[发明专利]一种考虑系统延迟的不确定工业机器人运动控制方法

说明书

本发明公开了一种考虑系统延迟的不确定工业机器人运动控制方法，首先建立工业机器人机电耦合非线性动力学模型，再利用反馈线性化技术使工业机器人非线性动力学方程线性化，构建动态递归神经网络估计并补偿系统的不确定性，最后提出改进的Smith预测控制方法消除系统延迟的影响。本发明对于系统延迟和不确定性参数具有较好鲁棒性，极大地提高了工业机器人的控制精度。

技术领域

本发明涉及机器人伺服控制技术领域，具体而言涉及一种考虑系统延迟的不确定工业机器人运动控制方法。

背景技术

随着航空航天、船舶制造等高端制造领域对高精度、高效率、高柔性化装备的迫切需求，以工业机器人为载体的制造装备得到日益广泛的使用。然而，现有机器人装备仅在码垛、焊接等低精度领域，或制孔、铆接等仅要求较高定位精度的领域得到使用，对于高精度铣削、磨削、复合材料铺丝铺带等对轨迹精度要求较高的领域仍未得到普及。其原因在于现有工业机器人的控制方法通常依赖运动学或名义动力学模型，对于关节轴摩擦、末端负载等不确定因素以及电机驱动延迟、测量信号传输与反馈处理延迟等系统延迟未加以考虑，导致机器人在变负载加工过程中无法保持其轨迹的跟踪精度和稳定性。因此，需要对机器人施加考虑不确定性和延迟特性的动力学控制方法。

公布号CN108942924A专利中提出了一种基于多层神经网络的不确定性机器人控制方法，采用多层神经网络对不确定项进行自适应逼近，并进行了控制器的仿真，得到了较好的跟踪性能。但是现有文献存在以下两个不足：(1)忽略了伺服电机的动力学模型；(2)忽略了信号处理与传输等系统延迟。实际控制过程中的未考虑机电耦合的动力学模型和系统延迟将会影响控制精度，因此，需要在考虑机器人动力学不确定性的基础上进一步研究消除系统延迟影响的控制方法。

发明内容

本发明针对现有技术中的不足，提供一种考虑系统延迟的不确定工业机器人运动控制方法，首先建立工业机器人机电耦合非线性动力学模型，利用反馈线性化技术使工业机器人非线性动力学方程线性化，构建动态递归神经网络估计并补偿系统的不确定性，提出改进的Smith预测控制方法消除系统延迟的影响，得到了对于系统延迟和不确定性参数具有较好鲁棒性的高精度工业机器人控制方法。

为实现上述目的，本发明采用以下技术方案：

一种考虑系统延迟的不确定工业机器人运动控制方法，所述控制方法包括：

S1，根据电磁学原理和磁场定向控制理论建立三相交流伺服电机的动力学模型，将d轴电流与q轴电流解耦，简化为直流电机模型进行控制；

S2，建立考虑不确定性的工业机器人机电耦合动力学控制模型，将模型改写为状态空间形式，并设计控制律将不确定因素的估计值在控制过程中抵消；

S3，将三相交流伺服电机的动力学模型和其中的不确定项用动态递归神经网络表示，并设计权值调节律和补偿控制律使神经网络对不确定因素的估计保持稳定；

S4，将神经网络对不确定项的估计值带入工业机器人机电耦合动力学控制模型，并添加系统延迟，采用反馈线性化方法获得线性化的工业机器人控制模型；

S5，对改进的Smith预测器设计控制律使其提前预测工业机器人下一采样时刻的状态信号，并将预测器的输出与动态递归神经网络不确定项的估计值作为工业机器人机电耦合动力学控制模型的输入，对机器人施加基于Smith预测器的动态递归神经网络预测控制方法。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤S1中，所述根据电磁学原理和磁场定向控制理论建立三相交流伺服电机的动力学模型，将d轴电流与q轴电流解耦，简化为直流电机模型进行控制的过程包括以下步骤：

S11，根据三相交流伺服电机物理模型，建立三相交流伺服电机在两相旋转同步参考坐标系下的定子电压方程：