[发明专利]一种基于人工神经网络的机器人外界接触力估计方法

说明书

本发明属于机器人控制技术领域，特别涉及一种基于人工神经网络的机器人外界接触力估计方法，包括对机器人动力学模型进行变型处理，将其分成线性模型部分和非线性模型部分；采用径向基函数神经网络对非线性部分进行近似逼近，构建基于径向基函数神经网络的自适应观测器来估计模型非线性部分和未知干扰；将估计出的模型非线性部分和未知干扰反馈到系统模型中，对相应部分进行补偿，获取线性化的机器人动力学模型；当外界施加力作用在机器人上时，根据线性化的机器人动力学模型，构建主观观测器对外界施加力进行估计；本发明有效地抑制各种干扰影响的同时，对系统模型非线性部分进行了在线估计并将其反馈补偿，实现对机器人模型的线性化和简单化。

技术领域

本发明属于机器人控制技术领域，特别涉及一种基于人工神经网络的机器人外界接触力估计方法。

背景技术

当今世界中，机器人可代替或协助人类完成各种工作，凡是枯燥的、危险的、有毒的、有害的工作，都可由机器人处理。它的应用领域很广，包括制造业领域、资源勘探开发、救灾排险、医疗服务、家庭娱乐、军事和航天等。机器人是工业及非产业界的重要生产和服务性设备，也是先进制造技术领域不可缺少的自动化设备。机器人控制技术对机器人的性能起着决定性的作用，在很大程度上影响着机器人的发展。然而，在机器人控制领域，机器人模型的时变性和非线性是实现对机器人精确控制所面临的一个非常重要的问题。不准确的机器人模型会造成操作机器人的不稳定和难以操作。不仅如此，机器人系统也经常会受到各种外界未知干扰的影响，比如，环境噪声、测量噪声等，这使得对机器人的控制变得更加棘手。因此，关于如何解决机器人控制系统中模型不确定问题就成为人们研究的热点。目前提出的网络延迟控制方法主要有以下几种：(1)采用自适应控制方法设计自适应控制率在线估计机器人模型参数；(2)采用鲁棒控制或滑模控制方法设计控制率消除模型不确定部分；(3)采用反推控制和反馈线性化控制消除模型非线性部分；(4)采用智能控制方法控制，如基于神经网络的控制和模糊控制。在这几种方法中，基于智能算法的机器人控制技术的优势在于智能化和控制更加精确化，而且不依赖某个的机器人数学模型，它也是未来的机器人控制发展趋势。然而，在当前的研究中，这种方法的研究仍然不多还不成熟，且计算量大。因此，如何设计一个有效的方法在高效抑制各种干扰带来的影响的同时，又可以精确估计出机器人模型是一个亟待解决的问题。

除了机器人模型复杂性这个问题，机器人控制领域存在的另一个问题是外界环境作用在机器人上的力的获取。在当前的研究中，一般有三种获取方式：(1)使用传感器测量；(2)利用模型计算；(3)设计观测器估计。首先，对于传感器测量方法，传感器测量信息会伴随噪声，这样的反馈数据会带来系统控制的不精确。其次，对于利用模型计算方法，外界环境的力反馈模型通常简化为由弹簧-质量-阻尼组成的模型，然后通过对模型当中弹簧参数、质量参数和阻尼参数的估计来计算力数据。当前情况下采用该模型估计并计算外界环境力的研究很多，但是这种模型计算方法非常依赖模型的精确性，有些情况下，这些模型无法准确表达外界环境力的动力学模型，模型估计计算得到的力信息将会有很大的偏差。同样，这种模型估计方法也需要测量的位置信号，如果位置信号存在噪声，得到的力估计值也无法用于实际控制中。最后，近些年来为了解决以上两种力信息获取方式带来的问题，设计观测器估计力的方法被提了出来，当前研究提出来的观测器很多，比如非线性干扰观测器、滑模观测器、Nicosia观测器、扩展主观观测器(EAOB)等，然后，基本上这些观测器要么需要知道精确的机器人数学模型，要么没有考虑外界未知干扰带来的影响。因此，如何构建一个高效观测器精确估计外界环境施加力也是一个亟待解决的问题。

发明内容

为了构建一个高效观测器精确估计外界环境施加力，本发明提出一种基于人工神经网络的机器人外界接触力估计方法，包括：

S1：对机器人动力学模型进行变型处理，将其分成线性模型部分和非线性模型部分；

S2：针对机器人模型非线性部分，采用径向基函数神经网络对进行近似逼近，获得新的机器人动力学模型；