欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018100276823
申请人: 燕山大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种考虑系统性能受限下网络化遥操作系统的控制方法,其特征在于,所述方法包括以下步骤:步骤1,网络通信时延下基于非线性网络化遥操作系统模型定义主、从位置同步误差受限变量;根据普遍使用的机器人拉格朗日动力学模型,可得到基于关节空间的遥操作动力学模型其中,qm,qs∈Rn为关节位移矩阵; 为关节速度矩阵;Mm(qm),Ms(qs)∈Rn×n为系统的正定惯性矩阵; 为哥氏力和离心力的向量;Gm(qm),Gs(qs)∈Rn为重力力矩; 为系统存在的未知摩擦力以及有界外界干扰;Fh∈Rn和Fe∈Rn分别为人类操作者施加的力和环境施加的力矩;τm∈Rn和τs∈Rn为控制器提供的控制力矩;

考虑实际应用中系统模型均存在不确定,因此Mm(qm)=Mmo(qm)+ΔMm(qm),Ms(qs)=Mso(qs)+ΔMs(qs),Gm(qm)=Gmo(qm)+ΔGm(qm),Gs(qs)=Gso(qs)+ΔGs(qs);

Mmo(qm),Mso(qs), Gmo(qm),Gso(qs)表示系统的标称部分即已知部分,而ΔMm(qm),ΔMs(qs), ΔGm(qm)和ΔGs(qs)表示系统的不确定部分;

因此遥操作系统(1)可被重新写做

其中,

将其视为系统整体的不确定;

选取xm1=qm, xs1=qs和 将上述系统整理成严格反馈系统定义主、从系统位置同步误差变量

em=xm1-xs1(t-Ts(t)),es=xs1-xm1(t-Tm(t))             (4)其中,Tm(t)代表主端到从端的网络信息传输时延,Ts(t)代表从端到主端的网络信息传输时延;

定义新的变量

pm1=ξm10exp(-am1t)+ξm1∞,pm2=ξm20exp(-am2t)+ξm2∞           (5)ps1=ξs10exp(-as1t)+ξs1∞,ps2=ξs20exp(-as2t)+ξs2∞            (6)其中,ξm10,ξm1∞,ξm20,ξm2∞,ξs10,ξs1∞,ξs20,ξs2∞均为正常数,且满足如下不等式;ξm10>ξm1∞,ξm20>ξm2∞,ξs10>ξs1∞,ξs20>ξs2∞αm1,αm2,αs1,αs2同样选取为正常数;

常数ξm1∞,ξm2∞,ξs1∞,ξs2∞代表在系统稳定时所允许的最大同步误差,pm1,pm2,ps1,ps2的下降率代表误差收敛过程中允许的最小收敛速度;可以看出通过定义合适的预定性能方程便可以满足不同的系统性能需求;

进而基于主、从系统同步误差变量,给出新的受限误差变量如下其中,

步骤2,基于定义的误差变量以及神经网络设计遥操作系统自适应神经网络控制策略;

步骤3,利用李亚普诺夫方程给出神经网络以及参数自适应调节律,保证主从同步误差趋近收敛于零的同时满足所设定的性能要求。

2.根据权利要求1所述的一种考虑系统性能受限下网络化遥操作系统的控制方法,其q p特征在于:步骤2中,根据神经网络逼近属性,对于不确定的连续方程f(X):R→R,存在其中, 选取为高斯径向基方程即cj,bj分别代表第j个神经元的中心和宽度,W*∈Rn×p为理想的神经网络权值,ε(X)∈Rp为神经网络估计误差,εN代表逼近估计误差ε(X)的最大值;

基于参数自适应方法,在主、从系统位置同步误差受限下设计自适应神经网络控制策略如下:其中,km2,ks2为正对角常数矩阵,和 用于估计理想的神经网络权值 和 和为自适应参数主要用于估计神经网络估计误差上界ρm=εmN和ρs=εsN;

αm1=[αm11,αm12,...,αm1n]T;

αs1=[αs11,αs12,...,αs1n]T为辅助中间控制变量,其具体设计为其中,km1j和ks1j选取为正常数,zm1j,zs1j,emj,esj,xm2j(t-Tm(t)),xs2j(t-Ts(t))分别代表向量zm1,zs1,em,es,xm2(t-Tm(t)),xs2(t-Ts(t))的第j个变量, 分别为信息传输时延Tm(t),Ts(t)的导数。

3.根据权利要求1所述的一种考虑系统性能受限下网络化遥操作系统的控制方法,其特征在于:所述步骤3中,利用李亚普诺夫方程给出神经网络以及参数自适应调节律,保证主从同步误差在趋近于零的同时满足所设定的性能要求,设计过程分为两步:第一步,选取李亚普诺夫方程如下

其导数为

其中,pi1j,pi2j, 分别代表向量pi1,pi2, 的第j个变量;

进而可得

其中,

进一步可得

引入中间控制变量αm1j和αs1j(11),可得第二步,选取如下新的李亚普诺夫方程

其中, 和 分别代表

正对角常数矩阵Γm和Γs的逆;ηm和ηs选取为正常数;

对李亚普诺夫方程V求导可得

基于步骤2中设计的主、从系统的控制器(10), 可进一步转化为进而设计神经网络以及参数自适应调节律如下最终可得

根据李亚普诺夫方程的定义(17)以及方程(21)可知,闭环遥操作系统中所有信号有界,且当t→∞时变量zm1,zs1,xm2-αm1,xs2-αs1均趋于零;进而根据zm1,zs1的定义(7)和(8)可得-pm2(t)<em(t)<pm1(t),-ps2(t)<es(t)<ps1(t);实现在满足预先设计的性能限制下,主、从系统同步误差渐近趋于零点。