一种基于间歇迭代学习控制的平面机械臂轨迹跟踪方法
文献发布时间：2023-06-19 19:30:30
技术领域
本发明涉及一种用于平面机械臂的控制方法，具体涉及一种基于间歇迭代学习控制的平面机械臂轨迹跟踪方法。
背景技术
机械臂是一种高精度，多输入多输出、高度非线性、强耦合的复杂系统。机器臂在机械人技术领域是应用范围最广泛的自动化机械装置之一，组装、喷漆、焊接、高温铸锻等许多工业中危险、繁重的工作，皆能以机械臂取代人工作业。目前机械臂因其独特的操作灵活性，已在工业装配、安全防爆等领域得到广泛应用。
应用于机械臂控制系统的设计方法主要包括PID控制、自适应控制和鲁棒控制等。然而，机械臂系统存在着参数摄动、外界干扰及未建模动态等不确定性。模型不确定性给机械臂轨迹跟踪的实现带来影响，同时部分控制算法受限于一定的不确定性。因此，有必要利用其经验知识、操作数据等，研究其与学习控制等算法相结合的新控制算法。
发明内容
本发明的目的是提出基于间歇迭代学习控制的平面机械臂轨迹跟踪方法，可有效利用其经验知识、操作数据，在存在着参数摄动、外界干扰及未建模动态等不确定性时，取得良好的控制效果。
本发明的具体技术方案如下：一种基于间歇迭代学习控制的平面机械臂轨迹跟踪方法，包括以下步骤：
基于Lagrange方法建立机械臂动力学模型如下所示：
式中，q
进一步，考虑机械臂系统位置传感器、速度传感器信号传输过程中存在丢包，丢包过程描述为一个伯努利分布函数γ，丢包时γ＝0，否则γ＝1，并记其数学期望为
进一步，构造反馈输入
进一步，将系统运行区间划分为[T
进一步，基于机械臂动力学模型构造迭代状态估计器如下：
/>
式中q
式中，λ
C001：选取复合能量函数如下：
C002：式中
/>
C003：根据C002可得ΔE
进一步，根据输入间歇，构造修饰轨迹如下：
式中，q
●
●
●
●
式中T
进一步，构造前馈输入
进一步，构造转矩输入为τ
C004：选取能量函数如下：
C005：式中
C006：考虑
C007：根据C006，在输入工作时间t∈[T
C008：根据C006，在输入间歇时间t∈[T
C009：根据C007和C008可得W
附图说明
图1为本发明实施例的方法流程图；
图2为本发明实施例的机械臂示意图；
图3为实施例采用本发明所提方法第1次迭代时关节1的位置跟踪图；
图4为实施例采用本发明所提方法第1次迭代时关节2的位置跟踪图；
图5为实施例采用本发明所提方法第10次迭代时关节1的位置跟踪图；
图6为实施例采用本发明所提方法第10次迭代时关节2的位置跟踪图；
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，一种基于间歇迭代学习控制的平面机械臂轨迹跟踪方法，包含如下步骤：
步骤一、设置各项参数初值；
步骤二、运行系统记录传感器采样数据q
步骤三、根据采样数据进行迭代估计生成前馈输入τ
步骤四、根据前馈输入τ
步骤五、重复步骤二、三、四，直到本次迭代结束并进入下一循环。
下面介绍本发明的一个实施例：
考虑两自由度平面机械手关节轨迹跟踪控制问题，其对应动力学模型为：
其中系统参数为：
期望的追踪轨迹为：
图1为本发明实施例的方法流程图；图2为本发明实施例的机械臂示意图；应用所提方法，图3、4分别展示第1次迭代时关节1、2的位置跟踪情况，图5、6分别展示第10次迭代时关节1、2的位置跟踪情况。
从图中可以看出，在第10次迭代时，可以获得一个满意的跟踪性能。
参考文献
[1]T.Bensidhoum，F.Bouakrif.Adaptive P-type iterative learning radialbasis function control for robot manipulators with unknown varyingdisturbances and unknown input dead zone.International Journal of Robust andNonlinear Control，vol.30，pp.4075-4094，2020.
[2]X.Jin.Iterative learning control for non-repetitive trajectorytracking of robot manipulators with joint position constraints and actuatorfaults.International Journal ofAdaptive Control and Signal Processing，vol.31，pp.859-875，2017。