[发明专利]一种挖掘机器人关节轨迹控制方法及控制系统

权利要求书

1.一种挖掘机器人关节轨迹控制方法，其特征在于：包括

S1、建立挖掘机器人工作装置的拉格朗日动力学方程，以挖掘机器人动臂和斗杆为研究对象，铲斗全程处于锁止状态，将挖掘机器人的工作装置简化为二自由度的机械臂，由数据采集装置采集动臂和斗杆的关节角度，则挖掘机器人工作装置的拉格朗日动力学方程为：

S2、定义挖掘机器人关节轨迹控制误差，根据挖掘机器人的期望关节角位移和信号采集装置采集到的实际关节角位移定义挖掘机器人关节轨迹控制误差为：

e(t)＝θ_d(t)-θ(t)；

S3、定义滑模变结构的滑模面为：

进一步得出：

S4、计算RBF神经网络实际输出与理想输出之间的差值：

取RBF神经网络的输入为：

则根据RBF神经网络的结构原理可以得到其理想状态下的输出为：

y＝W^Th(x)＝b，

由于在实际情况下RBF神经网络在逼近不确定函数时会产生误差ε，则RBF神经网络的实际输出为：

则RBF神经网络实际输出与理想输出之间的差值表示为：

S5、设计RBF神经网络滑模变结构的控制律为：

将上式带入S3可得：

S6、定义鲁棒控制项q，取τ_d和ε的上界分别为τ_db和ε_b，则：

q＝-(τ_db+ε_b)sgn(s)；

S7、对挖掘机器人关节轨迹控制系统进行稳定性分析：

定义Lyapunov函数为：

将上式进行求导并将S5的结果带入得：

根据挖掘机器人动力学结构特性为斜对称矩阵，且则满足：的性质将上式化简可得：

由于在本发明中RBF神经网络的连接权值是在线学习自适应调整的，故隐含层与输出层之间连接权值的误差可取为零，则上式化简可得：

进一步由S6和上式可得：

s^T(ε+τ_d+q)＝s^T(ε+τ_d)+s^Tq＝s^T(ε+τ_d)-||s||(ε_b+τ_db)≤0，

由此可知当且仅当s等于零时等于零。

2.根据权利要求1所述的一种挖掘机器人关节轨迹控制方法，其特征在于：包括：

S8、在滑模变结构控制中为了尽量减小因鲁棒项引起的系统抖振，将鲁棒项中的符号函数用饱和函数sat(·)代替，得到新的基于RBF神经网络滑模变结构的控制律为：

S9、利用改进的和声搜索优化算法对RBF神经网络的结构参数w、c和b进行优化，根据和声搜索优化算法输出的最优和声向量(c,b,w)即可得到RBF神经网络的最优结构参数c、b和w，将得到的最优参数应用于RBF神经网络，使RBF神经网络无限逼近于不确定项b。