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: 2025109208022
申请人: 山东科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 手动工具;轻便机动工具;手动器械的手柄;车间设备;机械手
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)。