[发明专利]基于事件触发的双连杆机械臂的自适应评价控制方法

说明书

本发明涉及一种基于事件触发的双连杆机械臂的自适应评价控制方法，属于双连杆机械臂系统跟踪控制领域。该方法利用神经网络的万能逼近定理和反步法设计方法，实现了自适应神经网络控制器的构建。同时，引入了事件触发机制，减少了控制器与执行器之间的通信开销，提高了网络资源的利用效率。评价网络和执行网络相结合，利用光滑的效用函数和最优跟踪控制器，改善了系统的控制性能和容错能力。此外，还设计了执行器故障补偿项，以抑制执行器故障对系统性能的影响。本发明可以克服传统方法中精确建模的困难性和网络资源有限的问题，实现对双连杆机械臂系统的高效控制和容错能力的提升。本发明具有广泛的应用潜力，适用于工业自动化、机器人等领域。

技术领域

本发明属于双连杆机械臂系统跟踪控制领域，涉及一种基于事件触发的双连杆机械臂的自适应评价控制方法。

背景技术

在双连杆机械臂系统的控制领域，传统的控制方法通常基于精确建模和连续控制策略。然而，由于系统参数的不确定性、外部干扰和执行器故障等因素的存在，精确建模和连续控制策略在实际应用中存在一定的局限性。

为了解决这些问题，近年来出现了一些自适应控制方法，其中一种是基于神经网络的自适应控制方法。这种方法利用神经网络的强大逼近能力，可以通过学习实际系统的非线性映射关系来实现控制器的自适应调整。然而，由于神经网络的训练需要大量的数据和计算资源，以及网络通信的限制，传统的基于神经网络的控制方法在实际应用中存在一定的困难。

另外，针对网络通信资源有限的问题，事件触发控制方法被提出。该方法通过在控制器和执行器之间的通信链路上引入事件触发机制，只在特定的事件发生时进行通信和控制指令传输，从而减少了网络负载和通信开销。

然而，目前针对双连杆机械臂系统的自适应容错控制方法在事件触发方面的应用较少。因此，亟需一种基于事件触发的双连杆机械臂系统的自适应评判容错控制方法，以克服传统方法的局限性，并有效地提高系统的控制性能和容错能力。

发明内容

有鉴于此，本发明的目的在于提供一种基于事件触发的双连杆机械臂的自适应评价控制方法，能够克服传统方法在精确建模和网络资源利用方面的不足，提高双连杆机械臂系统的控制性能和容错能力。本发明方法通过结合神经网络控制和事件触发机制，克服了传统方法在精确建模和网络资源利用方面的不足，提高了双连杆机械臂系统的控制性能、实时性和容错能力，具有广泛的应用前景。

为达到上述目的，本发明提供如下技术方案：

一种基于事件触发的双连杆机械臂的自适应评价控制方法，首先，本发明建立了双连杆机械臂的动力学模型，并对其进行离散化处理，以便进行控制器设计和评价网络构建。其次，为了解决精确建模的问题，本发明采用了基于神经网络的自适应控制方法。利用神经网络的万能逼近定理，设计了自适应神经网络控制器，通过学习和逼近实际系统的非线性映射关系，实现对双连杆机械臂系统的自适应调整。这样可以克服传统方法中对系统精确建模的要求，提高控制器的鲁棒性和适应性。为了解决网络带宽资源有限的问题，本发明在控制器与执行器之间的网络通道引入事件触发机制。通过设计合适的事件触发规则，控制器和执行器之间只在特定事件发生时进行通信和控制指令传输，减少了不必要的信号传输，从而有效节省了网络资源的使用。这样可以提高系统的实时性和网络传输效率。此外，本发明还设计了执行器故障补偿项，用于抑制执行器故障对系统性能的影响。通过引入动态补偿项，不仅可以实现对执行器故障的检测和补偿，还可以改善系统的控制性能和容错能力。

该方法具体包括以下步骤：

S1：建立双连杆机械臂的动力学模型和期望跟踪轨迹，具体包括：建立以机械臂关节角位置q和角速度力矩τ，连杆质量m₁,m₂和长度l₁,l₂作为状态变量的双连杆机械臂的动力学模型，并建立双连杆机械臂的关节角位置q₁和q₂的期望跟踪轨迹；