论文部分内容阅读
多关节机器人系统涉及到各关节驱动器之间的协调控制,具有耦合性、时变性和非线性等动力学特征,所以对多关节机器人进行控制是难以处理的。此外,若考虑未建模动态误差、驱动器故障、机器人关节之间的摩擦、外部扰动、未知时延和非光滑死区特性以及信号的测量误差等不确定因素,那么多关节机器人系统的动力学模型将变得更加复杂。而在实际工程环境中这些因素是一直存在、不可避免的。同时,系统中存在不可测量的状态也会对系统稳定性产生严重的影响,对控制器的设计带来一定的困难。本文主要研究存在外部扰动、关节之间摩擦等不确定因素的多关节机器人协同系统在输出反馈控制器作用下的跟踪控制问题。首先,针对存在关节摩擦和外部扰动等不确定因素的多关节机器人系统,采用拉格朗日法建立较为精确的数学模型,以此为基础对多个机械臂协同抓取有效载荷进行模型分析并建立动力学模型。其次,针对具有外部扰动和关节之间摩擦且部分状态不可测量多关节机器人协同系统,在全状态约束条件下,设计神经自适应输出反馈控制器。利用RBF神经网络函数的逼近性能处理多关节机器人系统中的外部扰动和关节摩擦等不确定因素;设计线性状态观测器估计不可测量的状态变量,并采用辅助系统消除输入饱和带来的影响;在此基础上采用积分障碍李雅普诺夫函数(iBLFs)和Backstepping设计方法相结合推导,设计自适应率和控制器,推导结果表明所设计的控制策略能够保证系统的状态满足约束条件,确保了闭环系统稳定和所有信号一致最终有界。通过Matlab软件仿真进一步验证了所提出控制器的有效性。最后,针对具有外部扰动和关节之间摩擦且部分状态不可测量多关节机器人协同系统,在未知期望轨迹条件下,设计神经自适应输出反馈控制器。利用RBF神经网络函数的逼近性能处理多关节机器人系统中的外部扰动和关节摩擦等不确定因素;采用具有时变权值的神经网络函数来重建未知期望轨迹;运用高增益K滤波观测器来估计系统不可测量的状态变量;通过构造合理的李雅普诺夫函数,并结合Backstepping迭代设计系统控制器,推导结果表明所设计的控制策略能够保证系统能够跟踪未知期望轨迹,确保了闭环系统信号的一致最终有界性。通过数值仿真进一步论证所设计控制器的可行性。