一种基于自适应降阶滑模算法的机械臂力位混合控制方法技术

本申请涉及一种基于自适应降阶滑模算法的机械臂力位混合控制方法。该方法包括：通过当接收到携带有期望关节角度信息的控制指令时，获取机械臂当前位置的关节角度信息；将关节角度信息和期望关节角度信息，输入到由预先构建的降阶后的受约束二自由度的机械臂模型和自适应降阶滑模器，构成的内外回路力位混合控制系统中，使内外回路力位混合控制系统根据关节角度信息和期望关节角度信息，输出控制信号控制机械臂沿期望的运动轨迹运动；采用降阶后的受约束二自由度的机械臂模型降低了计算量，提高响应速度，还结合了自适应降阶滑模器克服了系统不确定性以及对未知参数进行修正的能力，加强系统的跟踪精度。加强系统的跟踪精度。加强系统的跟踪精度。

【技术实现步骤摘要】
一种基于自适应降阶滑模算法的机械臂力位混合控制方法


[0001]本申请涉及机械化工业控制
，特别是涉及一种基于自适应降阶滑模算法的机械臂力位混合控制方法。

技术介绍

[0002]机械臂是工业发展的一个重要支撑与桥梁，其发展可以作为工业发展水平的见证。在工业生产的过程中，如果仅仅使用机械臂进行简单的搬运、装配等操作时，只需对其进行位置跟踪控制。但当涉及到复杂装配、抛光、打磨等复杂操作时不仅需要控制其按照设定的轨迹进行运动，还需要控制其对于约束面的力以便完成生产作业要求。因此针对机械臂的力位混合控制也是当前世界机械化工业的一个研究重点。
[0003]基于这一问题，Raibert和Craig首先提出了机器人位置/力控制，代表性的有Su提出了降阶的机械臂力位混合控制算法，McClamroch给出了机械臂受限动力学模型的镇定条件和闭环特性，关于混合控制的稳定性问题，Doulgeri讨论了运动学坐标变换引出的运动学失稳问题，李树荣提出了一种鲁棒自适应控制算法，应用反步法以及自适应算法修正机械臂系统参数，利用自适应方法对动力学模型中的非线性部分和未知扰动进行补偿。于金鹏等则使用命令滤波技术以及反步法，解决了加速度不连续的问题，同时构建了误差补偿系统。
[0004]然而在以往的研究中大多是将控制方案分成两个子部分分别设计控制器进行控制，并且对于未知参数不能快速修正，系统往往需要较长的响应时间与跟踪时间。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够解决降低系统的响应时间与跟踪时间的基于自适应降阶滑模算法的机械臂力位混合控制方法。
[0006]一种基于自适应降阶滑模算法的机械臂力位混合控制方法，所述方法包括：
[0007]当接收到携带有期望关节角度信息的控制指令时，获取机械臂当前位置的关节角度信息；
[0008]将所述关节角度信息和所述期望关节角度信息，输入到由预先构建的降阶后的受约束二自由度的机械臂模型和自适应降阶滑模器，构成的内外回路力位混合控制系统中，使所述内外回路力位混合控制系统根据所述关节角度信息和所述期望关节角度信息，输出控制信号控制所述机械臂沿期望的运动轨迹运动；
[0009]所述预先构建的降阶后的受约束二自由度的机械臂模型为：
[0010][0011]其中，q1和q2为当前位置的关节角度信息，为q1的一阶导数，为q1的二阶导数，D
L
(q1)∈R
(n*n)
为q1的惯性矩阵，n为机械臂自由度，R
(n*n)
为n
×
n维实数空间矩阵矢量，为q1的离心力与哥氏力矩阵，G
L
(q1)∈R
n
为q1的重力项矢量，R
n
表示n维
实数空间列矢量，τ为控制输入力矩，L
T
(q1)为L(q1)的转置，q2＝Ψ(q1)；
[0012]所述预先构建的自适应降阶滑模器为：
[0013][0014]其中，为q1,的回归矩阵，为的估计值，p∈R
n
为机械臂未知定常参数向量，s_L＝L(q1)M，M为滑模函数，K
d
为正实数，K
d
>0，为的转置，λ
r
为用于控制力的项，λ
r
＝λ
d
‑
K
λ
e
λ
，λ
d
为期望控制力，e
λ
为力误差，K
λ
为正实数，K
λ
>0。
[0015]在其中一个实施例中，构建的降阶后的受约束二自由度的机械臂模型的方式，包括：
[0016]设定x为机械臂末端位置向量，q∈R
n
为机械臂的角度向量，建立受约束的机械臂在关节空间的动力学方程为：
[0017][0018]其中，D(q)∈R
(n*n)
为q的惯性矩阵，R
(n*n)
表示n
×
n维实数空间矩阵矢量，为q的二阶导数，为q的离心力与哥氏力矩阵，为q的一阶导数，G(q)∈R
n
为q的重力项矢量，R
n
表示n维实数空间列矢量，τ
f
为约束力，τ为控制输入力矩，n为机械臂自由度；
[0019]结合约束力方程和雅可比矩阵，采用降阶方法对所述动力学方程进行降阶，获得降阶后的受约束二自由度的机械臂模型。
[0020]在其中一个实施例中，所述结合约束力方程和雅可比矩阵，采用降阶方法对所述动力学方程进行降阶，获得降阶后的受约束二自由度的机械臂模型的步骤，包括：
[0021]设定约束方程x为机械臂末端位置向量，取x＝h(q)，x＝h(q)为机械臂末端位置向量和机械臂的角度向量的函数关系，则约束方程为：
[0022]取约束方程的雅可比矩阵为：取约束方程的雅可比矩阵为：为约束方程对机械臂的角度向量q的导数，为约束方程对机械臂末端位置向量x的导数；则约束力方程为：其中，上标T表示转置，为的转置，λ为控制力矢量；由求导得：
[0023]二自由度机械臂末端受到力的约束，则机械臂的自由度由两个变为一个，设定q1和q2为描述约束运动的当前位置的关节角度信息，即用q1来表示q2，则：q2＝Ψ(q1)，Ψ(q1)为q2和q1的函数关系式，则：其中，
为q的二阶导数，为q1的一阶导数，为q2的一阶导数，表示约束方程Ψ(q1)对q1的导数；
[0024]对所述动力学方程进行转换，获得转换后的动力学方程，表示为：
[0025][0026]其中，D1(q1)＝D(q)L(q1)，G1(q1)＝G(q)，)＝G(q)，和分别为和的转置；
[0027]基于所述转换后的动力学方程求解控制力矢量λ，求解控制力矢量λ时，考虑的值对于控制力矢量λ的影响，即：当时，λ的值则由的表达来决定；当时，λ的值则为：
[0028]根据所述转换后的动力学方程，得出降阶后的受约束二自由度的机械臂模型为：
[0029][0030]其中，D
L
(q1)＝L
T
(q1)D(q1)L(q1)，G
L
(q1)＝L
T
(q1)G(q1)。
[0031]在其中一个实施例中，构建的自适应降阶滑模器的方式包括：
[0032]设定q
d
(t)为期望的角度，为期望的约束力，且约束方程为期望的约束力，且约束方程为期望约束力，λ
d
为期望控制力；
[0033]定义辅助变量：q
1e
＝q1‑
q
1d
，其中，Λ>0为正实数；则定义滑模函数为：力误差：e
λ
＝λ
‑
λ
d
；
[0034]构建的力位混合控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应降阶滑模算法的机械臂力位混合控制方法，其特征在于，所述方法包括：当接收到携带有期望关节角度信息的控制指令时，获取机械臂当前位置的关节角度信息；将所述关节角度信息和所述期望关节角度信息，输入到由预先构建的降阶后的受约束二自由度的机械臂模型和自适应降阶滑模器，构成的内外回路力位混合控制系统中，使所述内外回路力位混合控制系统根据所述关节角度信息和所述期望关节角度信息，输出控制信号控制所述机械臂沿期望的运动轨迹运动；所述预先构建的降阶后的受约束二自由度的机械臂模型为：其中，q1和q2为当前位置的关节角度信息，为q1的一阶导数，为q1的二阶导数，D
L
(q1)∈R
(n*n)
为q1的惯性矩阵，n为机械臂自由度，R
(n*n)
为n
×
n维实数空间矩阵矢量，为q1的离心力与哥氏力矩阵，G
L
(q1)∈R
n
为q1的重力项矢量，R
n
表示n维实数空间列矢量，τ为控制输入力矩，L
T
(q1)为L(q1)的转置，q2＝Ψ(q1)；所述预先构建的自适应降阶滑模器为：其中，为q1,的回归矩阵，为的估计值，p∈R
n
为机械臂未知定常参数向量，s_L＝L(q1)M，M为滑模函数，K
d
为正实数，K
d
>0，为的转置，λ
r
为用于控制力的项，λ
r
＝λ
d
‑
K
λ
e
λ
，λ
d
为期望控制力，e
λ
为力误差，K
λ
为正实数，K
λ
>0。2.根据权利要求1所述的方法，其特征在于，构建的降阶后的受约束二自由度的机械臂模型的方式，包括：设定x为机械臂末端位置向量，q∈R
n
为机械臂的角度向量，建立受约束的机械臂在关节空间的动力学方程为：其中，D(q)∈R
(n*n)
为q的惯性矩阵，R
(n*n)
表示n
×
n维实数空间矩阵矢量，为q的二阶导数，为q的离心力与哥氏力矩阵，为q的一阶导数，G(q)∈R
n
为q的重力项矢量，R
n
表示n维实数空间列矢量，τ
f
为约束力，τ为控制输入力矩，n为机械臂自由度；结合约束力方程和雅可比矩阵，采用降阶方法对所述动力学方程进行降阶，获得降阶后的受约束二自由度的机械臂模型。3.根据权利要求2所...

【专利技术属性】
技术研发人员：朱志浩，高直，李蔚，董俊杰，刘建平，周林，潘妍，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：