CN110497415B - 一种基于干扰观测器的多机械臂***的一致控制方法 - Google Patents
一种基于干扰观测器的多机械臂***的一致控制方法 Download PDFInfo
- Publication number
- CN110497415B CN110497415B CN201910835274.5A CN201910835274A CN110497415B CN 110497415 B CN110497415 B CN 110497415B CN 201910835274 A CN201910835274 A CN 201910835274A CN 110497415 B CN110497415 B CN 110497415B
- Authority
- CN
- China
- Prior art keywords
- arm
- follower
- disturbance
- mechanical arm
- mechanical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 2
- 230000001427 coherent effect Effects 0.000 claims 2
- 238000004880 explosion Methods 0.000 abstract 1
- 230000002265 prevention Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种基于干扰观测器的多机械臂***的一致控制方法,对于受外部扰动的多机械臂***,设计了一种多机械臂***的分布式一致控制算法;首先,针对***存在的外部扰动,设计了一种干扰动观测器,从而抑制扰动,提高了控制精度;其次,结合所设计的扰动观测器设计了分布式一致控制方法。本方法可适用于机械臂在工业装配、安全防爆、航空航天应用中的跟踪控制;本方法解决了外部扰动未知的多机械臂***的分布式一致性控制问题,提高了***的控制精度和稳定性,应用领域广泛。
Description
技术领域
本发明涉及一种多机械臂***的一致控制方法,特别涉及一种基于干扰观测器的多机械臂***的一致控制方法,可应用于机械臂的跟踪控制。
背景技术
随着人工智能和机器人技术的兴起,多机械臂的协同控制受到工业、航空航天等领域的关注。但是由于机械臂存在未知的外部扰动等问题,对机械臂的协同控制问题造成严峻的挑战,如果在研究多机械臂协同控制问题中不考虑外部干扰等问题,所设计的控制器往往会导致系性能的下降,甚至出现故障。
为了对机械臂未知外部扰动进行研究,国内外的许多学者,进行了大量的研究,目前主要有反馈控制、鲁棒控制等方法,但反馈控制具有时滞、波动等问题,鲁棒控制适用于微小摄动下的不确定性。扰动观测器的基本思想是对***中未知外部扰动进行观测或估计,然后利用观测器的估计输出,抵消未知扰动的影响,可以更好地提高***的性能。对于那些不可预测的未知扰动,干扰观测器可以起到良好的抑制效果,从而提高***的鲁棒性。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种基于干扰观测器的多机械臂***的一致控制方法,更好地解决了具有未知外部扰动的多机械臂***的一致控制问题,提高***的控制精度和控制器的鲁棒性。针对外部扰动,相比于反馈控制、鲁棒控制等方法,干扰观测器有更高的控制精度和鲁棒性
为了实现上述解决问题,本发明的技术解决方案为:
一种基于扰动观测器的多机械臂***的一致控制方法,
(1)对含有未知外部扰动的n个跟随者多机械臂***以及领航者机械臂建立动力学模型;
(2)基于所述步骤(1)中的动力学模型,建立多机械臂***的通信拓扑结构;
(3)基于所述的n个跟随者多机械臂***以及领航者机械臂的动力学模型,设计针对未知外部扰动的干扰观测器;
(4)基于所述通信拓扑结构与干扰观测器,定义跟踪误差,通过建立跟踪误差动态使得跟踪误差最终是趋于零;
(5)结合通信拓扑结构、跟踪误差以及干扰观测器,采用分布式一致控制方法,实现跟随者机械臂对领航者机械臂的跟踪。
具体包括以下步骤:
第一步,建立***的动力学模型
含有未知外部扰动的多机械臂***的n个子***的动力学模型建立如下:
其中,qi,vi∈R2分别是第i个机械臂的位置、速度,Ti∈R2表示关节输入力矩,di1,di2∈R2是第i个机械臂的扰动力矩,与第i个机械臂的向心力,哥氏力和重力力矩相关,Ji(qi)∈R2×2为第i个机械臂的对称正定的惯性矩阵。
领航者机械臂的动力学模型可以描述为:
其中,q0,v0∈R2分别是机械臂领航者的位置和速度。
第二步,建立多机械臂的通信拓扑
多机械臂***的通信拓扑类型如下:
首先,跟随者机械臂之间的通信拓扑由无向图G=(v,ε,A)表示,v={1,2,…,n}表示跟随者机械臂的集合,ε={(i,j),i,j∈v,i≠j}表示跟随者机械臂之间边的集合,A=[aij]∈Rn×n为相关邻接矩阵。当且仅当跟随者机械臂i和j能够相互接收信息时,则边(i,j)是存在,即(i,j)∈ε;如果(i,j)∈ε,aij=aji>0,否则aij=0。其次,领航者机械臂与n个跟随者机械臂之间的通信拓扑由表示,包含一个以领航者机械臂为根节点的有向生成树。与aij类似,如果跟随者机械臂i能够接收到领航者机械臂的信息,则ai0>0,否则,ai0=0。为了方便起见,我们设ai0=bi。
第三步,设计扰动观测器
由于***的外部扰动未知,设计干扰观测器如下:
定义观测误差如下:
第四步,定义跟踪误差
第i个机械臂与领航者的跟踪误差定义如下:
其中,ei1是第i个机械臂的位置与领航者机械臂以及其他跟随者的位置之间的跟踪误差,ei2是第i个机械臂的速度对领航者机械臂的速度的跟踪误差。
第五步,设计分布式一致控制算法
分布式一致控制算法设计如下:
其中,参数ki设计如下:
本发明与现有技术相比的优点在于:
本发明的基于干扰观测器的多机械臂***的一致控制方法是基于干扰观测器得到的控制器,其特点是针对***存在的外部扰动,设计一种干扰动观测器来抑制扰动,结合扰动观测器设计控制器解决了***的分布式一致性控制问题。干扰观测器可应用于机械臂的扰动补偿、独立关节控制等方面,简化了***的结构,降低了成本,提高了***的可靠性。
附图说明
图1为本发明的基于干扰观测器的多机械臂***的一致控制方法流程图;
图2为本发明在具体实施中的一种通信拓扑类型。
具体实施方式
如图1所示,本发明的基于干扰观测器的多机械臂***的一致控制方法,具体步骤如下:
1.建立***的动力学模型
具有未知外部扰动的多机械臂***的n个子***的动力学模型建立如下:
其中,qi,vi∈R2分别是第i个机械臂的位置、速度,Ti∈R2表示关节输入力矩,di1,di2∈R2是第i个机械臂的扰动力矩,与第i个机械臂的向心力,哥氏力和重力力矩相关,Ji(qi)∈R2×2为第i个机械臂的对称正定的惯性矩阵。
领航者机械臂的动力学模型可以描述为:
其中,q0,v0∈R2分别是机械臂领航者的位置和速度。
2.建立多机械臂的通信拓扑
多机械臂***的通信拓扑类型如下:
首先,跟随者机械臂之间的通信拓扑由无向图G=(v,ε,A)表示,v={1,2,…,n}表示跟随者机械臂的集合,ε={(i,j),i,j∈v,i≠j}表示跟随者机械臂之间边的集合,A=[aij]∈Rn×n为相关邻接矩阵。当且仅当跟随者机械臂i和j能够相互接收信息时,则边(i,j)是存在,即(i,j)∈ε;如果(i,j)∈ε,aij=aji>0,否则aij=0。其次,领航者机械臂与n个跟随者机械臂之间的通信拓扑由表示,包含一个以领航者机械臂为根节点的有向生成树。与aij类似,如果跟随者机械臂i能够接收到领航者机械臂的信息,则ai0>0,否则,ai0=0。为了方便起见,设ai0=bi,且B=diag{b1,b2,…,bn}。定义拉普拉斯矩阵L=[lij]∈Rn×n,其中并且当i≠j时,kij=-aij。
如图2所示,n=4时,即4个跟随者机械臂与一个领航者机械臂所构成的多机械臂***。其中,跟随者机械臂1可以接收到领航者机械臂0的信息,则b1>0;跟随者机械臂1和2,2和4,以及3和4可以相互接收信息,则a12=a21>0,a24=a42>0,a34=a43>0
3.设计扰动观测器
由于***的外部扰动未知,设计干扰观测器如下:
定义观测误差如下:
4.定义跟踪误差
第i个机械臂与领航者的跟踪误差定义如下:
其中,ei1是第i个机械臂的位置与领航者机械臂以及其他跟随者的位置之间的跟踪误差,ei2是第i个机械臂的速度对领航者机械臂的速度的跟踪误差。
将定义的跟踪误差写为向量形式,如下:
其中,e1=[e11,e21,…,en1],q=[q1,q2,…,qn],I2为二阶单位矩阵。
5.设计分布式一致控制算法
分布式一致控制算法设计如下:
其中,参数ki设计如下:
设计滑模面:S=c1e1+c2e2,考虑李雅普诺夫函数:
V=STS
将设计的跟踪误差与控制器代入李雅普诺夫函数可以得到:
其中,∈min=min{∈1,∈2,…,∈n}。根据李雅普诺夫稳定性定理,在有限时间内跟随者机械臂的状态可以达到滑模面S=0。即c1e1+c2e2=0,根据定义的跟踪误差可以得到由上述跟踪误差动态可知根据输入-状态稳定性的定义可以得到
因此,设计的控制器能够使跟随者机械臂对于领航者机械臂的位置跟踪误差趋于零,即能够实现机械臂对领航机械臂的跟踪。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (3)
1.一种基于干扰观测器的多机械臂***的一致控制方法,其特征在于,包括以下步骤:
(1)对含有未知外部扰动的n个跟随者多机械臂***以及领航者机械臂建立动力学模型;
(2)基于所述步骤(1)中的动力学模型,建立多机械臂***的通信拓扑结构;
(3)基于所述的n个跟随者多机械臂***以及领航者机械臂的动力学模型,设计针对未知外部扰动的干扰观测器;
(4)基于所述通信拓扑结构与干扰观测器,定义跟踪误差,通过建立跟踪误差动态使得跟踪误差最终是趋于零;
(5)结合通信拓扑结构、跟踪误差以及干扰观测器,采用分布式一致控制方法,实现跟随者机械臂对领航者机械臂的跟踪;
所述步骤(1)中,建立的动力学模型如下:
其中,qi,vi∈R2分别是第i个跟随者机械臂的位置和速度,Ti∈R2表示关节输入力矩,di1,di2∈R2是第i个跟随者机械臂的扰动力矩且满足 与第i个跟随者机械臂的向心力,哥氏力和重力力矩相关,Ji(qi)∈R2×2为第i个跟随者机械臂的对称正定的惯性矩阵,R2表示实数域上的二维向量,R2×2表示实数域上的二阶矩阵;
领航者机械臂的动力学模型描述为:
其中,q0,v0∈R2分别是领航者机械臂的位置和速度;
所述步骤(2)中,建立多机械臂***的通信拓扑,
其中,跟随者机械臂之间的通信拓扑由一个无向图G=(v,ε,A)表示,v={1,2,…,n}表示跟随者机械臂的集合,ε={(i,j),i,j∈v,i≠j}表示跟随者机械臂之间边的集合,A=[aij]∈Rn×n为相关邻接矩阵,aij为相关邻接矩阵A中的元素,Rn×n为n阶实矩阵;当且仅当跟随者机械臂i和j能够相互接收信息时,则第i个跟随者机械臂与第j个跟随者机械臂之间的边(i,j)存在,即第i个跟随者机械臂与第j个跟随者机械臂之间的边(i,j)∈ε;如果边(i,j)∈ε,aij=aji>0,否则aij=0;领航者机械臂与n个跟随者机械臂之间的通信拓扑由表示,包含一个以领航者机械臂为根节点的有向生成树,如果跟随者机械臂i能够接收到领航者机械臂的信息,则跟随者机械臂i与领航者机械臂之间的边(i,0)存在,从而ai0>0,否则,ai0=0;为了方便起见,设ai0=bi;
所述步骤(3)中,针对第i个跟随者机械臂的扰动所设计的干扰观测器如下:
其中,li1,li2>0为观测增益,zi1,zi2为辅助状态变量,分别是观测器对扰动di1,di2的估计值;di1,di2∈R2是第i个跟随者机械臂的扰动力矩,qi,vi∈R2分别是第i个跟随者机械臂的位置和速度;
定义观测误差如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910835274.5A CN110497415B (zh) | 2019-09-05 | 2019-09-05 | 一种基于干扰观测器的多机械臂***的一致控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910835274.5A CN110497415B (zh) | 2019-09-05 | 2019-09-05 | 一种基于干扰观测器的多机械臂***的一致控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110497415A CN110497415A (zh) | 2019-11-26 |
CN110497415B true CN110497415B (zh) | 2021-05-28 |
Family
ID=68591260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910835274.5A Active CN110497415B (zh) | 2019-09-05 | 2019-09-05 | 一种基于干扰观测器的多机械臂***的一致控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110497415B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111531548A (zh) * | 2020-06-12 | 2020-08-14 | 安徽工程大学 | 一种多轴串联机械臂的自抗扰控制方法 |
CN111958606A (zh) * | 2020-09-10 | 2020-11-20 | 浙江协力机器人技术有限公司 | 一种应用于多自由度机械臂的分布式鲁棒跟踪控制方法 |
CN112817231B (zh) * | 2020-12-31 | 2022-06-03 | 南京工大数控科技有限公司 | 一种具有强鲁棒性的机械臂高精度跟踪控制方法 |
CN117226849B (zh) * | 2023-11-09 | 2024-02-06 | 广东工业大学 | 多机械臂自适应滑模控制方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1644782A2 (en) * | 2003-06-20 | 2006-04-12 | Fanuc Robotics America, Inc. | Multiple robot arm tracking and mirror jog |
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人***分布式自适应神经网络连续跟踪控制方法 |
DE102016009030A1 (de) * | 2015-07-31 | 2017-02-02 | Fanuc Corporation | Vorrichtung für maschinelles Lernen, Robotersystem und maschinelles Lernsystem zum Lernen eines Werkstückaufnahmevorgangs |
CN109597310A (zh) * | 2019-02-01 | 2019-04-09 | 东南大学 | 一种基于扰动观测器的轮式移动机器人轨迹跟踪方法 |
-
2019
- 2019-09-05 CN CN201910835274.5A patent/CN110497415B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1644782A2 (en) * | 2003-06-20 | 2006-04-12 | Fanuc Robotics America, Inc. | Multiple robot arm tracking and mirror jog |
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人***分布式自适应神经网络连续跟踪控制方法 |
DE102016009030A1 (de) * | 2015-07-31 | 2017-02-02 | Fanuc Corporation | Vorrichtung für maschinelles Lernen, Robotersystem und maschinelles Lernsystem zum Lernen eines Werkstückaufnahmevorgangs |
CN109597310A (zh) * | 2019-02-01 | 2019-04-09 | 东南大学 | 一种基于扰动观测器的轮式移动机器人轨迹跟踪方法 |
Non-Patent Citations (3)
Title |
---|
基于六自由度工业机器人轨迹跟踪控制的研究;雷宇欣;《中国优秀硕士学位论文全文数据库信息科技辑》;20180815(第08期);正文第10-58页 * |
王晴.高阶非线性不确定多智能体***鲁棒协同控制.《中国优秀硕士学位论文全文数据库信息科技辑》.2018,(第07期), * |
高阶非线性不确定多智能体***鲁棒协同控制;王晴;《中国优秀硕士学位论文全文数据库信息科技辑》;20180715(第07期);正文第21-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110497415A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110497415B (zh) | 一种基于干扰观测器的多机械臂***的一致控制方法 | |
He et al. | Disturbance observer-based neural network control of cooperative multiple manipulators with input saturation | |
Lin et al. | Event-based finite-time neural control for human-in-the-loop UAV attitude systems | |
CN108333949B (zh) | 针对多智能体***执行器失效故障的滑模容错控制方法 | |
Yan et al. | Coordinated target tracking strategy for multiple unmanned underwater vehicles with time delays | |
Zhang et al. | Task-space synchronization of networked mechanical systems with uncertain parameters and communication delays | |
CN110134018B (zh) | 一种水下多足机器人***的多足协同控制方法 | |
CN107877511B (zh) | 基于输出位置的多双连杆机械臂包含控制器及设计方法 | |
CN106406097B (zh) | 多机械臂***的分布式自适应协调控制方法 | |
CN110658821A (zh) | 一种多机器人抗干扰分组时变编队控制方法及*** | |
Li et al. | Distributed finite-time cooperative control for quadrotor formation | |
Chang et al. | Adaptive distributed fault-tolerant formation control for multi-robot systems under partial loss of actuator effectiveness | |
Razmjooei et al. | A novel continuous finite-time extended state observer design for a class of uncertain nonlinear systems | |
Wang et al. | Sliding mode formation control of nonlinear multi-agent systems with local lipschitz continuous dynamics | |
Hu et al. | Impedance with Finite‐Time Control Scheme for Robot‐Environment Interaction | |
Esmaili et al. | Adaptive synchronous artificial neural network based PI-type sliding mode control on two robot manipulators | |
Cruz et al. | Output sliding mode controller to regulate the gait of gecko-inspired robot | |
Yousuf | Robust output-feedback formation control design for nonholonomic mobile robot (nmrs) | |
Sadowska et al. | Formation control design for car-like nonholonomic robots using the backstepping approach | |
Zhu et al. | Containment control of underactuated ships with environment disturbances and parameter uncertainties | |
Lopez et al. | Disturbance rejection for a Quadrotor aircraft through a robust control | |
Yu et al. | Distributed time-varying formation control for second-order nonlinear multi-agent systems based on observers | |
Pereira et al. | Formation adaptive control for nonholonomic dynamic agents: Regulation and tracking | |
Qin et al. | Robotic Arm Trajectory Tracking Control Based on An RBF Neural Network Adaptive Control Algorithm | |
Li et al. | Distributed Formation Control for Multiple Quadrotor UAVs Based on Distributed Estimator and Singular Perturbation System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |