[发明专利]一种基于旋量模型的机械臂终端滑模控制系统

说明书

本发明公开了一种基于旋量模型的机械臂终端滑模控制系统，涉及机械臂技术领域；包括如下步骤：步骤一、机械臂建模；二、神经网络逼近；步骤三、控制方法：采用基于李雅普诺夫稳定性理论的控制系统设计方法；本发明基于旋量理论建立机械臂运动学与动力学模型，同时利用神经网络去除机械臂系统外部干扰与误差，设计终端滑模控制律以保证实现机械臂关节空间高效的跟踪控制，利用李雅普诺夫理论证明系统稳定性并实现所提出控制算法的数值仿真，在开源的环境下，以AUBO‑i5为研究对象，完成仿真实验。

技术领域

本发明属于机械臂技术领域，具体涉及一种基于旋量模型的机械臂终端滑模控制系统。

背景技术

随着人类社会的不断进步，人类文明体系不断走向新的高度。随之而来的诸如劳动力成本提高、劳动者权益增多等一系列问题是无法避免的。为了解决这些问题，人类社会将必然要进入机器时代。工业发展是社会发展必不可少的一环，工业机器人的运用范围在极大程度上代表着社会的文明程度。随着技术不断发展，工业机器人已在工业加工生产中代替人类执行一些重复、频繁的工作，而且能超越人类能力，完成人类无法轻易完成的高强度工作。我国工业机器人的研究还处于较为薄弱的状态，尤其六自由度机械臂在工业生产中是无法被替代的一个环节，所以对六自由度机器人关键技术的深入研究是具有重大理论意义和现实意义。

发明内容

为解决背景技术中的问题；本发明的目的在于提供一种基于旋量模型的机械臂终端滑模控制系统。

本发明的一种基于旋量模型的机械臂终端滑模控制系统，包括如下步骤：

步骤一、机械臂建模：

在旋量中，拉格朗日方程从刚体能量出发，涉及大量的求导计算，而利用旋量理论可以从单刚体动力学出发，建立力旋量-运动旋量方程，从而建立多自由度基于牛顿-欧拉方程的机械臂逆向动力学方程。利用伴随矩阵与李括号的映射建立正向动力学迭代算法，进而构建堆叠向量完成封闭形式动力学方程的建立，同时利用这一非线性方程的数值积分进行分析，完成正向动力学的求解，最终得到动力学方程为：

在机械臂正向运动学中，在不同参考坐标系下建立刚体正向运动学模型，同时建立不同坐标系下表达式之间的关系；在逆向运动学中，利用微分运动学以及非线性方程的数值解法建立末端位姿到关节角度的映射关系；基于单刚体力旋量-运动旋量方程，实现多刚体动力学的迭代；

二、神经网络逼近：

采用RBF网络对模型进行逼近，RBF神经网络有很强的非线性拟合能力，映射任意复杂的非线性关系，并且RBF网络可以任意精度逼近任意的非线性函数，具有全局逼近能力，从根本上解决了BP网络的局部最优问题，而且拓扑结构紧凑，收敛速度快；

步骤三、控制方法：

采用基于李雅普诺夫稳定性理论的控制系统设计方法；典型的控制方法是反步法和滑模法，反步法会有微分爆炸且设计过程较为繁琐，运用智能控制对复杂系统精确建模；神经网络自适应滑模控制修正自身特性以逼近由干扰力矩，动/静摩擦等带来的动态干扰项，使系统具有渐进稳定性，从而实现系统对期望行为的跟踪。

与现有技术相比，本发明的有益效果为：

基于旋量理论建立机械臂运动学与动力学模型，同时利用神经网络去除机械臂系统外部干扰与误差，设计终端滑模控制律以保证实现机械臂关节空间高效的跟踪控制，利用李雅普诺夫理论证明系统稳定性并实现所提出控制算法的数值仿真，在开源的环境下，以AUBO-i5为研究对象，完成仿真实验。

附图说明

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1为本发明的RBF神经网络逼近示意图；

图2为本发明的控制框图。

具体实施方式