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: 2025100029845
申请人: 广东海洋大学
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:

1.一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,包括以下步骤:S1:建立多机械臂系统的2自由度动力学模型;

S2:基于2自由度动力学模型,定义多机械臂系统的2自由度位置误差;

S3:基于2自由度位置误差,设计基于指定时间性能函数和自调整函数的多机械臂系统自调整性能控制方法;

S4:基于多机械臂系统自调整性能控制方法和滑模控制原理,设计具有灵活约束能力的多机械臂系统滑模控制方法;

S5:基于多机械臂系统滑模控制方法和自适应动态规划,设计多机械臂系统的最优滑模控制器,完成多机械臂自适应动态规划最优滑模控制;

所述S4中设计具有灵活约束能力的多机械臂系统滑模控制方法为:;

其中,为滑模变量,、、、和为常数,为符号,为自调整性能函数,表示第i个机械臂接受来自领导者在第s个自由度下的信息,为第i个机械臂在第s个自由度下的位置误差,为的一阶导数;

对其求导有:

;

其中,,,表示第i个机械臂可以接受来自第j个机械臂在第s个自由度下的信息时,反之,为机械臂总数,表示机械臂能够接收来自机械臂的信息,否则,为的一阶导数,为的二阶导数,为的一阶导数, 为第个机械臂的加速度矢量,为参考轨迹的加速度矢量,为控制率,表示矩阵的对角矩阵;

所述S5中包括以下分步骤:

S51:基于多机械臂系统滑模控制方法,利用莱布尼兹定律推导出贝尔曼方程为:;

;

;

其中,为梯度,,表示积分变量,为衰减系数,为成本函数,为偏导数,为当前的时间;

S52:基于贝尔曼方程,获得哈密顿函数为:;

其中,为哈密顿函数;

S53:基于哈密顿函数和最优成本函数,获得哈密顿-雅可比-贝尔曼方程;

S54:基于哈密顿-雅可比-贝尔曼方程,通过求解,定义最优滑模控制器,其中,上标表示最优;

S55:利用批评神经网络对定义的最优滑模控制器进行近似,获得近似最优滑模控制器,完成多机械臂系统的最优滑模控制器的设计。

2.根据权利要求1所述的一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,所述S1中2自由度动力学模型为:;

为简单起见,设,,的表达式改写为:;

设表示矩阵的对角矩阵,得到:

;

因此,改写为:

;

其中,为第i个机械臂的惯性矩阵函数,为第i个机械臂的向心力和科里奥利力项矢量函数,为第i个机械臂的重力矢量函数,为第i个机械臂的位置矢量,为第i个机械臂的速度矢量,为第i个机械臂的加速度矢量,为第i个机械臂输入转矩矢量,为未知有界扰动向量,;

;

;

其中,,,为第i个机械臂的惯性矩阵,为第i个机械臂的向心力和科里奥利力项矢量,为第i个机械臂在第一个自由度下的速度矢量,为第i个机械臂在第二个自由度下的位置矢量,为第i个机械臂在第二个自由度下的速度矢量,为第i个机械臂在第一个自由度下的转动惯量,为第i个机械臂在第二个自由度下的转动惯量,为第i个机械臂在第一个自由度下的质量,为第i个机械臂在第二个自由度下的质量,为第i个机械臂在第一个自由度下的质心,为第i个机械臂在第二个自由度下的质心,为第i个机械臂在第一个自由度下的长度。

3.根据权利要求1所述的一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,所述S2中定义多机械臂系统的2自由度位置误差,包括以下分步骤:S21:利用有向图表示机械臂之间交换状态信息的关系;

;

当表示机械臂能够接收来自机械臂的信息,否则;

;

其中,为机械臂之间的通信,表示实数集,为维欧式空间,为常数,为追随者的集合,为追随者数量,为位置误差;

S22:基于机械臂之间交换状态信息的关系,获得多机械臂系统的2自由度位置误差为:;

对其求导有:

;

其中,为第i个机械臂在第s个自由度下的位置误差,为第i个机械臂在第s个自由度下的位置矢量,为第j个机械臂在第s个自由度下的位置矢量,表示第i个机械臂接受来自领导者在第s个自由度下的信息,当第i个机械臂能够接受来自领导者在第s个自由度下的信息时,否则,为参考机械臂在第s个自由度下的位置,为机械臂总数,为的一阶导数,,表示第i个机械臂可以接受来自第j个机械臂在第s个自由度下的信息时,反之,为的一阶导数,为的一阶导数,为的一阶导数。

4.根据权利要求3所述的一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,所述S3中包括以下分步骤:S31:设计指定时间性能函数为:;

其中,为指定时间性能函数,为指定时间性能函数的初始值,为指定时间性能函数的预定域,为指定的时间,为当前的时间;

S32:设计自调整函数为:

;

对其求导有:

;

自调整参数设计为:

;

其中,为自调整函数,为常数,为自调整参数,为指定的时间,为的一阶导数,为设计的正参数,为时刻的误差;

S33:基于指定时间性能函数和自调整函数,获得多机械臂系统自调整性能控制方法为:;

其中,为多机械臂系统的自调整指定性能函数。

5.根据权利要求4所述的一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,所述S53中最优成本函数为:;

其中,上标表示最优,为控制率,为最小值,为对的允许控制集合,为积分变量;

所述哈密顿-雅可比-贝尔曼方程为:。

6.根据权利要求5所述的一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,所述S54中定义最优滑模控制器为:;

其中,为正数,为未知函数。

7.根据权利要求6所述的一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,所述S55中批评神经网络为:;

其中,为未知函数的估计值,为激活函数向量,上标为矩阵的转置,为批评神经网络权重的估计值;

所述近似最优滑模控制器为:

。

8.根据权利要求7所述的一种多机械臂自适应动态规划最优滑模控制方法,其特征在于,所述S55中利用强化学习贝尔曼残差和经验重放技术实时更新批评神经网络;

所述强化学习贝尔曼残差为:

;

;

;

;

其中,为过去的某一时刻,为正常数,为的估计值,和为差值;

为最小化强化学习贝尔曼残差,使用梯度下降法、并行学习技术和经验重放技术得到如下更新规律:;

其中,为的一阶导数,为学习率,为在过去时刻的状态,为在过去时刻的状态,为索引次数,为总的索引次数;

按照,得到:

;

;

;

其中,为的一阶导数,为在过去时刻的状态,为成本函数的近似误差,为在的状态,为在过去时刻的状态,为在的状态。