一种机械臂预设时间自适应神经网络协同控制方法技术

本发明专利技术涉及工业以及学科研究技术领域，且公开了一种机械臂预设时间自适应神经网络协同控制方法，首先建立存在未知非线性的多机械臂系统模型。然后，基于反步技术，事件触发机制，神经网络自适应控制技术和预设时间稳定控制理论，设计一种基于事件触发的自适应神经网络预设时间稳定协同控制器。仿真结果表明，多机械臂系统中所有信号半全局稳定且有界，误差可以在预设时间内收敛至一个较小的集合内，且系统不存在Zeno现象。系统不存在Zeno现象。系统不存在Zeno现象。

【技术实现步骤摘要】
一种机械臂预设时间自适应神经网络协同控制方法


[0001]本专利技术涉及工业以及学科研究
，具体为一种机械臂预设时间自适应神经网络协同控制方法。

技术介绍

[0002]近年来，智能制造业快速发展，机械臂的工作模式也从单独作业转向多机械臂协同作业，其广泛应用于各种工业领域、学科研究等。
[0003]对于多机械臂的协同作业，其有着优异的控制性能，包括操作灵活、鲁棒性强以及在复杂的任务中优秀的配合度等优势，随着多机械臂的协同作业的应用越来越广泛，工业上对多机械臂协同控制的控制精度、稳定速度和稳定性等都有了更高的要求。
[0004]在过去的研究中，学者们提出了一些优秀的控制方法，但是这些传统的控制方法都只能保证系统在不确定的时间内趋向稳定，系统的收敛时间无法确定，收敛速度也并不满足实际的需求。另外有学者提出来有限时间控制方法，其收敛性能与鲁棒性优势突出，但收敛的时间与初始系统状态、初始的参数设置相关，控制起来需要大量繁琐的计算，难以控制和调节，为此我们提出了一种机械臂预设时间自适应神经网络协同控制方法。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种机械臂预设时间自适应神经网络协同控制方法，引入事件触发机制，且模型的输入增益为可变增益，不仅能够实现提前设定系统的收敛时间，同时在对可变增益可以对系统进行补偿，解决输入死区对于系统的影响，降低通信压力。
[0007](二)技术方案
[0008]为实现上述所述目的，本专利技术提供如下技术方案：一种机械臂预设时间自适应神经网络协同控制方法，包括以下步骤：
[0009]第一步：对存在未知非线性的多机械臂系统进行建模，得到第i个机械臂的状态方程；
[0010]第二步：定义第i个多机械臂的误差变量，并设计第一个虚拟控制律α
i,1
和自适应律
[0011]第三步：定义事件触发机制；
[0012]第四步：定义第二个虚拟控制律α
i,2
和自适应律和
[0013]第五步：基于Matlab实验平台，进行仿真实验，对系统进行稳定性分析。
[0014]优选的，第一步具体包括以下内容：
[0015]S1：第i(i＝1,2
…
,N)个机械臂可以描述为：
[0016][0017]x
i,1
代表第i个机械臂连杆的角速度，y
i
和分别代表第i个机械臂的输出信号和输入信号，代表非线性的死区输入，增益函数A
i
＝1.5+0.1sin(x
i,1
x
i,2
)，B
i
代表粘性摩擦系数，G
i
代表连杆的质量，l
i
代表连杆长度，J
i
代表惯性力矩；
[0018]S2：输入死区模型表示为：
[0019][0020]和分别为死区的右斜率和左斜率，而r
ir
(t)和r
il
(t)分别表示死区的右断点和左断点，满足r
ir
(t)≥0，r
il
(t)≥0；
[0021]S3：将上述死区模型重写为：
[0022]其中；
[0023][0024][0025]S4：第i个机械臂的同步误差可以定义为：
[0026][0027]y0代表虚拟领导者的参考输出，B＝diag[b1,b2,
…
,b
N
]∈R
N
×
N
表示领导者和机械臂之间的邻接矩阵，如果机械臂i能从领导者获取到信息，则b
i
>0，若不能则b
i
＝0。
[0028]优选的，第二步中第i个机械臂的误差变量：
[0029][0030]其中z
i,2
为第i个机械臂的误差变量，α
i,1
为第i个多机械臂的虚拟控制律。
[0031]优选的，第二步中第一个虚拟控制律α
i,1
和自适应律如下：
[0032]S1：采用径向基函数神经网络对未知组合部分进行逼近，表示为：
[0033][0034]X
i,1
＝[x
i,1
,x
j,1
,x
j,2
]T
，σ
i,1
(X
i,1
)满足关系且
[0035]S2：第一虚拟控制律α
i,1
和自适应律设计如下：
[0036][0037][0038]g
i,1
为g
i,1
输入增益函数下界，参数满足ρ
i,1
>0,l
i,1
>0。
[0039]优选的，第三步的具体内容为：
[0040]S1：定义事件触发机制如下：
[0041][0042]其中，设计参数满足
[0043]S2：定义控制信号为：
[0044][0045]其中
[0046]S3：通过对Ξ
i
进行估计，估计误差表示为：
[0047]综上控制信号可以重写为：
[0048][0049]S4：构建相对阈值：
[0050][0051]当t
κ+1
时刻，相对误差满足则输出信号将更新为事件触发信号
[0052]优选的，第四步包括以下内容：
[0053]S1：采用径向基函数神经网络对未知组合部分进行逼近，表示为：
[0054][0055]其中且
[0056]S2：根据第二误差变量z
i,2
及上述过程利用径向基函数神经网络求解得到未知不确定部分，利用反步设计方法以及李雅普诺夫函数设计第二虚拟控制律α
i,2
，同时生成自适应律和
[0057][0058][0059][0060]其中设计参数ρ
i,2
>0,l
i,2
>0，g
i,2
为g
i,2
下界，满足g
i,2
≤g
i,2
。
[0061](三)有益效果
[0062]与现有技术相比，本专利技术提供了一种机械臂预设时间自适应神经网络协同控制方法，具备以下有益效果：
[0063]1、该机械臂预设时间自适应神经网络协同控制方法，考虑了一类具有输入死区和时变增益的二阶非线性的机械臂模型。通过对可变输入增益边界进行估计，引入控制率中进行补偿，并设计自适应律，从而解决死区以及外界扰动带来的造成系统不稳定的问题。
[0064]2、该机械臂预设时间自适应神经网络协同控制方法，为使得系统稳定时间可以提前设置，而不受到系统状态影响或是需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机械臂预设时间自适应神经网络协同控制方法，其特征在于，包括以下步骤：第一步：对存在未知非线性的多机械臂系统进行建模，得到第i个机械臂的状态方程；第二步：定义第i个多机械臂的误差变量，并设计第一个虚拟控制律α
i,1
和自适应律第三步：定义事件触发机制；第四步：定义第二个虚拟控制律α
i,2
和自适应律和第五步：基于Matlab实验平台，进行仿真实验，对系统进行稳定性分析。2.根据权利要求1所述的一种机械臂预设时间自适应神经网络协同控制方法，其特征在于：第一步具体包括以下内容：S1：第i(i＝1,2
…
,N)个机械臂可以描述为：x
i,1
代表第i个机械臂连杆的角速度，y
i
和分别代表第i个机械臂的输出信号和输入信号，代表非线性的死区输入，增益函数A
i
＝1.5+0.1sin(x
i,1
x
i,2
)，B
i
代表粘性摩擦系数，G
i
代表连杆的质量，l
i
代表连杆长度，J
i
代表惯性力矩；S2：输入死区模型表示为：S2：输入死区模型表示为：和分别为死区的右斜率和左斜率，而r
ir
(t)和r
il
(t)分别表示死区的右断点和左断点，满足r
ir
(t)≥0，r
il
(t)≥0；S3：将上述死区模型重写为：其中；其中；S4：第i个机械臂的同步误差可以定义为：
y0代表虚拟领导者的参考输出，B＝diag[b1,b2,
…
,b
N
]∈R
N
×
N
表示领导者和机械臂之间的邻接矩阵，如果机械臂i能从领导者获取到信息，则b
i
>0，若不能则b
i
＝0。3.根据权利要求1所述的一种机械臂预设时间自适应神经网络协同控制方法，其特征在于：第二步中第i个机械臂的误差变量：其中z
i,2
为第i个机械臂的误差变量，α
i,1
为第i个多机械臂的虚拟控制律。4.根据权利要求3所述的一种机械臂...

【专利技术属性】
技术研发人员：王建晖，张苑晴，张立，张春良，刘嘉睿，
申请(专利权)人：广州大学，
类型：发明
国别省市：