[发明专利]一种模块化机械臂分散鲁棒容错控制方法及系统

权利要求书

1.一种模块化机械臂分散鲁棒容错控制方法，其特征在于，所述方法包括：

构建模块化机械臂的系统动力学模型；

根据所述系统动力学模型获得系统状态空间表达式；

根据所述模块化机械臂的轨迹跟踪误差和累计误差确定积分终端滑模面；

根据所述系统状态空间表达式、所述积分终端滑模面和RBF神经网络确定模块化机械臂分散容错控制器；

所述系统状态空间表达式为：

其中，S表示系统状态空间表达式，表示模块化机械臂运行时的耦合力矩，表示模块化机械臂系统的摩擦，表示模块化机械臂的系统执行器故障函数及外部干扰信号，q表示q_i的集合，q_i表示模块化机械臂的第i个关节的位置，表示的集合，表示第i个关节的速度，表示的集合，表示第i个关节的加速度，表示x₁的导数，表示x₂的导数，γ_i表示谐波减速器的减速比，τ_i表示第i个关节的电机输出力矩，τ_si表示第i个关节的力矩传感器输出力矩，B＝(I_miγ_i)^-1，I_mi表示第i个关节的电机转动惯量；

所述积分终端滑模面表示为：

其中，s表示积分终端滑模面，r表示所述模块化机械臂的累计误差，t表示时间，k₁表示第一正常数，k₂表示第二正常数，α₁＞α₂＝p′/q′且1＜α₂＜2，p′为第一正奇数，q′为第二正奇数，表示第一非线性项，表示第二非线性项；

所述根据所述系统状态空间表达式、所述积分终端滑模面和RBF神经网络确定模块化机械臂分散容错控制器，具体包括：

基于所述积分终端滑模面，根据RBF神经网络补偿所述系统状态空间表达式中的耦合交联项和故障函数以及外部干扰，获得所述耦合交联项和故障函数以及外部干扰的RBF神经网络估计值，所述耦合交联项为模块化机械臂运行时的耦合力矩；

通过所述积分终端滑模面获得所述模块化机械臂系统产生的摩擦和估计误差；

采用干扰观测器对所述摩擦和所述估计误差进行观测，获得观测结果；

根据所述耦合交联项、故障函数以及外部干扰的RBF神经网络估计值和所述观测结果，确定模块化机械臂分散容错控制器；

所述采用干扰观测器对所述摩擦和所述估计误差进行观测表示为：

其中，表示第i个关节的摩擦和估计误差的估计值，s_i表示第i个关节的积分终端滑模面，s表示s_i的集合，Θ为常数，表示所述状态空间表达式中耦合交联项的RBF神经网络估计值，表示所述状态空间表达式中故障函数以及外部干扰项的RBF神经网络估计值，k₁表示第一正常数，k₂表示第二正常数，α₁＞α₂＝p′/q′且1＜α₂＜2，p′为第一正奇数，q′为第二正奇数，λ表示第三正常数，q_id表示第i个关节的期望位置，表示第一非线性项，表示第二非线性项，表示耦合交联项的神经网络权值，表示故障函数以及外部干扰项的神经网络权值，表示第i个关节的位置跟踪误差的导数，τ_si为第i个关节的力矩传感器输出力矩，γ_i表示谐波减速器的减速比，B＝(I_miγ_i)^-1，I_mi表示第i个关节的电机转动惯量，q_i表示模块化机械臂的第i个关节的位置，表示第i个关节的速度，

所述模块化机械臂分散容错控制器表示为：

其中，τ_i表示第i个关节的电机输出力矩，τ_r表示第i个关节的电机等效控制力矩，τ_s表示第i个关节的电机切换控制力矩，表示表示表示k_p、k_d和k_ω均表示常数，ζ表示超螺旋滑模状态变量。

2.一种模块化机械臂分散鲁棒容错控制系统，其特征在于，包括：

系统动力学模型构建模块，用于构建模块化机械臂的系统动力学模型；

系统状态空间表达式获得模块，用于根据所述系统动力学模型获得系统状态空间表达式；

积分终端滑模面确定模块，用于根据所述模块化机械臂的轨迹跟踪误差和累计误差确定积分终端滑模面；

模块化机械臂分散容错控制器确定模块，用于根据所述系统状态空间表达式、所述积分终端滑模面和RBF神经网络确定模块化机械臂分散容错控制器；

所述系统状态空间表达式为：

其中，S表示系统状态空间表达式，表示模块化机械臂运行时的耦合力矩，表示模块化机械臂系统的摩擦，表示模块化机械臂的系统执行器故障函数及外部干扰信号，q表示q_i的集合，q_i表示模块化机械臂的第i个关节的位置，表示的集合，表示第i个关节的速度，表示的集合，表示第i个关节的加速度，表示x₁的导数，表示x₂的导数，γ_i表示谐波减速器的减速比，τ_i表示第i个关节的电机输出力矩，τ_si表示第i个关节的力矩传感器输出力矩，B＝(I_miγ_i)^-1，I_mi表示第i个关节的电机转动惯量；

所述积分终端滑模面表示为：

其中，s表示积分终端滑模面，r表示所述模块化机械臂的累计误差，t表示时间，k₁表示第一正常数，k₂表示第二正常数，α₁＞α₂＝p′/q′且1＜α₂＜2，p′为第一正奇数，q′为第二正奇数，表示第一非线性项，表示第二非线性项；

所述模块化机械臂分散容错控制器确定模块，具体包括：

RBF神经网络估计值确定单元，用于基于所述积分终端滑模面，根据RBF神经网络补偿所述系统状态空间表达式中的耦合交联项和故障函数以及外部干扰，获得所述耦合交联项和故障函数以及外部干扰的RBF神经网络估计值，所述耦合交联项为模块化机械臂运行时的耦合力矩；

摩擦和估计误差确定单元，用于通过所述积分终端滑模面获得所述模块化机械臂系统产生的摩擦和估计误差；

观测结果获得单元，用于采用干扰观测器对所述摩擦和所述估计误差进行观测，获得观测结果；

模块化机械臂分散容错控制器确定单元，用于根据所述耦合交联项、故障函数以及外部干扰的RBF神经网络估计值和所述观测结果，确定模块化机械臂分散容错控制器；

所述采用干扰观测器对所述摩擦和所述估计误差进行观测表示为：

其中，表示第i个关节的摩擦和估计误差的估计值，s_i表示第i 个关节的积分终端滑模面，s表示s_i的集合，Θ为常数，表示所述状态空间表达式中耦合交联项的RBF神经网络估计值，表示所述状态空间表达式中故障函数以及外部干扰项的RBF神经网络估计值，k₁表示第一正常数，k₂表示第二正常数，α₁＞α₂＝p′/q′且1＜α₂＜2，p′为第一正奇数，q′为第二正奇数，λ表示第三正常数，q_id表示第i个关节的期望位置，表示第一非线性项，表示第二非线性项，表示耦合交联项的神经网络权值，表示故障函数以及外部干扰项的神经网络权值，表示第i个关节的位置跟踪误差的导数，τ_si为第i个关节的力矩传感器输出力矩，γ_i表示谐波减速器的减速比，B＝(I_miγ_i)^-1，I_mi表示第i个关节的电机转动惯量，q_i表示模块化机械臂的第i个关节的位置，表示第i个关节的速度，

所述模块化机械臂分散容错控制器表示为：

其中，τ_i表示第i个关节的电机输出力矩，τ_r表示第i个关节的电机等效控制力矩，τ_s表示第i个关节的电机切换控制力矩，表示表示表示k_p、k_d和k_ω均表示常数，ζ表示超螺旋滑模状态变量。