[发明专利]一种有限时间自适应机器人力位混合控制方法

说明书

本发明公开了一种有限时间自适应机器人力位混合控制方法，步骤依次为：建立机器人的受约束的机械臂系统动力学方程；采用约束方程对系统进行降阶；设定期望角度和期望控制力，并定义系统误差变量；根据系统误差变量定义辅助变量，根据辅助变量设计滑模函数；采用神经网络逼近不确定函数，设计神经网络加权矩阵估计值的最优自适应律；根据前述神经网络、最优自适应律和辅助变量构建有限时间自适应机器人力位混合控制器，实现有限时间自适应机器人力位混合控制方法。本发明提高了机器人控制系统的控制精度，缩短了机器人控制系统的响应时间。

技术领域

本发明属于机器人控制领域，特别涉及了一种机器人力位混合控制方法。

背景技术

机器人被称为“制造业皇冠顶端的明珠”。它能够提高自动化水平、减轻劳动人员体力负担、降低人员成本，在生产生活中发挥着越来越无可替代的作用。

目前，国内外现有机器人力位混合控制主要将机器人的任务空间划分为两个正交子空间，在与运动轨迹约束面相切的方向进行力控制，而在法线方向进行位置控制，并分别设计不同的控制方法进行控制，这种控制方法仅能保证机器人系统渐近稳定或最终一致有界稳定，往往需要较长的响应时间且控制精度有待提高。同时，现有方法设定机器人系统惯性矩阵、离心力与哥氏力矩阵均为已知，未考虑其在实际应用时存在不确定性。为了提高机器人力位混合控制系统的鲁棒性，需提高机器人系统的控制精度和缩短响应时间，同时考虑参数不确定性对系统稳定性的影响。因此，研究一种有限时间自适应机器人力位混合控制方法，使得机器人系统在有限时间内稳定且具有更高的鲁棒性，具有重大现实意义和技术价值。

发明内容

为了解决上述背景技术提到的技术问题，本发明提出了一种有限时间自适应机器人力位混合控制方法。

为了实现上述技术目的，本发明的技术方案为：

一种有限时间自适应机器人力位混合控制方法，包括以下步骤：

(1)建立机器人的受约束的机械臂系统动力学方程；

(2)采用约束方程对系统进行降阶，获得降阶后受约束的机械臂系统动力学方程；

(3)设定期望角度和期望控制力，并定义系统误差变量；

(4)根据系统误差变量定义辅助变量，根据辅助变量设计滑模函数；

(5)采用神经网络逼近不确定函数，设计神经网络加权矩阵估计值的最优自适应律；

(6)根据前述神经网络、最优自适应律和辅助变量构建有限时间自适应机器人力位混合控制器，实现有限时间自适应机器人力位混合控制方法。

进一步地，在步骤(1)中，机器人的受约束的机械臂系统动力学方程如下：

其中，q∈Rⁿ为机械臂的角度向量，D(q)∈R^n×n为惯性矩阵，为离心力与哥氏力矩阵，G(q)∈Rⁿ为重力项矢量，τ_f为约束力，τ为控制输入，n为机械臂自由度，参数上方的一点和两点分别表示该参数的一阶微分和二阶微分。

进一步地，在步骤(2)中，约束力方程如下：

其中，为约束方程雅可比矩阵，表示对q的导数，为设定已知的约束方程，上标T表示转置，λ为控制力矢量；

降阶后受约束的机械臂系统动力学方程如下：

其中，q₁为描述约束运动的变量，q₂为剩余的冗余变量，q₂可用q₁来表示，即表示函数Ψ(q₁)对q₁的导数。