[发明专利]一种气动肌肉无模型高阶迭代学习控制方法

摘要

本发明公开了一种气动肌肉无模型高阶迭代学习控制方法，针对气动肌肉这一非线性强、参数时变、建模困难的被控对象，在重复控制中采集气动肌肉前两次运动过程中的气压和位移数据，构建气动肌肉迭代轴动态数据模型。创新性采用高阶估计算法对该模型中的未知参数进行在线估计，利用估计值设计迭代学习控制器，并重复此过程，直至达到精度要求。本发明不依赖被控对象的数学模型，仅通过采集气压和位移数据，就能够实现气动肌肉在重复运动过程中对预定的期望轨迹快速、精确地跟踪控制。

主权项

1.一种气动肌肉无模型高阶迭代学习控制方法，其特征在于，包括以下步骤：步骤1：对气动肌肉进行数学抽象；步骤2：建立气动肌肉数据模型；基于前两次迭代周期的气压值和位移值，建立相邻两个迭代周期的迭代轴紧格式动态数据模型，并定义该模型中的未知参数为“拟伪偏导数”；步骤3：“拟伪偏导数”估计；步骤4：考察“拟伪偏导数”估计值的取值情况和气压值增量的取值情况，若“拟伪偏导数”或控制量在当前时刻相较于前一次迭代的增量小于一个给定的值，则采用“重置算法”对它的值进行重置；步骤5：根据“拟伪偏导数”的估计值和前两次迭代周期中的气压值和位移值，构建无模型迭代学习控制器，计算出当前迭代周期每个时刻的气压值，传输给气动肌肉；步骤6：判断气动肌肉的跟踪误差是否满足精度要求，若满足，则停止迭代；若不满足，则重复步骤2～步骤5。