[发明专利]一种机器人自适应神经滑模控制方法、设备及介质

说明书

本申请实施例公开了一种机器人自适应神经滑模控制方法、设备及介质。基于预置性能函数，确定出机器人的跟踪误差，并基于预置转换函数对跟踪误差进行转换，以得到转换误差；基于转换误差，以及转换误差对应的有限时间非奇异终端滑模面，确定出机器人对应的自适应律；通过预置RBF神经网络，对有限时间非奇异终端滑模面对应的集总非线性进行补偿；通过预置Lyapunov函数，对滑模变量、转换误差以及转换误差对应的导数进行有界性分析，以根据分析结果对机器人进行跟踪。通过上述方法，提高对机械臂的跟踪精度。

技术领域

本申请涉及机器人技术领域，尤其涉及一种机器人自适应神经滑模控制方法、设备及介质。

背景技术

目前，机器人在空间探索、手术机器人以及工业应用等领域有着广泛的应用。为了满足控制性能的要求，各种先进的控制技术可以应用于机器人的控制器，如鲁棒控制、滑模控制、模糊控制、神经网络控制等。

然而，间隙滞后现象广泛存在于伺服机构、维纳系统、飞行器等物理系统和设备中。机械手驱动关节反向运动时会产生间隙滞后，机械手的间隙滞后和系统不确定性(如扰动、非线性摩擦、耦合项等)影响了机械手跟踪控制的精度，而这些不确定性是不容易预先获得的，以致难以对机械臂的跟踪精度较差。

发明内容

本申请实施例提供了一种机器人自适应神经滑模控制方法、设备及介质，用于解决如下技术问题：机械手的间隙滞后和系统不确定性，影响了机械手跟踪控制的精度，而这些不确定性是不容易预先获得的，以致难以对机械臂的跟踪精度较差。

本申请实施例采用下述技术方案：

本申请实施例提供一种机器人自适应神经滑模控制方法。包括，基于预置性能函数，确定出机器人的跟踪误差，并基于预置转换函数对跟踪误差进行转换，以得到转换误差；基于转换误差，以及转换误差对应的有限时间非奇异终端滑模面，确定出机器人对应的自适应律；通过预置RBF神经网络，对有限时间非奇异终端滑模面对应的集总非线性进行补偿；通过预置Lyapunov函数，对滑模变量、转换误差以及转换误差对应的导数进行有界性分析，以根据分析结果对机器人进行跟踪。

本申请实施例为了保证闭环系统的暂态和稳态性能，结合预设性能函数进行自调整增益系数的非奇异终端滑模控制。其次，基于滑模变量，提出了一种新的自适应律，在不需要先验知识的情况下，能够有效地估计系统不确定性的上界。此外，为了逼近系统非线性函数和未知动力学，引入径向基函数神经网络对集总非线性进行补偿。通过Lyapunov函数确定出所有信号都是一致最终有界的。从而能够有效地削弱间隙迟滞的影响，实现机器人的高精度跟踪性能。

在本申请的一种实现方式中，基于预置性能函数，确定出机器人的跟踪误差，并基于预置转换函数对跟踪误差进行转换，以得到转换误差，具体包括：根据机器人对应的关节位置向量，确定出机器人对应的期望的跟踪轨迹；基于预置性能函数与期望的跟踪轨迹确定出机器人的跟踪误差，将踪误差将转换为非受限误差形式，并基预置转换函数对非受限误差形式进行转换，得到转换误差。

在本申请的一种实现方式中，基于预置性能函数与期望的跟踪轨迹确定出机器人的跟踪误差，将踪误差将转换为非受限误差形式，并基预置转换函数对非受限误差形式进行转换，得到转换误差，具体包括：将跟踪误差定义为

q_e＝q-q_d

基于预置性能函数

F_μi＝(μ_0i-μ_∞i)exp(-a(k)t)+μ_∞i

确定出机器人的跟踪误差；基于转换函数

q_ei＝F_μi(t)S(σ_i)