[发明专利]一种干扰未知球形机器人的分层滑模控制方法

说明书

本发明提供了一种干扰未知球形机器人系统的分层滑模控制方法，能够采用自适应神经网络理论对球形机器人系统进行运动控制，从而实现对干扰未知球形机器人系统精确控制。本发明的技术方案包括以下步骤：针对被控球形机器人系统建立含未知项的球形机器人系统的数学模型，未知项为未知干扰。基于神经网络对球形机器人系统的数学模型中的未知项进行逼近，并基于控制误差信息对神经网络权重参数进行自适应估计。基于自适应神经网络逼近的未知项及定义的滑模面，设计带有干扰补偿的滑模控制器。利用滑模控制器对干扰未知球形机器人的进行控制。

技术领域

本发明涉及机器人运动控制技术领域，具体涉及一种干扰未知球形机器人的分层滑模控制方法。

背景技术

针对球形机器人的运动控制，现有研究多以假设球形机器人沿直线运动为前提，忽略了球形机器人沿直线运动的前提。对于保持球形机器人直线运动的控制，可以采用结构简单，响应速度快的滑模控制，通过设计由控制误差构成的滑模面，实时测量采集球形机器人的姿态进行状态反馈。对于控制对象动力学模型中未知干扰部分，非线性干扰观测器设计形式复杂，依赖模型，设计参数较多，因此可以设计神经网络逼近器对其进行估计。

尤其近几年，对球形机器人的运动控制方法研究取得巨大进步，但是目前尚未发现应用自适应神经网络理论估计干扰部分以保持球形机器人进行运动控制的研究成果。

发明内容

有鉴于此，本发明提供了一种干扰未知球形机器人系统的分层滑模控制方法，能够采用自适应神经网络理论对球形机器人系统进行运动控制，从而实现对干扰未知球形机器人系统精确控制。

为达到上述目的，本发明的技术方案包括以下步骤：

步骤一、针对被控球形机器人系统建立含未知项的球形机器人系统的数学模型，未知项为未知干扰。

步骤二、基于神经网络对球形机器人系统的数学模型中的未知项进行逼近，并基于控制误差信息对神经网络权重参数进行自适应估计。

步骤三、基于自适应神经网络逼近的未知项及定义的滑模面，设计带有干扰补偿的滑模控制器。

步骤四、利用滑模控制器对干扰未知球形机器人的进行控制。

进一步地，步骤一中，针对被控球形机器人系统建立含未知干扰的球形机器人系统的数学模型，具体如下：

其中M₁₁,M₁₂,M₂₁,M₂₂分别为球形机器人系统的惯性矩阵的元素；V₁₁和V₂₁为球形机器人的重力力矩向量中的元素；Φ为球壳的转角，为球壳的转角的角加速度，ζ为球壳内摆的转角，为球壳内摆的转角的角加速度；τ_y为球形机器人的电机输入扭矩；

设置四个状态变量x₁,x₂,x₃,x₄，令x₁＝φ，x₃＝ζ则将球形机器人系统的数学模型即公式(1)转化为系统状态空间表达式：

其中球形机器人系统包含球壳子系统和球壳内摆子系统，f₁为球壳子系统中包含系统状态变量的时变函数；β₁为球壳子系统中控制输入的时变系数；b₁为球壳子系统中未知项的时变系数；f₂球壳内摆子系统中包含系统状态变量的时变函数；β₂为球壳内摆子系统中控制输入的时变系数；b₂球壳子系统中未知项的时变系数；Δ_y为球形机器人系统的数学模型的未知项；