[发明专利]基于输出重定义的柔性机械臂时标分离鲁棒控制方法

说明书

本发明提出了一种基于输出重定义的柔性机械臂时标分离鲁棒控制方法。该方法包括：搭建柔性机械臂动力学模型；调整柔性机械臂动力学模型输出，得到输入输出子系统和内动态子系统；设计鲁棒控制方法；设计状态反馈控制方法；根据鲁棒控制方法，得到第一控制输入；根据状态反馈控制方法，得到第二控制输入；将第一控制输入和第二控制输入结合，得到结合数据；将结合数据输入至柔性机械臂动力学模型，得到输出数据；将输出数据分别与柔性机械臂的关节角的期望数据和弹性振动数据比较，得到比较差值；当比较差值在比较阈值范围内，输出用于表示控制有效的标识。本发明实施例可以实现机械臂关节角对期望指令的跟踪，同时实现弹性模态的抑制，减小振动。

技术领域

本发明涉及机器人控制的技术领域，尤其是涉及一种基于输出重定义的柔性机械臂时标分离鲁棒控制方法。

背景技术

柔性机械臂由于动力学模型存在较强的不确定性，不利于控制算法设计。多种控制理论已经成功应用于柔性机械臂控制，其中比例微分控制算法简单，然而对于外界干扰抵抗力差，智能学习控制对不确定信息有较好的学习效果，然而在线更新参数多导致解算速度偏慢。

《Two Performance Enhanced Control of Flexible-Link Manipulator withSystem Uncertainty And Disturbances》(BIN XU，YUAN YUAN，《SCIENCE CHINAINFORMATION SCIENCE》，Vol.60050202:1-050202:11)一文采用输出重定义对柔性机械臂动力学模型进行了处理，使模型避免了非最小相位问题，针对模型不确定项，论文采用神经网络进行逼近学习，控制算法最终使得关节角有效跟踪了期望指令，然而为了得到好的逼近效果，神经网络在线更新参数较多，使得算法解算速度偏慢。

发明内容

为解决现有控制技术在柔性机械臂控制过程中的不足，本发明提出了一种基于输出重定义的柔性机械臂鲁棒控制方法，该方法通过对柔性机械臂动力学模型进行输入输出线性化处理，使对象分为输入输出子系统和内动态子系统，针对输入输出子系统，采用对象标称信息进行控制算法设计，对于不确定部分，通过估计上界的方法实现补偿控制。该策略可以实现对模型不确定项的有效处理，同时符合工程应用中简化算法的要求。

一种基于输出重定义的柔性机械臂鲁棒控制方法，通过以下步骤实现：

(a)考虑n自由度柔性机械臂动力学模型：

其中M为正定对称惯性矩阵，是与哥氏力和向心力有关的项，D₁、D₂为阻尼矩阵，K₂为刚度矩阵，u为关节输入力矩；是由机械臂关节角和柔性模态组成的广义矢量，其中θ_i为第i个关节角变量，δ_i,j是第i个连杆的第j个模态变量；

(b)定义(1)式进一步写为：

针对系统存在的非最小相位特性，进行输出重定义并写成矩阵形式：y＝θ+Cδ其中，m为模态阶数，-1α_i1由设计者给定，l_i为第i个连杆的长度，φ_i,j为第i个连杆的第j阶模态函数值；定义可得动态方程，具体包括输入输出子系统(4)和内动态子系统(5)：

其中，u_ex为输入输出子系统的控制输入，u_in为内动态子系统的控制输入；相关的非线性项为：

B(α,θ,δ)＝H₁₁+CH₂₁，