一种带输入磁滞的机器人传输资源控制方法、系统及介质与流程

1.本发明涉及机器人控制技术领域，尤其是一种带输入磁滞的机器人传输资源控制方法、系统及介质。


背景技术：

2.近年来随着机器人应用范围不断的延伸，作业环境变得更加的苛刻，任务需求也越来越复杂。因此对机器人的控制性能和控制精度要求也日益提高。机器人系统不仅具有未建模动态、测量误差、关节摩擦等系统本身的不确定因素，还受到外部扰动等因素的影响，具有高度非线性、强耦合等特性。此外，由于机械结构本身的结构特性，输入磁滞在机器人系统中是无法避免的，对系统性能有很大的影响。为保证控制精度，系统需要大量的控制量来补偿磁滞的影响，所以磁滞会加重系统的通信负担，然而，系统的通信资源是有限的。所以现有技术的缺点包括：
①
现有的控制方案多数是居于系统模型是可以精确获取的，即：不存在不确定性；
②
现有的处理输入磁滞的技术方案未考虑系统的通信资源是有限的，需要占用大量的通信资源来处理输入磁滞。因此研究如何减少系统通信资源占用的问题在理论和实践中都具有重要意义。


技术实现要素：

3.有鉴于此，本发明实施例提供一种带输入磁滞的机器人传输资源控制方法、系统及介质，通过模糊逻辑处理系统中不确定部分，有效应对系统中的不确定性问题，并通过触发机制实现在线补偿磁滞，从而节约了通信资源。
4.本发明实施例的第一方面提供了一种带输入磁滞的机器人传输资源控制方法，包括：
5.将输入磁滞模型化；
6.根据所述模型化后的输入磁滞模型，构建带输入磁滞的机器人系统模型；
7.根据所述带输入磁滞的机器人系统模型，确定控制机制；
8.根据所述控制机制的模糊逻辑，处理所述带输入磁滞的机器人系统模型中的模糊目标；
9.根据所述控制机制的触发机制，对所述带输入磁滞的机器人系统模型中的输入信号进行更新和/或对所述带输入磁滞的机器人系统模型中的输入磁滞进行补偿。
10.可选地，所述将输入磁滞模型化，包括：
11.根据模型输入和模型输出的关联，将输入磁滞模型化，输入磁滞模型的表达式为：
[0012][0013]
其中，vc表示模型输出，表示模型输出的微分，uc表示模型输入，表示模型输入的微分，a、b和h是常数，且h》0，h》b；
[0014]
根据所述输入磁滞模型，确定模型输出，所述模型输出的表达式为:
[0015][0016]
其中，表示输出配置函数，且为有界函数；vc(0)表示模型输出初始值；uc(0)表示模型输入初始值；表示模型输入uc的微分；e表示欧拉数，为数学常数；sign()表示符号函数；ξ表示积分变量；dξ表示积分变量的微分。
[0017]
可选地，所述根据所述模型化后的输入磁滞模型，构建带输入磁滞的机器人系统模型，包括：
[0018]
确定机器人系统模型，所述机器人系统模的型表达式为：
[0019][0020]
其中，t表示时刻，q(t)表示t时的机器人关节角，表示t时的机器人关节角速度，表示t时的机器人关节角加速度，j表示转动惯量，b表示摩擦阻尼系数，m表示连杆质量，g表示重力加速度，l表示连杆长度，u(t)表示输入转矩；
[0021]
根据输入磁滞模型，确定系统输入，所述系统输入的表达式为：
[0022][0023]
其中，t表示时刻，u(t)表示t时的系统输入，表示输出配置函数，且为有界函数；
[0024]
根据所述机器人系统模型和所述系统输入，确定带输入磁滞的机器人系统模型，所述带输入磁滞的机器人系统模型的表达式为：
[0025][0026]
其中，x1＝q(t)，表示第一系统状态；表示第二系统状态；表示x1的导数；表示x2的导数；表示输出配置函数；表示系统模糊目标；g1(x1)表示第一外界干扰；g2(x1,x2)表示第二外界干扰；y表示系统输出。
[0027]
可选地，所述根据所述带输入磁滞的机器人系统模型，确定控制机制，包括：
[0028]
获取所述带输入磁滞的机器人系统模型的第一系统状态、第二系统状态和期望输出信号；
[0029]
根据所述第一系统状态和所述期望输出信号，确定第一误差变量；
[0030]
根据所述第一误差变量，确定第一虚拟控制律；
[0031]
根据所述第二系统状态和所述第一虚拟控制律，确定所述第二误差变量；
[0032]
根据所述第一误差变量和所述第二误差变量，结合模糊逻辑得到第一估计值；
[0033]
根据所述第二误差变量和所述第一估计值，确定第二虚拟控制律；
[0034]
根据所述第二虚拟控制律，确定控制矩阵；
[0035]
根据所述第二误差变量和所述控制矩阵，确定第二估计值；
[0036]
根据所述控制矩阵和所述第二估计值，确定控制律；
[0037]
根据所述控制律，结合触发机制得到输入信号；
[0038]
根据所述输入信号，确定实际输入；
[0039]
将所述实际输入输入所述带输入磁滞的机器人系统模型，然后返回获取所述带输入磁滞的机器人系统模型的第一系统状态、第二系统状态和期望输出信号这一步骤。
[0040]
可选地，所述根据所述控制机制的模糊逻辑，处理所述带输入磁滞的机器人系统模型中的模糊目标，包括：
[0041]
确定未知组合函数，所述未知组合函数的表达式为：
[0042][0043]
其中，f表示未知组合函数，α1表示第一虚拟控制律，表示第一虚拟控制律α1的导数；
[0044]
根据所述模糊逻辑，对所述未知组合函数进行逼近处理，逼近处理的未知组合函数的表达式为：
[0045]
f＝φ
t
ψ(x) κ(x)，
[0046]
其中，κ(x)表示逼近误差，且||κ(x)||2《τ，‖ ‖表示二范数，τ为常数，且τ》0；φ表示理想权重向量，且φ＝[φ1,φ1,
…
,φn]
t
∈rn，n为正整数；φ
t
表示φ的转置；ψ(x)表示已知的模糊基函数，且ψ＝[ψ1,ψ2,
…
,ψn]
t
∈rn，n为正整数；x表示模糊逻辑的输入向量，且x＝[x1,x2,x3,x4]
t
，x1＝q(t)，x3＝yd，，表示期望输出信号yd的导数。
[0047]
可选地，所述根据所述控制机制的触发机制，对所述带输入磁滞的机器人系统模型中的输入信号进行更新和/或对所述带输入磁滞的机器人系统模型中的输入磁滞进行补偿，包括：
[0048]
确定触发机制模型，所述触发机制模型的表达式为：
[0049][0050]
其中，t表示时刻；w(t)表示t时刻的事件触发控制输入；δ、ρ、m1、和k均为常数，且0《δ《1，ρ》0，m1》0，k∈z

；表示控制律；uc(t)表示t时刻的模型输入信号；w(tk)表示tk时刻的事件触发控制输入；tk表示第k次事件触发的时刻，t
k 1
表示第k 1次事件触发的时刻；e(t)表示测量误差，且e(t)＝w(t)-uc(t)。
[0051]
可选地，所述方法还包括以下至少之一：
[0052]
对所述带输入磁滞的机器人系统模型进行稳定性分析；
[0053]
对所述带输入磁滞的机器人系统模型进行仿真和分析。
[0054]
本发明实施例第二方面提供了一种带输入磁滞的机器人传输资源控制系统，包括：
[0055]
第一模块，用于将输入磁滞模型化；
[0056]
第二模块，用于根据所述模型化后的输入磁滞模型，构建带输入磁滞的机器人系统模型；
[0057]
第三模块，用于根据所述带输入磁滞的机器人系统模型，确定控制机制；
[0058]
第四模块，用于根据所述控制机制的模糊逻辑，处理所述带输入磁滞的机器人系统模型中的模糊目标。
[0059]
第五模块，用于用于根据所述控制机制的触发机制，实现所述带输入磁滞的机器人系统模型中输入信号的更新和/或输入磁滞的补偿。
[0060]
本发明实施例的第三方面提供了一种电子设备，包括处理器以及存储器；
[0061]
所述存储器用于存储程序；
[0062]
所述处理器执行所述程序实现如前面所述的方法。
[0063]
本发明实施例的第四方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
[0064]
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
[0065]
本发明实施例通过将输入磁滞模型化；根据所述模型化后的输入磁滞模型，构建带输入磁滞的机器人系统模型；根据所述带输入磁滞的机器人系统模型，确定控制机制；根据所述控制机制的模糊逻辑，处理所述带输入磁滞的机器人系统模型中的模糊目标；根据所述控制机制的触发机制，对所述带输入磁滞的机器人系统模型中的输入信号进行更新和/或对所述带输入磁滞的机器人系统模型中的输入磁滞进行补偿。本发明针对输入磁滞的问题，提出一种事件触发机制。该机制可以实现在线补偿磁滞，保证系统控制精度的前提下可以减小输入信号的更新频率，从而节约了通信资源，同时利用模糊逻辑系统处理机器人系统中的模糊目标部分，有效的应对了系统中的不确定性问题。
附图说明
[0066]
为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0067]
图1为本发明实施例提供的带输入磁滞的机器人传输资源控制方法的整体流程示意图；
[0068]
图2为本发明实施例提供的带输入磁滞的机器人传输资源控制方法的控制机制的示意图；
[0069]
图3为本发明实施例提供的仿真与分析中状态轨迹的统计表的示意图；
[0070]
图4为本发明实施例提供的仿真与分析中跟踪误差的统计表的示意图；
[0071]
图5为本发明实施例提供的仿真与分析中控制信号的统计表的示意图；
[0072]
图6为本发明实施例提供的仿真与分析中事件触发时间间隔的统计表的示意图；
[0073]
图7为本发明实施例提供的仿真与分析中触发次数的统计表的示意图。
具体实施方式
[0074]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0075]
下面结合说明书附图，对本发明的方法的实现原理进行详细说明：
[0076]
图1所示为本发明实施例提供的带输入磁滞的机器人传输资源控制方法的整体流程示意图，方法包括：
[0077]
将输入磁滞模型化；
[0078]
根据模型化后的输入磁滞模型，构建带输入磁滞的机器人系统模型；
[0079]
根据带输入磁滞的机器人系统模型，确定控制机制；
[0080]
根据控制机制的模糊逻辑，处理带输入磁滞的机器人系统模型中的模糊目标；
[0081]
根据控制机制的触发机制，对带输入磁滞的机器人系统模型中的输入信号进行更新和/或对带输入磁滞的机器人系统模型中的输入磁滞进行补偿。
[0082]
在一些实施例中，将输入磁滞模型化，包括：
[0083]
根据模型输入和模型输出的关联，将输入磁滞模型化，输入磁滞模型的表达式为：
[0084][0085]
其中，vc表示模型输出，表示模型输出的微分，uc表示模型输入，表示模型输入的微分，a、b和h是常数，且h》0，h》b；
[0086]
根据所述输入磁滞模型，确定模型输出，所述模型输出的表达式为:
[0087][0088]
其中，表示输出配置函数，且为有界函数；vc(0)表示模型输出初始值；uc(0)表示模型输入初始值；表示模型输入uc的微分；e表示欧拉数，为数学常数；sign()表示符号函数；ξ表示积分变量；dξ表示积分变量的微分。
[0089]
在一些实施例中，根据模型化后的输入磁滞模型，构建带输入磁滞的机器人系统模型，包括：
[0090]
确定机器人系统模型，所述机器人系统模的型表达式为：
[0091][0092]
其中，t表示时刻，q(t)表示t时的机器人关节角，表示t时的机器人关节角速度，表示t时的机器人关节角加速度，j表示转动惯量，b表示摩擦阻尼系数，m表示连杆质量，g表示重力加速度，l表示连杆长度，u(t)表示输入转矩；
[0093]
根据输入磁滞模型，确定系统输入，所述系统输入的表达式为：
[0094][0095]
其中，t表示时刻，u(t)表示t时的系统输入，表示输出配置函数，且为有
界函数；
[0096]
根据所述机器人系统模型和所述系统输入，确定带输入磁滞的机器人系统模型，所述带输入磁滞的机器人系统模型的表达式为：
[0097][0098]
其中，x1＝q(t)，表示第一系统状态；表示第二系统状态；表示x1的导数；表示x2的导数；表示输出配置函数；表示系统模糊目标；g1(x1)表示第一外界干扰；g2(x1,x2)表示第二外界干扰；y表示系统输出。
[0099]
在一些实施例中，根据带输入磁滞的机器人系统模型，确定控制机制，包括：
[0100]
获取带输入磁滞的机器人系统模型的第一系统状态、第二系统状态和期望输出信号；
[0101]
根据第一系统状态和期望输出信号，确定第一误差变量；
[0102]
根据第一误差变量，确定第一虚拟控制律；
[0103]
根据第二系统状态和第一虚拟控制律，确定第二误差变量；
[0104]
根据第一误差变量和第二误差变量，结合模糊逻辑得到第一估计值；
[0105]
根据第二误差变量和第一估计值，确定第二虚拟控制律；
[0106]
根据第二虚拟控制律，确定控制矩阵；
[0107]
根据第二误差变量和控制矩阵，确定第二估计值；
[0108]
根据控制矩阵和第二估计值，确定控制律；
[0109]
根据控制律，结合触发机制得到输入信号；
[0110]
根据输入信号，确定实际输入；
[0111]
将实际输入输入带输入磁滞的机器人系统模型，然后返回获取带输入磁滞的机器人系统模型的第一系统状态、第二系统状态和期望输出信号这一步骤。
[0112]
在一些实施例中，根据控制机制的模糊逻辑，处理带输入磁滞的机器人系统模型中的模糊目标，包括：
[0113]
确定未知组合函数，所述未知组合函数的表达式为：
[0114][0115]
其中，f表示未知组合函数，α1表示第一虚拟控制律，表示第一虚拟控制律α1的导数；
[0116]
根据模糊逻辑，对未知组合函数f进行逼近处理，逼近处理的未知组合函数f的表达式为：
[0117]
f＝φ
t
ψ(x) κ(x)，
[0118]
其中，κ(x)表示逼近误差，且||κ(x)||2《τ，‖ ‖表示二范数，τ为常数，且τ》0；φ表示理想权重向量，且φ＝[φ1,φ1,
…
,φn]
t
∈rn，n为正整数；φ
t
表示φ的转置；ψ(x)表示已知的模糊基函数，且ψ＝[ψ1,ψ2,
…
,ψn]
t
∈rn，n为正整数；x表示模糊逻辑的输入向量，且x＝
[x1,x2,x3,x4]
t
，x1＝q(t)，x3＝yd，，表示期望输出信号yd的导数。
[0119]
在一些实施例中，根据控制机制的触发机制，对带输入磁滞的机器人系统模型中的输入信号进行更新和/或对带输入磁滞的机器人系统模型中的输入磁滞进行补偿，包括：
[0120]
确定触发机制模型，所述触发机制模型的表达式为：
[0121][0122]
其中，t表示时刻；w(t)表示t时刻的事件触发控制输入；δ、ρ、m1、和k均为常数，且0《δ《1，ρ》0，m1》0，k∈z

；表示控制律；uc(t)表示t时刻的模型输入信号；w(tk)表示tk时刻的事件触发控制输入；tk表示第k次事件触发的时刻，t
k 1
表示第k 1次事件触发的时刻；e(t)表示测量误差，且e(t)＝w(t)-uc(t)。
[0123]
在一些实施例中，上述方法还包括以下至少之一：
[0124]
对带输入磁滞的机器人系统模型进行稳定性分析；
[0125]
对带输入磁滞的机器人系统模型进行仿真和分析。
[0126]
具体地，在一些实施例中，本发明首先将输入磁滞模型化，建立带输入磁滞的单连杆式机器人系统模型。然后，基于反步技术，利用flss(fuzzy logic systems，模糊逻辑系统)处理系统中的不确定部分，在控制机制中引入一种相对阈值事件触发机制控制输入信号的更新和实现输入磁滞的补偿。最后，利用matlab对所提方法进行仿真。仿真结果表明，所设计的控制器使系统在输入磁滞、外界扰动的影响下，具有良好的控制精度，且节约了通信资源。实现本发明上述的方法实施例具体包括：
[0127]
一、建立数学模型
[0128]
不失一般性，单连杆式机器人数学模型的表达式(1)给定如下：
[0129][0130]
其中，t表示时刻，q(t)表示t时的机器人关节角，表示t时的机器人关节角速度，表示t时的机器人关节角加速度，j表示转动惯量，b表示摩擦阻尼系数，m表示连杆质量，g表示重力加速度，l表示连杆长度，u(t)表示输入转矩。
[0131]
由于机械结构本身的结构特性，输入磁滞在机器人系统中是无法避免的，对系统性能有很大的影响。给定输入磁滞数学模型的表达式(2)如下：
[0132][0133]
其中，vc表示模型输出，表示模型输出的微分，uc表示模型输入，表示模型输入的微分，a、b和h是常数，且h》0，h》b；
[0134]
根据输入磁滞数学模型可以解得表达式(3)为：
[0135]
[0136]
其中，表示输出配置函数，且为有界函数；vc(0)表示模型输出初始值；uc(0)表示模型输入初始值；表示模型输入uc的微分；e表示欧拉数，为数学常数；sign()表示符号函数；ξ表示积分变量；dξ表示积分变量的微分。考虑输入磁滞，可以得到系统输入往单连杆式机器人数学模型中增添干扰项，并对其进行坐标变换可得到表达式(4)：
[0137][0138]
其中，x1＝q(t)，为系统状态；表示x1的导数；表示x2的导数；y为系统输出；为系统不确定部分，即系统模糊目标；g1(x1)和g2(x1,x2)为外界干扰，干扰，表示表示第一外界干扰的上界，且是一个正数，是一个正数，表示第二外界干扰的上界，且是一个正数；表示输出配置函数，且为有界函数。
[0139]
二、构建自适应事件触发控制机制
[0140]
预设控制机制，包括：
①
预设第一虚拟控制律α1：第一系统状态x1和期望输出信号yd经过线性变换得到第一误差变量z1，进而确定α1。
②
预设第二虚拟控制律α2：第二系统状态x2、期望输出信号的一阶导数和第一虚拟控制律α1经过线性变换得到第二误差变量z2；利用模糊逻辑系统对未知项f进行拟合逼近处理，并得到第一估计值进而，利用z2和确定α2。
③
预设控制律利用α2和z2构建控制矩阵h和第二估计值更进一步得到
④
预设事件触发机制：预设一种动态阈值事件触发机制以减少输入信号uc的更新频率，从而缓解系统通信压力并实现磁滞的补偿。
⑤
输入信号uc经输入磁滞的作用得到实际的控制输入u，进而实现系统的闭环控制。
[0141]
参照图2，控制机制步骤流程包括：
[0142]
获取带输入磁滞的机器人系统模型的第一系统状态x1、第二系统状态x2和期望输出信号yd；
[0143]
根据第一系统状态x1和期望输出信号yd，确定第一误差变量z1；
[0144]
根据第一误差变量z1，确定第一虚拟控制律α1；
[0145]
根据第二系统状态x2和第一虚拟控制律α1，确定第二误差变量z2；
[0146]
根据第一误差变量z1和第二误差变量z2，结合模糊逻辑得到第一估计值
[0147]
根据第二误差变量z2和第一估计值确定第二虚拟控制律α2；
[0148]
根据第二虚拟控制律α2，确定控制矩阵h；
[0149]
根据第二误差变量z2和控制矩阵h，确定第二估计值
[0150]
根据控制矩阵h和第二估计值确定控制律
[0151]
根据控制律结合触发机制得到输入信号uc；
[0152]
根据输入信号uc，确定实际输入u；
[0153]
将实际输入u输入带输入磁滞的机器人系统模型，然后返回获取带输入磁滞的机器人系统模型的第一系统状态x1、第二系统状态x2和期望输出信号yd这一步骤。
[0154]
具体地，首先定义误差系统的表达式(5)如下：
[0155][0156]
其中，z1与z2是误差变量，α1是第一虚拟控制律，yd为期望的输出信号。
[0157]
第一步：定义lyapunov(李雅普诺夫，即稳定性)函数v1的表达式(6)如下：
[0158][0159]
对v1求导得为表达式(7)为：
[0160][0161]
其中，g1＝g1(x1)，表示第一外界干扰。
[0162]
由杨氏不等式可得表达式(8)为：
[0163][0164]
其中，表示第一外界干扰的上界，为正数，且满足
[0165]
第一虚拟控制律α1的表达式(9)为：
[0166][0167]
其中，c1为常数，且c1》0。
[0168]
将式(8)和式(9)代入式(7)可以得到表达式(10)如下：
[0169][0170]
第二步：预设事件触发机制，事件触发机制的数学模型的表达式(11)如下：
[0171][0172]
其中，t表示时刻；w(t)表示t时刻的事件触发控制输入；δ、ρ、m1、和k均为常数，且0《δ《1，ρ》0，m1》0，k∈z

；表示控制律；uc(t)表示t时刻的模型输入信号；w(tk)表示tk时刻的事件触发控制输入；tk表示第k次事件触发的时刻，t
k 1
表示第k 1次事件触发的时刻；e(t)表示测量误差，且e(t)＝w(t)-uc(t)。
[0173]
根据事件触发机制的数学模型的表达式(11)，可以得到表达式(12)如下：
[0174]
w(t)＝uc(t) δλ1(t)uc(t) m1λ2(t)，
[0175]
其中，λ1(t)表示第一时变参数，且|λ1(t)|≤1；λ2(t)表示第二时变参数，且|λ2(t)|≤1。
[0176]
进一步可以得到输入信号uc的表达式(13)为：
[0177][0178]
预设控制律控制律的表达式(14)为：
[0179][0180]
其中，k表示模糊矩阵，且k
t
表示k的转置；h表示控制矩阵，h为1*2矩阵，且h＝[α2,1]
t
，α2表示第二虚拟控制律。
[0181]
由于k的值比较难获取，这里对k的真值进行估计，定义估计误差其中为第一估计值，进一步得到控制律的表达式(15)为：
[0182][0183]
随后定义lyapunov(李雅普诺夫，即稳定性)函数v2的表达式(16)如下：
[0184][0185]
其中，表示估计误差，且θ为实数，为θ的估计值，即第二估计值；γ为2*2的正定矩阵。
[0186]
根据式(4)和式(5)可得表达式(17)为：
[0187][0188]
其中，表示，第二误差变量z2的导数，g2＝g2(x1，x2)表示第二外界干扰，表示第一虚拟控制律α1的导数，表示期望输出信号的二阶导数。
[0189]
对v2求导得表达式(18)为：
[0190][0191]
其中，表示函数v1的导数，表示自适应律。
[0192]
进一步，由输入信号uc的表达式(13)可以得到表达式(19)：
[0193][0194]
将式(19)代入式(18)进一步的得到表达式(20)为：
[0195][0196]
其中，f表示未知组合函数，
[0197]
利用模糊逻辑系统对f进行逼近处理，得到表达式(21)为：
[0198]
f＝φ
t
ψ(x) κ(x)，
[0199]
其中，κ(x)表示逼近误差，且||κ(x)||2《τ，‖‖表示二范数，τ为常数，且τ》0；φ表示
理想权重向量，且φ＝[φ1,φ1,
…
,φn]
t
∈rn，n为正整数；φ
t
表示φ的转置；ψ(x)表示已知的模糊基函数，且ψ＝[ψ1,ψ2,
…
,ψn]
t
∈rn，n为正整数；x表示模糊逻辑的输入向量，且x＝[x1,x2,x3,x4]
t
，x1＝q(t)，x3＝yd，，表示期望输出信号yd的导数。
[0200]
ψ(x)的定义如表达式(22)和表达式(23)为：
[0201][0202][0203]
其中，p、i和j为标号，用于表述相关元素的序列号，且(i＝1,2,
…
,n)；n表示模糊基函数的数量；x
p
表示模糊逻辑系统的输入向量x中的元素，和表示隶属度函数；表示高斯函数的宽度，表示高斯函数的均值，表示实数。
[0204]
则下列表达式(24)和表达式(25)成立：
[0205][0206][0207]
其中，θ表示实数，且θ＝‖φ‖2，‖‖表示二范数；表示第二外界干扰的上界，且并满足a为常数，且a》0。
[0208]
预设第二虚拟控制律α2，第二虚拟控制律α2的表达式(26)如下：
[0209][0210]
其中，c2为常数，且c2》0
[0211]
将式(26)代入式(20)可以得到表达式(27)为：
[0212][0213]
其中表示自适应律，自适应律的表达式(28)和自适应律的表达式(29)分别为：
[0214][0215][0216]
其中，η为常数，且η》0；σ表示常数，且σ》0。
[0217]
将式(28)和式(29)代入式(27)得到表达式(30)如下：
[0218][0219]
由杨氏不等式可以得到表达式(31)和表达式(32)分别为：
[0220][0221][0222]
将式(31)和式(32)代入式(30)最终得到表达式(33)如下：
[0223][0224]
其中，q＝min{2c1,2c2,η/λ
max
(γ-1
)}，λ
max
(γ-1
)表示γ-1
的最大特征值；的最大特征值；
[0225]
三、稳定性分析
[0226]
由两边同乘e
qt
得：
[0227][0228]
通过解微分方程可得：
[0229][0230]
其中，v2(0)为v2的初始值。所以，闭环系统中的所有信号都是半全局一致最终有界的。以q的速率呈指数收敛于紧集可以通过调整设计参数来调整ω的大小。
[0231]
对于有
[0232][0233]
表示事件触发控制输入w(t)的一阶导数，根据事件触发机制数学模型的表达式(11)可知，是连续有界的，记由e(tk)＝0，触发时间间隔t
*
≥(δ|uc(t)| m1)/γ。显然，无zeno现象的出现。
[0234]
四、仿真与分析
[0235]
①
仿真
[0236]
单连杆式机器人系统参数选取：j＝1，b＝1，mgl＝10，单连杆式机器人系统参数选取：j＝1，b＝1，mgl＝10，初始值x1(0)＝x2(0)＝0。
[0237]
控制器参数：γ＝i
2*2
，c1＝60，c2＝5，a1＝a2＝1，σ＝1，η＝1，ρ＝1，δ＝0.3，m1＝0.5，仿真步长0.01s，参考信号yd＝sin(t)。
[0238]
模糊逻辑系统的隶属度函数设计：
[0239][0240]
②
分析
[0241]
从图3和图4中可以看出，系统在受到输入磁滞和外界干扰的情况下，系统输出可以很好地跟踪参考轨迹；图5描述了控制输入和事件触发控制输入；图6表示了事件触发时
间间隔，从图中可以看出事件触发是非周期的；从图7可知，在10秒内，事件触发控制的触发总次数仅为317次(事件触发率为31.7％)，相对于传统的时间触发控制节省了68.3％的通信资源。因此，采用本文方法设计的控制器在保证控制精度的同时，可以减小控制信号的更新频率，从而节约通信资源。
[0242]
本发明实施例提供了一种带输入磁滞的机器人传输资源控制系统，包括：
[0243]
第一模块，用于将输入磁滞模型化；
[0244]
第二模块，用于根据模型化后的输入磁滞模型，构建带输入磁滞的机器人系统模型；
[0245]
第三模块，用于根据带输入磁滞的机器人系统模型，确定控制机制；
[0246]
第四模块，用于根据控制机制的模糊逻辑，处理带输入磁滞的机器人系统模型中的模糊目标；
[0247]
第五模块，用于根据控制机制的触发机制，对带输入磁滞的机器人系统模型中的输入信号进行更新和/或对带输入磁滞的机器人系统模型中的输入磁滞进行补偿。
[0248]
本发明方法实施例的内容均适用于本系统实施例，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
[0249]
本发明实施例提供了一种电子设备，包括处理器以及存储器；
[0250]
存储器用于存储程序；
[0251]
处理器执行程序实现上述的带输入磁滞的机器人传输资源控制方法。
[0252]
本发明方法实施例的内容均适用于本电子设备实施例，本电子设备实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
[0253]
综上所述，本发明针对输入磁滞的问题，提出一种事件触发补偿控制方法。该方法可以在线补偿磁滞，保证系统控制精度的前提下可以减小输入信号的更新频率，从而节约了通信资源。同时考虑到实际系统模型往往难于精确获取，建模过程中难免会有不确定部分，不确定部分的处理得当与否将直接影响控制的精度，本发明利用模糊逻辑系统处理机器人系统中的不确定部分，有效的应对了系统中的不确定性问题。
[0254]
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的方法。
[0255]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0256]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理
解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0257]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0258]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0259]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0260]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0261]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0262]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本
发明的范围由权利要求及其等同物限定。
[0263]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。