一种基于模糊PID的力反馈机械手控制方法

技术领域

本发明涉及力反馈机械手控制技术领域，更具体的说，涉及一种基于模糊PID的力反馈机械手控制方法。

背景技术

随着人口老龄化和慢性疾病增加，康复需求也日益增加。许多患者在面对中风、脊髓损伤、帕金森病、多发性硬化等神经系统疾病时，难免会出现肌肉无力、运动协调性下降等问题，但是传统的康复方法如物理疗法、药物治疗等存在着一定的局限性，患者长时间不进行手部运动会导致手部肌肉和关节的功能下降，而力反馈机械手则可作为用于康复治疗的辅助性医疗设备。力反馈机械手的发展不仅仅在于康复治疗，对与推动机器人技术发展等具有多重意义。

本发明的目的在于研制一种基于模糊PID的力反馈机械手控制方法，用于精确控制力反馈机械手，以减少外部环境如碰撞、挤压、摩擦等的不确定干扰，具有抗干扰能力强的特点。模糊PID控制方法，即是将模糊控制引入到PID参数调节中，来提供控制系统的自适应性，系统可以根据环境的变化自动的在线调整控制系统参数，能够实时地对力反馈机械手系统的环境干扰进行预测、估计和抑制，降低干扰对系统的影响，达到精确控制的效果。

发明内容

本发明的目的是针对现有技术的不足，本发明的目的在于提供一种基于模糊PID的力反馈机械手控制方法，所述控制方法引入模糊控制的思想，可以自动的在线调整控制系统参数，达到精确控制的效果，解决手部功能障碍患者运动时协调性差的问题，增强了抗干扰的能力。

本发明的上述技术目的是通过以下技术方案得以实现的：一种基于模糊PID的力反馈机械手控制方法，包括以下步骤：

步骤一：以力反馈机械手平台中导轨上的滑块为被控对象，通过位移传感器获取该滑块的实际位置信息，作为系统反馈环节的输入；

步骤二：通过控制器对滑块的预设位置信息进行设置，计算出预设位置与实际位置的偏差值及偏差值变化率，作为系统的输入；

步骤三：采用模糊PID控制算法计算出控制输出量，将该控制输出量输入至力反馈控制系统中来控制所述导轨上滑块的运动。

其中，通过模糊PID控制算法计算出所述控制输出量的步骤具体为：

采用状态空间表达式建立所述滑块的控制模型，基于该控制模型设计初始的PID控制算法；

基于所述初始的PID控制算法，引入模糊控制的思想设计模糊PID控制算法，自动在线调整控制系统参数，得出所述控制输出量；

所述状态空间表达式为：

式中，x

所述初始PID控制算法如下所示：

式中，e(t)为预设位置与实际位置的偏差值。

作为优选的，所述模糊PID算法步骤主要包括：

1)对所述滑块的位置偏差及其变化率通过模糊化部件做模糊化处理，即在论域上定义若干个模糊子集，并规定其隶属函数，进而将清晰输入量转换为模糊输入量；

2)定义一组模糊控制规则表，用于描述模糊输入量即所述滑块的位置偏差E及其变化率E

3)采用重心法的解模糊方法，根据模糊输出量的所属模糊子集及其对应的隶属度计算出、Δk

作为优选的，所述的模糊PID控制算法的控制参数根据以下公式实时计算得到：

式中，k

作为优选的，所述的模糊PID算法中，模糊输入量的模糊子集语言值为{NB，NM，NS，ZO，PS，PM，PB}，其中NB表示负大、NM表示负中、NS表示负小、ZO表示零、PS表示正小、PM表示正中、PB表示正大，每一个语言值对应一个隶属度函数，其中，语言值NB采用Z型隶属度函数，语言值PB采用S型隶属度函数，语言值NM、NS、ZO、PS、PM采用三角形隶属度函数，其中：

所述Z型隶属度函数的表达式如下：

所述S型隶属度函数的表达式如下：

所述三角形隶属度函数的表达式如下：

作为优选的，所述的模糊PID算法中，模糊输出量的模糊子集语言值为{NB，NM，NS，ZO，PS，PM，PB}，其中NB表示负大、NM表示负中、NS表示负小、ZO表示零、PS表示正小、PM表示正中、PB表示正大，而其模糊输出量的隶属度由模糊控制规则表来确定。

作为优选的，所述的重心法是将模糊输出值转换成清晰值的解模糊方法，其中：

所述的去模糊公式如下：

其中，

作为优选的，所述的模糊PID的控制输出量如下：

式中，e(t)为预设位置与实际位置的偏差值。

根据上述方案，

相比于现有技术的有益效果如下：

1.本发明将模糊控制引入到PID参数调节中，来提供控制系统的自适应性，系统可以根据环境的变化自动的在线调整控制系统参数，能够实时地对力反馈机械手系统的环境干扰进行预测、估计和抑制，降低干扰对系统的影响，达到精确控制的效果。

2.本发明针对不同的模糊变量语言值采用不同的隶属度函数，可以实现控制性好且控制精度高的效果，在误差较小的地方采用分辨率较高的隶属度函数进行高灵敏度控制，在误差较大的地方采用低分辨率的隶属度函数，制特性相对平缓，相应的稳定性也较好。

3.本发明对力反馈机械手采用力反馈的形式进行控制，同时采用模糊PID的控制算法进行精准控制，目前未见文献和专利有此应用。

附图说明

图1为本发明实施例的模糊控制器系统框架图；

图2为本发明实施例的模糊PID控制算法的控制流程图；

图3为本发明实施例的模糊输入量隶属度函数示意图；

图4为本发明实施例的模糊输入量隶属度函数示意图。

具体实施方式

下面结合附图并通过具体实施例对发明作进一步详述，以下实施例只是描述性的，不是限定性的本发明的保护范围。

其中，一种基于模糊PID的力反馈机械手控制方法，包括以下步骤：

步骤一：以力反馈机械手平台中导轨上的滑块为被控对象，通过位移传感器获取该滑块的实际位置信息，作为系统反馈环节的输入；

步骤二：通过控制器对滑块的预设位置信息进行设置，计算出预设位置与实际位置的偏差值及偏差值变化率，作为系统的输入；

步骤三：采用模糊PID控制算法计算出控制输出量，将该控制输出量输入至力反馈控制系统中来控制所述导轨上滑块的运动。

其中，通过模糊PID控制算法计算出所述控制输出量的步骤具体为：

采用状态空间表达式建立所述滑块的控制模型，基于该控制模型设计初始的PID控制算法；

基于所述初始的PID控制算法，引入模糊控制的思想设计模糊PID控制算法，自动在线调整控制系统参数，得出所述控制输出量；

所述状态空间表达式为：

式中，x

所述初始PID控制算法如下所示：

式中，e(t)为预设位置与实际位置的偏差值。

作为优选的，所述模糊PID算法步骤主要包括：

1)对所述滑块的位置偏差及其变化率通过模糊化部件做模糊化处理，即在论域上定义若干个模糊子集，并规定其隶属函数，进而将清晰输入量转换为模糊输入量；

2)定义一组模糊控制规则表，用于描述模糊输入量即所述滑块的位置偏差E及其变化率E

3)采用重心法的解模糊方法，根据模糊输出量的所属模糊子集及其对应的隶属度计算出、Δk

作为优选的，所述的模糊PID控制算法的控制参数根据以下公式实时计算得到：

式中，k

作为优选的，所述的模糊PID算法中，模糊输入量的模糊子集语言值为{NB，NM，NS，ZO，PS，PM，PB}，其中NB表示负大、NM表示负中、NS表示负小、ZO表示零、PS表示正小、PM表示正中、PB表示正大，每一个语言值对应一个隶属度函数，其中，语言值NB采用Z型隶属度函数，语言值PB采用S型隶属度函数，语言值NM、NS、ZO、PS、PM采用三角形隶属度函数，其中：

所述Z型隶属度函数的表达式如下：

所述S型隶属度函数的表达式如下：

所述三角形隶属度函数的表达式如下：

作为优选的，所述的模糊PID算法中，模糊输出量的模糊子集语言值为{NB，NM，NS，ZO，PS，PM，PB}，其中NB表示负大、NM表示负中、NS表示负小、ZO表示零、PS表示正小、PM表示正中、PB表示正大，而其模糊输出量的隶属度由模糊控制规则表来确定。

作为优选的，所述的重心法是将模糊输出值转换成清晰值的解模糊方法，其中：

所述的去模糊公式如下：

其中，

作为优选的，所述的模糊PID的控制输出量如下：

式中，e(t)为预设位置与实际位置的偏差值。

对于以上步骤补充说明如下，

基于初始的PID控制算法，引入模糊控制的思想设计模糊PID控制算法，模糊控制器系统框架图如图1所示，通过模糊PID控制得出所述控制输出量，主要包括三个步骤：

对所述滑块的位置偏差E及其变化率E

定义一组模糊控制规则表，用于描述模糊输入量即所述滑块的位置偏差E及其变化率E

表1Δk

表2Δk

表3Δk

采用重心法的解模糊方法，根据模糊输出量的所属模糊子集及其对应的隶属度计算出Δkp、Δk

进一步地，所述Z型隶属度函数的表达式如下：

进一步地，所述S型隶属度函数的表达式如下：

进一步地，所述三角形隶属度函数的表达式如下：

进一步地，所述模糊输出量Δk

进一步地，所述“if-then”条件语句关系规则如下：

R

R

…

R

式中，E、E

进一步地，模糊输出量的隶属度由模糊控制规则表来确定。

进一步地，所述的重心法是将模糊输出值转换成清晰值的解模糊方法，其中：

所述的去模糊公式如下：

其中，

进一步地，所述的模糊PID控制算法的控制参数根据以下公式实时计算得到：

式中，k

进一步地，所述的模糊PID的控制输出量如下：

式中，e(t)为预设位置与实际位置的偏差值。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。