1.一种基于迭代学习观测器的6自由度机械臂扰动补偿控制方法,其特征在于,包括以下步骤:步骤1:以视觉伺服系统为研究对象,系统包括机械臂、感知部分和目标物体,基于带关节速度扰动的深度无关雅可比矩阵模型构建状态空间模型;
步骤2:基于关节传感器信息构造辅助状态系统与误差传递方程,设计迭代学习观测器估计关节速度扰动;
步骤3:将扰动估计值嵌入视觉模型预测控制器,生成最优控制信号,通过前馈补偿机制修正关节速度输入,实现扰动主动抑制;
所述步骤1具体为:
首先,构建特征点,特征点在像素坐标下的坐标公式为:(1);
其中,,为特征点在像素平面的坐标;,表示特征点在相机坐标下的深度,为的第行,为内参矩阵和外参矩阵的乘积,表示机械臂末端执行器坐标系相对于基坐标系的齐次变换矩阵,表示视觉特征点在机械臂基坐标系下的三维坐标;
对特征点在像素坐标下的坐标进行时间微分,则特征点的图像坐标的变化率和机械臂关节速度之间的关系表示为:(2);
其中,为连续时间,为机械臂关节速度,且;是深度无关雅可比矩阵,其表达式如下:(3);
其中,为求导符号,为机械臂关节角度;
为了使用预测模型控制方法设计控制率,建立了离散时间状态空间模型,考虑机械臂的关节速度存在扰动,离散时间状态空间模型表示为:(5);
其中,为控制器输入信号,为相机深度,为采样时间,为速度扰动信号;
所述步骤2具体为:
设为关节速度测量值,表示为:
(6);
对求导得:
(7);
令和,引入一个辅助变量构造辅助状态系统,表示为:(8);
其中,是一个系数矩阵,令,对求导,得到误差传递方程:(9);
将代入到式(8)得:
(10);
式(10)中关节角度和关节速度是可测量的,由公式(10)计算得到,在每个控制周期通过公式(10)更新辅助状态,再通过能够获得;
设计迭代学习观测器,通过迭代更新机制,结合历史估计信息与误差传递方程,实现对系统状态及未知扰动的高精度估计,表达式为:(11);
其中,是的估计,是的估计,是时间间隔,、、、为系数矩阵;
式(11)中第一个方程为状态更新方程,基于当前时刻的估计状态和扰动估计,通过引入反馈增益矩阵调节系统动态特性,并利用学习增益矩阵对实际状态与估计状态的偏差进行校正,生成下一时刻的状态估计值;式(11)的第二个方程为扰动估计更新方程,通过历史扰动估计和反馈增益矩阵,结合当前状态估计误差的学习增益矩阵,实现对未知扰动的迭代修正;
当第次迭代扰动估计误差减小到预设误差边界,则迭代结束;
所述步骤3具体包括:
基于公式(5),带关节速度扰动的视觉模型预测控制器的二次型代价函数定义为:(12);
其中,矩阵,,,是各项的权重矩阵,为视觉伺服图像误差,为预测时域,,是一个有限的正整数,是模型预测控制器的预测时域,,是期望的特征点轨迹;
优化问题描述为:
(13);
其中,;、为控制输入约束,、为图像坐标约束,为期望图像坐标;
将迭代学习观测器实时估计的关节速度扰动信号嵌入状态预测方程,在预测时域内,基于含扰动估计的状态预测方程生成未来状态序列,并以此构建代价函数;在每个采样时刻,最小化代价函数并考虑上述约束,得到最优控制序列,并在每个采样时刻都把最优控制序列的第一项作为控制信号;
将迭代学习机制嵌入MPC前馈补偿回路,利用迭代学习观测器观测关节速度扰动,结合MPC控制输入,得到最优控制信号为:(14)。