[发明专利]电机驱动单机械臂系统的点对点迭代学习优化控制方法

说明书

本发明公开了电机驱动单机械臂系统的点对点迭代学习优化控制方法，涉及机械臂优化控制领域。该方法基于提升技术将重复运行的单机械臂系统转换为时间序列的输入输出矩阵模型，然后基于性能指标设计点对点轨迹跟踪鲁棒迭代学习优化方法，通过求解多目标性能指标函数的二次型最优解得到优化迭代学习控制律，并根据最大奇异值理论证明当模型存在有界不确定性时算法的鲁棒收敛性，以及证明了机械臂系统在输入受约束情况下的收敛性，该方法可以解决机械臂系统的点对点跟踪控制问题，同时考虑了输入受约束以及建模存在不确定性的情况，从而实现对指定点处期望轨迹的高精度跟踪。

技术领域

本发明涉及机械臂优化控制领域，尤其是电机驱动单机械臂系统的点对点迭代学习优化控制方法。

背景技术

机械臂是能模仿人手臂的某些动作功能，用以按固定程序抓取、搬运物件或操作工具的自动操作装置。它可代替人的繁重劳动以实现生产的机械化和自动化，能在有害环境下操作以保护人身安全，因而广泛应用于机械制造、冶金、电子、轻工和原子能等部门。

机械臂在执行重复过程任务时往往不需要跟踪完整的期望轨迹，只需要在某些特定的时间点处跟踪给定的期望值，比如机械臂的“取”和“放”操作，只需要专注拾取点和放置点的输出，而其它时间点的输出往往不需要多加考虑，机械臂的这类控制问题称为点对点跟踪控制。

点对点跟踪问题的常用解决思路有两种：其一为设计一条经过特定跟踪点的任意轨迹，从而把该问题转化为一般的全轨迹跟踪，但此方法存在局限性，需要足够的先验知识才能确定最佳的固定参考轨迹，并且没有充分利用非跟踪时间点的自由度设计控制器；其二为基于参考轨迹更新的点对点控制方法，虽然较固定参考轨迹方法收敛快，但本质上还是全轨迹跟踪问题，全轨迹跟踪需要跟踪整个轨迹的输出，而有的工业过程例如机械臂操作只需要跟踪轨迹上的几个点的期望值就能达到控制要求。

迭代学习控制(Iterative learning control，ILC)是一种广泛应用于执行重复任务的高性能控制方法，针对上述点对点跟踪问题，点对点ILC方法应运而生。

发明内容

本发明人针对上述问题及技术需求，提出了电机驱动单机械臂系统的点对点迭代学习优化控制方法，利用指定时间点处的跟踪误差信息来更新输入，进而消除了不必要的非关键点跟踪约束，非关键点处的自由度给算法设计增加自由度的同时，也增加了系统整体性能的提升空间。

本发明的技术方案如下：

电机驱动单机械臂系统的点对点迭代学习优化控制方法，该方法包括：

建立电机驱动单机械臂控制系统的模型；构建电机驱动单机械臂控制系统的离散状态空间方程；建立点对点轨迹跟踪模型；设计点对点迭代学习轨迹跟踪优化算法；分析点对点迭代学习轨迹跟踪优化算法的收敛性和鲁棒性；分析点对点迭代学习轨迹跟踪优化算法在输入约束条件下的收敛性和鲁棒性；实现电机驱动单机械臂控制系统在有输入约束情形下的点对点轨迹跟踪；

第一步、建立电机驱动单机械臂控制系统的动态模型：

电机驱动单机械臂实际物理模型如式(1)所示：

其中，N_l＝m₂gl+m₁gl，g为重力加速度，θ为连杆角度，i为电流，K_t为扭矩，K_b为反电动势系数,B_c为轴承粘滞摩擦系数,D_c为负载系数，l为连杆长度，m₁为负载质量，m₂为连杆质量，R_r为电阻，u为电机控制电压，Ξ为执行器转动惯量，Γ为电抗；

第二步、构建电机驱动单机械臂系统的离散状态空间方程：