基于联合干扰估计的柔性关节机械臂扰动补偿控制方法、控制器及计算机可读存储介质

本发明涉及柔性关节机械臂补偿控制，尤其涉及基于联合干扰估计的柔性关节机械臂扰动补偿控制方法、控制器及计算机可读存储介质。

背景技术：

1、当前工业精密装配、医疗康复、人机协作等场景对轻量化机械装备需求持续提升，柔性关节机械臂凭借关节、传动结构内置弹性元件的结构特性，运动过程可自主缓冲外部碰撞冲击，大幅降低人机交互损伤风险，相较传统刚性机械臂具备更高作业安全性与场景适配性，应用规模持续扩张。但柔性关节机械臂存在固有动力学缺陷，电机、连杆、弹性关节、外部负载、环境扰动多物理量深度耦合，运行时易出现关节谐振、电机轨迹偏移、角速度振荡等问题；外部负载突变、接触冲击、机械摩擦、构件参数漂移等未知扰动会进一步放大状态观测偏差，直接降低轨迹跟踪精度与系统稳定度，因此如何精准实时辨识外部扰动并将扰动信息融入控制回路实现主动补偿，是柔性机械臂高精度控制领域亟待解决的核心技术难题。

2、目前，柔性关节机械臂的控制通常需要依赖系统模型和状态反馈信息。对于线性化后的柔性关节机械臂系统，建立状态空间模型，并基于状态反馈控制器调节系统动态。然而，当系统受到未知外部扰动影响时，仅依赖状态反馈控制往往难以直接获得扰动信息，也难以在控制律中对扰动影响进行针对性补偿。

3、为弥补纯状态反馈无法辨识扰动的短板，行业衍生出基于干扰观测器的状态反馈控制方法。该类方法通常先根据被控对象建立状态空间模型，再利用系统输入、系统输出以及观测器反馈误差构造干扰观测器，对系统运行过程中受到的未知外部扰动进行估计。在获得扰动估计值后，再将该估计值作为补偿信息引入控制输入中，从而减弱外部扰动对系统状态响应的影响。

4、对于柔性关节机械臂而言，基于干扰观测器的状态反馈控制方法一般需要先建立包含电机角度、柔性关节角度及其角速度的系统模型，并根据系统输出和观测器输出之间的误差修正状态估计值和扰动估计值。随后，控制器根据系统状态形成状态反馈控制作用，并利用估计得到的扰动信息对控制输入进行补偿。该方法的优点在于结构较为清晰，能够将扰动估计结果直接用于控制输入，相比单纯状态反馈控制，其对外部扰动具有更明确的补偿作用。

5、但是，传统干扰观测器主要依赖系统模型和输出误差反馈。当柔性关节机械臂存在关节弹性、耦合振动、外部扰动变化以及未建模动态时，仅依靠模型反馈构造的干扰观测器可能存在扰动估计滞后或幅值偏差。尤其是当外部扰动具有明显的时间变化特征时，传统观测器难以充分利用历史状态、输出信息和控制输入中包含的时序特征。此外，柔性关节机械臂系统中电机、柔性关节和连杆之间存在耦合关系，外部扰动不仅会影响系统状态，也可能影响状态估计误差和控制补偿效果。如果仅分别设计观测器和控制器，可能难以统一分析状态估计误差、扰动估计误差以及闭环控制性能之间的关系。

技术实现思路

1、本发明的目的是提供基于联合干扰估计的柔性关节机械臂扰动补偿控制方法、控制器及计算机可读存储介质，解决上述技术问题。

2、为实现上述目的，本发明提供了基于联合干扰估计的柔性关节机械臂扰动补偿控制方法，包括以下步骤：

3、s1、基于拉格朗日动力学建模法推导柔性关节机械臂连续动力学模型，提取柔性关节机械臂的电机、连杆、齿轮、电机电气固有物理参数构建系统状态矩阵、输入矩阵、扰动传递矩阵和输出矩阵，定义电机角度、柔性扭转角、电机角速度及柔性扭转角速度为四维系统状态变量，整理得到含外部扰动项的连续时间标准状态空间方程，输出机械臂基准状态空间模型；

4、s2、采集柔性关节机械臂实时控制输入、系统可测输出时序数据构成lstm神经网络输入序列，搭建含序列输入层、lstm层、全连接回归层、输出层的lstm神经网络架构，经全连接回归层输出外部扰动时序预测值，以扰动预测误差为损失函数完成扰动预测lstm神经网络离线训练，输出训练完成的lstm扰动预测模型；

5、s3、基于s1输出的机械臂基准状态空间模型搭建luenberger基础观测框架，引入s2输出的外部扰动时序预测值与观测扰动值差值构造限幅正弦修正函数，叠加模型误差反馈项和网络时序修正项形成联合扰动估计表达式，联立系统状态观测方程、观测输出方程得到luenberger-lstm联合干扰观测器，输出系统状态实时估计值和外部扰动实时估计值；

6、s4、以s3输出的系统状态实时估计值作为状态反馈基准，引入s1扰动传递矩阵广义逆构建扰动前馈补偿项，融合状态反馈增益矩阵设计带扰动抵消项的状态反馈控制律，将状态反馈控制律代入s1系统状态空间方程推导闭环动力学方程，联立含扰动的状态空间方程、luenberger-lstm联合干扰观测器和闭环动力学方程，整合状态误差、扰动误差、系统真实状态构造三维增广误差向量，配套外部扰动、网络修正项输入向量建立统一增广误差系统数学模型；

7、s5、针对s4输出的增广误差系统数学模型，选取正定lyapunov二次型函数，构建h∞抗扰性能约束矩阵不等式，推导零输入收敛条件和扰动衰减性能判据，识别不等式内增益矩阵和lyapunov矩阵耦合非线性项，基于列满秩矩阵奇异分解引理设计变量替换规则，分别定义观测辅助变量和控制器辅助变量，引入非奇异转换矩阵消去耦合关系，将非线性约束等价转化为标准线性矩阵不等式求解模型，输出可求解标准线性矩阵不等式方程组；

8、s6、数值求解s5得到的标准线性矩阵不等式方程组，获取正定lyapunov分块矩阵、各辅助变量可行解，反向换算得到状态观测增益、扰动观测增益和状态反馈增益，将三组增益参数回代至s3的luenberger-lstm联合干扰观测器、s4的状态反馈控制律完成控制器参数整定，输出完整可运行扰动补偿控制算法；

9、s7、搭建含周期和时变外部扰动的仿真测试环境，加载s6整定完成的完整可运行扰动补偿控制算法，分别采集真实扰动与观测扰动曲线、电机真实角度与估计曲线、柔性关节真实扭转角与估计曲线三组对比数据，验证luenberger-lstm联合干扰观测器的状态和扰动估计精度及闭环轨迹跟踪抗扰效果，若仿真误差超出预设阈值则回传数据至s2重新迭代训练lstm扰动预测模型，若满足精度要求则输出定型控制算法用于机械臂实体部署。

10、因此，本发明采用上述基于联合干扰估计的柔性关节机械臂扰动补偿控制方法、控制器及计算机可读存储介质，具有的有益效果为：

11、1、针对性实现柔性关节机械臂动力学建模与配套控制器设计。本发明摒弃其他被控对象的通用状态空间模型，以柔性关节机械臂作为专属受控对象，构建包含电机角度、柔性扭转角及对应角速度的四维连续时间状态空间模型，使得联合干扰观测器搭建、扰动补偿控制律设计与柔性关节机械臂固有动力学特性精准匹配。

12、2、适配机械臂抗扰场景，实现外部扰动实时估计。本发明摒弃传感器故障检测、故障阈值判别等故障估计思路，将作用于机械臂的未知时变外部扰动作为估计目标，依靠luenberger-lstm联合干扰观测器获取外部扰动估计值，更加契合柔性关节机械臂运行过程的抗扰动控制需求。

13、3、融合基于模型方法与数据驱动方法，兼顾可解释性与时序预测能力。一方面依托柔性关节机械臂机理模型搭建luenberger干扰观测基础框架；另一方面利用lstm神经网络挖掘扰动时序演变规律，输出扰动预测信息，并通过限幅正弦修正项对扰动估计结果实施动态修正，同时具备机理模型清晰可解释、神经网络擅长时序特征捕捉的双重优势。

14、4、利用扰动估计信息实现前馈补偿，抑制外部扰动影响。本发明在状态反馈控制律中引入基于扰动传递矩阵广义逆构建的扰动前馈补偿项，控制输入同时融合状态反馈信息与扰动估计信息，能够有效抵消外部扰动对机械臂运动状态的干扰，提升轨迹跟踪效果。

15、5、实现观测系统与闭环控制系统一体化分析，支撑增益参数系统化求解。本发明构造包含状态估计误差、扰动估计误差、系统真实状态的增广误差系统，将状态观测、扰动观测与闭环控制纳入统一数学框架；借助lyapunov稳定性理论与h∞性能指标构建线性矩阵不等式约束，能够系统化求解状态观测增益、扰动观测增益以及状态反馈增益，保障闭环系统收敛性与扰动衰减性能。

16、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。