一种基于屏障增强滑模与双通道扰动观测器的机械臂鲁棒跟踪控制方法

摘要: 本发明涉及机器人,具体涉及一种基于屏障增强滑模与双通道扰动观测器的机械臂鲁棒跟踪控制方法。背景技术:1、随着工业自动化、智能制造与特种作业,例如空间在轨服务、深...
一种基于屏障增强滑模与双通道扰动观测器的机械臂鲁棒跟踪控制方法

本发明涉及机器人,具体涉及一种基于屏障增强滑模与双通道扰动观测器的机械臂鲁棒跟踪控制方法。

背景技术:

1、随着工业自动化、智能制造与特种作业,例如空间在轨服务、深海探测、医疗手术等的不断发展,机器人机械臂作为执行复杂任务的关键装备,其控制性能的要求日益提高。机械臂系统通常具有多自由度、强耦合、非线性等动力学特性,且在运行过程中常受到未建模动态、参数摄动、关节摩擦、外部负载变化等多种不确定性与干扰的影响。这些因素严重制约了机械臂在高精度轨迹跟踪任务中的控制性能,尤其是在对安全性、鲁棒性和实时性要求极高的应用场景中。

2、传统的控制方法,如比例-微分(pd)控制、计算力矩控制等,虽然在理想模型条件下能够实现一定的控制效果,但在面对系统非线性、耦合效应及外部扰动时,其性能往往显著下降。为了提升系统的鲁棒性,滑模控制(sliding mode control, smc)因其对参数不确定性和外部干扰具有较强的抑制能力而被广泛应用。然而,传统滑模控制存在一个显著缺点,即抖振现象,其由高频切换控制引起,不仅影响控制精度,还可能激发未建模动态,导致系统不稳定或执行器磨损。

3、为减轻抖振,研究者提出了边界层方法、高阶滑模、自适应滑模等改进策略。其中,自适应滑模通过动态调整切换增益来降低保守性,但仍难以在保证快速响应的同时完全避免抖振。近年来,屏障函数(barrier function)被引入滑模控制中,通过构造时变屏障边界,实现对跟踪误差的自适应约束,从而在保证系统稳定性的同时有效抑制抖振。然而,现有屏障增强滑模方法在面对复杂扰动和系统不确定性时,仍存在扰动估计精度不足、控制器结构复杂等问题。

4、另一方面,扰动观测器(disturbance observer, dob)技术被广泛用于估计并补偿系统中的集总扰动。传统的扰动观测器多基于单一测量通道设计,虽结构简单,但在面对多源扰动和噪声干扰时,估计精度和收敛速度有限。此外,多数观测器设计依赖于对扰动上界的先验知识,而这在实际系统中往往难以准确获取。

5、然而,现有技术中尚未有将双通道扰动观测器与屏障增强自适应滑模控制有机结合的系统性方案。尤其是在机械臂控制中,如何在不依赖高增益切换的前提下实现高精度轨迹跟踪,并同时保证对复杂扰动的有效抑制,仍是当前研究的难点,其中,复杂扰动包括摩擦、外部力矩、未建模动态等。

6、综上所述,现有机械臂控制技术在高精度、强扰动、高实时性要求的应用场景中仍存在以下问题:

7、(1)扰动估计精度不足。单一通道观测器难以应对多源扰动与噪声,导致跟踪误差增大。

8、(2)抖振问题。传统滑模控制及其改进型仍存在抖振现象,影响控制品质与系统寿命。

9、(3)控制器参数依赖性强。多数方法需依赖扰动上界等先验信息,在实际系统中难以满足。

10、(4)稳定性缺乏理论保。观测器与控制器的耦合设计缺乏统一的李雅普诺夫稳定性分析。

技术实现思路

1、有鉴于此,本发明提供了一种基于屏障增强滑模与双通道扰动观测器的机械臂鲁棒跟踪控制方法,能够以解决上述技术问题,实现机械臂在强扰动与模型不确定性下的高精度、无抖振、自适应轨迹跟踪控制。

2、为了解决上述技术问题,本发明是这样实现的。

3、一种基于屏障增强滑模与双通道扰动观测器的机械臂鲁棒跟踪控制方法,包括:

4、步骤s1:获取机械臂在接触式按压作业场景下的作业状态信息和系统参数信息,构建机械臂动力学模型和集总扰动模型;

5、步骤s2:构建双通道测量模型,其中,第一测量通道为关节位置测量通道,用于获取机械臂当前时间步的关节位置测量信息;第二测量通道为动力学残差测量通道,用于基于机械臂动力学模型、当前关节位置、关节速度、关节加速度以及执行器输出力矩,计算机械臂在当前时间步对应的动力学残差;基于双通道测量模型构建双通道扰动观测器,双通道扰动观测器实时估计机械臂当前位姿对应的集总扰动,得到集总扰动估计值;

6、步骤s3:基于机械臂的期望按压轨迹和当前关节运动状态,确定关节位置跟踪误差、关节速度跟踪误差以及线性滑模面;基于线性滑模面、机械臂动力学模型和期望按压轨迹确定等效控制律;基于预设性能边界函数构建自适应屏障函数,并基于自适应屏障函数和线性滑模面确定切换控制律;

7、步骤s4:基于集总扰动估计值、等效控制律和切换控制律确定机械臂在当前时间步对应的总控制律。

8、优选地,所述作业状态信息包括机械臂关节位置、关节速度、关节加速度、期望按压轨迹、末端按压方向以及机械臂与待按压对象之间的接触状态信息;所述系统参数信息包括机械臂连杆惯性参数、重力参数、关节摩擦参数以及执行器输出力矩信息。

9、优选地,所述步骤s1中,获取机械臂在接触式按压作业场景下的作业状态信息和系统参数信息,构建机械臂动力学模型和集总扰动模型,其中:

10、机械臂动力学模型如下:

11、;

12、其中,n为机械臂的自由度,分别表示机械臂的关节的位置、速度和加速度向量,是对称正定的惯性矩阵,为实数域;表示科里奥利力和离心力矩阵,是重力向量,表示关节摩擦力;是机械臂末端与待按压对象接触时产生并映射到关节空间的外部扰动力矩,是控制扭矩向量;

13、集总扰动模型如下:

14、;

15、其中,为机械臂在接触式按压作业场景下受到的集总扰动,所述集总扰动包括关节摩擦、接触按压力引起的外部扰动、负载变化、未建模动态以及参数摄动。

16、优选地,所述步骤s2中, 构建双通道测量模型,其中,第一测量通道为关节位置测量通道,用于获取机械臂当前时间步的关节位置测量信息;第二测量通道为动力学残差测量通道,用于基于机械臂动力学模型、当前关节位置、关节速度、关节加速度以及执行器输出力矩,计算机械臂在当前时间步对应的动力学残差,其中:

17、双通道测量模型如下:

18、

19、其中,为双通道测量模型的测量输出,为第一测量通道的测量输出,为第二测量通道的测量输出,为测量矩阵,为扩展状态向量,且,为测量噪声向量,为单位矩阵,函数为列向量堆叠函数,用于将多个向量按照列方向依次拼接形成一个列向量,为第一测量噪声,用于表征第一测量通道中由编码器采集误差、传感器噪声或信号传输误差引起的测量误差,为第二测量噪声,用于表征第二测量通道中由关节加速度估计误差、动力学模型参数误差以及执行器力矩测量误差引起的测量误差;

20、第一测量通道和第二测量通道分别表示如下:

21、。

22、优选地,所述步骤s2中,基于双通道测量模型构建双通道扰动观测器,双通道扰动观测器实时估计机械臂当前位姿对应的集总扰动,得到集总扰动估计值,其中:

23、双通道扰动观测器表示如下:

24、

25、其中,为扩展状态向量的估计值,为当前时间步,为扩展状态系统矩阵,为输入矩阵,是考虑重力项后的已知等效输入,为当前时间步双通道扰动观测器对应的增益矩阵;

26、

27、。

28、优选地,所述步骤s3,基于预设性能边界函数构建自适应屏障函数,并基于自适应屏障函数和线性滑模面确定切换控制律,包括:

29、步骤s31:基于预设性能边界函数构建自适应屏障函数,其中:

30、预设性能边界函数如下:

31、

32、为第个关节的初始误差边界,为第个关节的稳态误差边界,为边界收敛速率参数;

33、基于预设性能边界函数,定义第个关节的归一化误差以及自适应屏障函数如下:

34、;

35、;

36、为第个关节在时刻的关节位置跟踪误差,为第个关节对应的自适应屏障函数,为防止数值奇异的正常数;

37、步骤s32:构建屏障变换误差,表达式如下:

38、

39、

40、其中,为各关节的屏障变换误差,为各关节屏障变换误差组成的整体屏障变换误差;

41、步骤s33:基于所述屏障变换误差、机械臂期望关节轨迹以及当前关节运动状态,确定机械臂关节位置跟踪误差、关节速度跟踪误差、参考速度、参考加速度以及线性滑模面;

42、其中,机械臂关节位置跟踪误差和线性滑模面如下:

43、

44、是机械臂期望的关节轨迹,是的一阶导数,是正定对角矩阵,,为需要实际调整的数值参数;

45、步骤s34:基于屏障变换误差和集总扰动估计值确定扰动估计误差,扰动估计误差如下:

46、;

47、其中,为机械臂实际受到的集总扰动,为双通道扰动观测器得到的集总扰动估计值,为扰动估计误差;

48、步骤s35:基于扰动估计误差确定切换控制律,切换控制律如下:

49、

50、其中,为正定对角鲁棒增益矩阵,为由自适应屏障函数确定的对角增益矩阵,其对角元素为,函数为符号函数,是基于自适应屏障函数的自适应增益矩阵。

51、优选地,所述步骤s4,基于集总扰动估计值、等效控制律和切换控制律确定机械臂在当前时间步对应的总控制律,其中:

52、总控制律如下:

53、;

54、=;

55、其中,为等效控制律,机械臂期望关节轨迹的二阶导数。

56、一种基于屏障增强滑模与双通道扰动观测器的机械臂鲁棒跟踪控制装置,包括:

57、集总扰动模型构建模块:配置为获取机械臂在接触式按压作业场景下的作业状态信息和系统参数信息,构建机械臂动力学模型和集总扰动模型;

58、集总扰动估计模块:配置为构建双通道测量模型,其中,第一测量通道为关节位置测量通道,用于获取机械臂当前时间步的关节位置测量信息;第二测量通道为动力学残差测量通道,用于基于机械臂动力学模型、当前关节位置、关节速度、关节加速度以及执行器输出力矩,计算机械臂在当前时间步对应的动力学残差;基于双通道测量模型构建双通道扰动观测器,双通道扰动观测器实时估计机械臂当前位姿对应的集总扰动,得到集总扰动估计值;

59、切换控制律计算模块:配置为基于机械臂的期望按压轨迹和当前关节运动状态,确定关节位置跟踪误差、关节速度跟踪误差以及线性滑模面;基于线性滑模面、机械臂动力学模型和期望按压轨迹确定等效控制律;基于预设性能边界函数构建自适应屏障函数,并基于自适应屏障函数和线性滑模面确定切换控制律;

60、总控制律计算模块:配置为基于集总扰动估计值、等效控制律和切换控制律确定机械臂在当前时间步对应的总控制律。

61、本发明所提供的一种电子设备,其特征在于,所述电子设备,包括:

62、处理器,用于执行多条指令;

63、存储器,用于存储多条指令;

64、其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行如前所述方法。

65、本发明具有以下有益效果:

66、(1)本发明实现了更高精度的扰动估计与更快的动态响应,提升了系统的抗干扰能力。传统的扰动观测器通常仅依赖单一的状态测量通道,其估计扰动依赖于状态观测器的收敛过程,存在一定的滞后性,且在测量噪声较大时精度下降。本发明设计的双通道扰动观测器(dcdo) 创造性地引入了第二个测量通道,该通道直接基于动力学模型计算出动态残差。根据动力学方程,在理想条件下,由动力学模型构造的动态残差能够直接反映集总扰动的变化,其数值近似等于负的集总扰动。因此,该动态残差可作为扰动观测器的第二测量通道,为集总扰动估计提供更直接的信息来源。第二个通道提供了关于扰动的独立信息来源,与第一个位置通道形成互补,有效克服了单一通道信息不足的缺点,显著提高了扰动估计的准确性。由于第二通道能近乎实时地反映扰动变化,观测器能够更快地捕捉到扰动的动态特性,减少了估计滞后,从而提升了系统的动态抗干扰性能。

67、(2)本发明从根本上有效抑制了抖振现象,实现了高精度、平滑的连续控制。传统滑模控制为对抗不确定性,需要采用大于扰动上界的固定高增益,导致严重的抖振问题。虽可采用边界层方法平滑控制,但会牺牲跟踪精度。本发明将屏障函数与自适应律相结合。时变性能函数构造了一个时变的安全边界,确保跟踪误差始终被约束在一定范围内。基于此,自适应增益能够根据误差距离边界的远近进行智能调节。当误差靠近边界时增益自动增大以拉回误差;当误差靠近零时增益自动减小。这样设计使得控制器不再需要为最坏情况设计一个固定的高增益。自适应增益在保证误差不越界的前提下,始终维持在所需的最小水平,从而在不牺牲跟踪精度的前提下,从根本上消除了由高增益切换引起的抖振,输出平滑连续的控制力矩。

68、(3)本发明通过严格的复合李雅普诺夫分析,确保了观测器-控制器闭环系统的全局稳定性和理论严谨性。本发明构建了一个复合李雅普诺夫函数,同时囊括了状态/扰动估计误差和轨迹跟踪误差。通过严谨的数学推导,证明了在整个耦合系统下,该李雅普诺夫函数的导数满足特定的耗散不等式。理论分析证明了整个闭环系统的所有信号是一致最终有界的,并且其最终边界可以被显式地计算出来。这为该方法在实际工程中的应用提供了坚实的理论基石,避免了因理论缺陷可能导致的不稳定风险。

69、(4)本发明降低了对先验知识的依赖,增强了控制系统的自适应能力和工程实用性。传统滑模控制需要已知扰动上界的精确值,而该值在实际中往往难以获取。若估计过大则导致抖振,估计过小则可能导致系统不稳定。本方案通过前馈补偿和自适应屏障增益的协同作用,极大地降低了对扰动上界先验知识的依赖。扰动观测器负责估计并补偿扰动的主体部分,而自适应屏障增益则动态地处理剩余的、未被完全补偿的扰动估计误差。控制系统能够自动适应不同的工作点、负载变化以及未知的外部干扰,无需重新整定控制器参数,表现出优异的自适应性和灵活性。

70、(5)本发明特别适用于具有复杂动力学特性的新型机器人系统,如电缆驱动机械臂。本发明不依赖于模型的绝对精确性。双通道观测器能够有效地将包括电缆弹性耦合、非线性摩擦在内的所有不确定性视为集总扰动并进行估计补偿。同时,屏障增强滑模控制能够柔性地处理这些估计残余误差,并抑制可能被激发的弹性振动。因此,本方法为这类新型柔性/软体机器人提供了一种高精度、高鲁棒性的通用控制解决方案。