46)
V(X)为李雅普诺夫函数;
利用公式(45)计算V(x)的导数;
通过(51)可以得到
将(50)和(52)代入(49)得到:
根据条件ε1≤γ2,得到
因此证明机械臂系统的鲁棒自适应镇定。
8.根据权利要求7所述的一种机械臂系统有限时间自适应镇定控制方法,其特征在于,所述证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性的过程包括:
让ρ:=λmax{ΦTΦ},ρ是常值矩阵运算后的矩阵的秩的最大值,可以得到
将方程(64)代入到方程(63)中,得到
让P1=λmax{L1,L2},P1是矩阵L1,L2中秩的最大值,得到
将(69)替换为(58),使用P1<0,得到公式
9.一种机械臂系统有限时间自适应镇定控制系统,其特征在于,包括扩展模块和证明模块;
所述扩展模块用于设计机械臂系统的有限时间自适应观测器以及相应的自适应控制器;通过所述自适应控制器将所述机械臂等价哈密尔顿模型和有限时间自适应观测器扩展为高维数哈密尔顿模型;
所述证明模块用于根据高维数哈密尔顿模型构建构建李亚普诺夫函数,通过对所述李雅普诺夫函数一阶求导证明闭环系统的零状态响应满足L2增益不大于扰动衰减水平,确保机械臂系统的鲁棒自适应镇定,以及证明当干扰衰减为零时系统满足有限时间稳定的条件在有限时间内收敛,保证系统的有限时间稳定性。
10.根据权利要求9所述的一种机械臂系统有限时间自适应镇定控制系统,其特征在于,所述系统还包括建立模块和转换模块;
所述建立模块用于建立综合考虑外界干扰的二阶机械臂系统的动力学方程;所述转换模块用于将动力学方程利用广义动量等价形式通过坐标变换将二阶机械臂系统进行降阶处理,化为一阶系统;选取与所述一阶系统相同状态次数的Hamilton函数,通过正交分解得到等价哈密尔顿模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111081395.9A CN113650020A (zh) | 2021-09-15 | 2021-09-15 | 一种机械臂系统有限时间自适应镇定控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111081395.9A CN113650020A (zh) | 2021-09-15 | 2021-09-15 | 一种机械臂系统有限时间自适应镇定控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113650020A true CN113650020A (zh) | 2021-11-16 |
Family
ID=78494015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111081395.9A Pending CN113650020A (zh) | 2021-09-15 | 2021-09-15 | 一种机械臂系统有限时间自适应镇定控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113650020A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559437A (zh) * | 2022-03-25 | 2022-05-31 | 合肥工业大学 | 机械手臂系统在有限频域扰动下的稳定鲁棒控制方法 |
CN114714359A (zh) * | 2022-04-21 | 2022-07-08 | 杭州电子科技大学 | 一种机械臂系统的饱和参数化控制方法 |
CN116047918A (zh) * | 2023-04-03 | 2023-05-02 | 山东理工大学 | 基于Hamilton系统理论的镇定控制器的设计方法 |
CN116352705A (zh) * | 2023-02-28 | 2023-06-30 | 南通大学 | 一种基于数据驱动的水下机械臂抗扰预测控制方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5049796A (en) * | 1989-05-17 | 1991-09-17 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Robust high-performance control for robotic manipulators |
CN105171758A (zh) * | 2015-10-21 | 2015-12-23 | 孟强 | 一种机器人的自适应有限时间收敛滑模控制方法 |
CN107263481A (zh) * | 2017-07-27 | 2017-10-20 | 青岛格莱瑞智能控制技术有限公司 | 一种多自由度机器人的类脑学习控制方法 |
CN108519740A (zh) * | 2018-05-05 | 2018-09-11 | 曲阜师范大学 | 一种全状态约束机械臂轨迹跟踪的协同控制方法 |
CN108563130A (zh) * | 2018-06-27 | 2018-09-21 | 山东交通学院 | 一种欠驱动船舶自适应神经网络自动靠泊控制方法,设备及介质 |
CN108628172A (zh) * | 2018-06-25 | 2018-10-09 | 南京理工大学 | 一种基于扩张状态观测器的机械臂高精度运动控制方法 |
CN108789417A (zh) * | 2018-07-30 | 2018-11-13 | 长春工业大学 | 基于自适应动态规划的可重构机械臂保代价分散控制方法 |
CN108983606A (zh) * | 2018-07-09 | 2018-12-11 | 南京理工大学 | 一种机械臂系统的鲁棒滑模自适应控制方法 |
CN109564406A (zh) * | 2016-08-03 | 2019-04-02 | 孟强 | 一种自适应终端滑模控制方法 |
CN110058525A (zh) * | 2019-05-17 | 2019-07-26 | 金陵科技学院 | 分数阶离心飞轮调速系统有限时间镇定控制方法 |
CN110716572A (zh) * | 2019-10-31 | 2020-01-21 | 山东交通学院 | 基于pch模型的多艘动力定位船鲁棒同时镇定系统 |
CN112276952A (zh) * | 2020-10-23 | 2021-01-29 | 山东交通学院 | 一种多机器人系统的鲁棒同时镇定方法及系统 |
CN113377014A (zh) * | 2021-07-02 | 2021-09-10 | 山东交通学院 | 一种机械臂系统鲁棒镇定控制方法和系统 |
-
2021
- 2021-09-15 CN CN202111081395.9A patent/CN113650020A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5049796A (en) * | 1989-05-17 | 1991-09-17 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Robust high-performance control for robotic manipulators |
CN105171758A (zh) * | 2015-10-21 | 2015-12-23 | 孟强 | 一种机器人的自适应有限时间收敛滑模控制方法 |
CN109564406A (zh) * | 2016-08-03 | 2019-04-02 | 孟强 | 一种自适应终端滑模控制方法 |
CN107263481A (zh) * | 2017-07-27 | 2017-10-20 | 青岛格莱瑞智能控制技术有限公司 | 一种多自由度机器人的类脑学习控制方法 |
CN108519740A (zh) * | 2018-05-05 | 2018-09-11 | 曲阜师范大学 | 一种全状态约束机械臂轨迹跟踪的协同控制方法 |
CN108628172A (zh) * | 2018-06-25 | 2018-10-09 | 南京理工大学 | 一种基于扩张状态观测器的机械臂高精度运动控制方法 |
CN108563130A (zh) * | 2018-06-27 | 2018-09-21 | 山东交通学院 | 一种欠驱动船舶自适应神经网络自动靠泊控制方法,设备及介质 |
CN108983606A (zh) * | 2018-07-09 | 2018-12-11 | 南京理工大学 | 一种机械臂系统的鲁棒滑模自适应控制方法 |
CN108789417A (zh) * | 2018-07-30 | 2018-11-13 | 长春工业大学 | 基于自适应动态规划的可重构机械臂保代价分散控制方法 |
CN110058525A (zh) * | 2019-05-17 | 2019-07-26 | 金陵科技学院 | 分数阶离心飞轮调速系统有限时间镇定控制方法 |
CN110716572A (zh) * | 2019-10-31 | 2020-01-21 | 山东交通学院 | 基于pch模型的多艘动力定位船鲁棒同时镇定系统 |
CN112276952A (zh) * | 2020-10-23 | 2021-01-29 | 山东交通学院 | 一种多机器人系统的鲁棒同时镇定方法及系统 |
CN113377014A (zh) * | 2021-07-02 | 2021-09-10 | 山东交通学院 | 一种机械臂系统鲁棒镇定控制方法和系统 |
Non-Patent Citations (1)
Title |
---|
杨仁明: "一类非线性时变时滞系统的稳定性分析与吸引域估计", 《自动化学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559437A (zh) * | 2022-03-25 | 2022-05-31 | 合肥工业大学 | 机械手臂系统在有限频域扰动下的稳定鲁棒控制方法 |
CN114559437B (zh) * | 2022-03-25 | 2023-06-27 | 合肥工业大学 | 机械手臂系统在有限频域扰动下的稳定鲁棒控制方法 |
CN114714359A (zh) * | 2022-04-21 | 2022-07-08 | 杭州电子科技大学 | 一种机械臂系统的饱和参数化控制方法 |
CN114714359B (zh) * | 2022-04-21 | 2023-08-01 | 杭州电子科技大学 | 一种机械臂系统的饱和参数化控制方法 |
CN116352705A (zh) * | 2023-02-28 | 2023-06-30 | 南通大学 | 一种基于数据驱动的水下机械臂抗扰预测控制方法 |
CN116352705B (zh) * | 2023-02-28 | 2024-01-09 | 南通大学 | 一种基于数据驱动的水下机械臂抗扰预测控制方法 |
CN116047918A (zh) * | 2023-04-03 | 2023-05-02 | 山东理工大学 | 基于Hamilton系统理论的镇定控制器的设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113650020A (zh) | 一种机械臂系统有限时间自适应镇定控制方法和系统 | |
Shao et al. | Neural adaptive control for MEMS gyroscope with full-state constraints and quantized input | |
Djordjevic et al. | Data-driven control of hydraulic servo actuator based on adaptive dynamic programming. | |
Ye et al. | State damping control: A novel simple method of rotor UAV with high performance | |
Wang et al. | Fuzzy finite-time command filtering output feedback control of nonlinear systems | |
CN107561935B (zh) | 基于多层神经网络的电机位置伺服系统摩擦补偿控制方法 | |
Ulrich et al. | Modeling and direct adaptive control of a flexible-joint manipulator | |
CN107272639B (zh) | 刚性航天器反作用飞轮故障的检测、估计及其调节方法 | |
Zhang et al. | Output feedback control of micromechanical gyroscopes using neural networks and disturbance observer | |
Yu et al. | Design of robust adaptive neural switching controller for robotic manipulators with uncertainty and disturbances | |
CN108388114A (zh) | 一种基于输出重定义的柔性机械臂复合控制方法 | |
CN109062043A (zh) | 考虑网络传输以及执行器饱和的航天器自抗扰控制方法 | |
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 | |
CN108762088B (zh) | 一种迟滞非线性伺服电机系统滑模控制方法 | |
CN113377014A (zh) | 一种机械臂系统鲁棒镇定控制方法和系统 | |
CN115981162A (zh) | 一种基于新型扰动观测器的机器人系统滑模控制轨迹跟踪方法 | |
Qiu et al. | Robust path‐following control based on trajectory linearization control for unmanned surface vehicle with uncertainty of model and actuator saturation | |
Karami et al. | Adaptive neural observer-based nonsingular terminal sliding mode controller design for a class of nonlinear systems | |
Rekabi et al. | Nonlinear h∞ measurement feedback control algorithm for quadrotor position tracking | |
Rakhtala et al. | Twisting control algorithm for the yaw and pitch tracking of a twin rotor UAV | |
CN107943097B (zh) | 飞行器的控制方法、装置和飞行器 | |
Chen et al. | Finite-time trajectory tracking control for rigid 3-DOF manipulators with disturbances | |
Cui et al. | Finite‐time trajectory tracking control for autonomous airships with uncertainties and external disturbances | |
CN116068893A (zh) | 一种机械臂自适应分数阶滑模控制方法、设备及介质 | |
Wang et al. | Full‐state prescribed performance pose tracking of space proximity operations with input saturation |
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: 20211116 |