CN112987770A - 一种两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法 - Google Patents
一种两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法 Download PDFInfo
- Publication number
- CN112987770A CN112987770A CN202110217281.6A CN202110217281A CN112987770A CN 112987770 A CN112987770 A CN 112987770A CN 202110217281 A CN202110217281 A CN 202110217281A CN 112987770 A CN112987770 A CN 112987770A
- Authority
- CN
- China
- Prior art keywords
- robot
- walking foot
- saturation
- foot
- walking
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 210000003108 foot joint Anatomy 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000013643 reference control Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000002303 tibia Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0891—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
一种两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法,属于机器人控制技术领域。为了解决现有的仿蟹多足机器人的步行足轨迹跟踪控制存在精度差、速度慢的问题问题。本发明首先针对两栖仿蟹多足机器人建立机器人步行足动力学模型,然后基于两栖仿蟹多足机器人步行足动力学模型确定自适应有限时间干扰观测器,利用辅助***处理输入饱和的影响,最后利用基于输入饱和下基于自适应有限时间干扰观测器AFTDO的快速终端滑模控制器对机器人步行足运动进行控制。主要用于多足机器人步行足控制。
Description
技术领域
本发明涉及多足机器人运动控制方法。属于控制技术领域。
背景技术
当今世界,科学技术迅猛发展,海洋资源开发需求日益扩大。针对近海海底、浅滩等复杂环境下海洋设施巡检、海洋资源勘探及数据采集、近海侦查、防御与救援等领域的诸多任务,需要研发一种两栖仿蟹多足机器人来完成以上作业任务需求。如图1所示。
两栖仿蟹多足机器人的设计研究交叉融合了多学科、多领域的技术,其爬行模式中的运动控制问题是两栖仿蟹多足机器人研究课题中的一项关键内容,同时也是机器人研究内容中的关键技术难点,其运动控制技术的可靠性决定了两栖仿蟹多足机器人的作业效率和智能化水平,也是保证机器人完成特定作业任务的重要前提。
两栖仿蟹多足机器人由于自身的多关节、非线性、多冗余度以及时变特性等特点,导致其运动学、动力学的运动模型具有高度不确定性。首先,机器人在运动过程中需要克服由于自身建模误差导致的模型不确定性以及在海底行走运动时海流的扰动等因素造成的影响;同时,实际控制过程中由于执行器***非线性特性也会导致输入饱和问题,以上问题都对机器人步行足的控制精度以及响应速度提出了较高的要求。如何有效提高机器人步行足轨迹跟踪控制精度和速度,如何保证机器人在执行器饱和情况下实现稳定高精度快速控制,都是两栖仿蟹多足机器人运动控制研究中需要解决的关键性问题。
发明内容
本发明是为了解决现有的仿蟹多足机器人的步行足轨迹跟踪控制存在精度差、速度慢的问题。
一种两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法,包括以下步骤:
S1、针对两栖仿蟹多足机器人建立机器人步行足动力学模型:
式中:为集总不确定性,θ∈R3、分别表示机器人步行足关节角度、关节角速度、关节角加速度矢量;其中M0(θ)、g0(θ)为模型已知标称部分,分别表示正定惯性矩阵、科氏力和离心力项、重力和浮力项产生的恢复力项,ΔM(θ)、Δg(θ)对应为建模误差导致的不确定部分,Fs(θ)为机器人受到的地面广义反力项,τd为海流扰动,τ为期望控制力/力矩输入,sat(·)为饱和函数;
S2、基于两栖仿蟹多足机器人步行足动力学模型,确定自适应有限时间干扰观测器:
自适应有限时间干扰观测器如下:
由式自适应有限时间干扰观测器和干扰误差可得:
自适应律为:
其中,γ、δ是正常数;
S3、利用辅助***处理输入饱和的影响,辅助***如下:
式中,ζ=(ζ1,ζ2,ζ3)T为辅助***的状态向量,A=diag{ai}3×3、B=[b1,b2,b3]T为参数矩阵及参数向量,其中ai>0,bi>0,i=1,2,3;sgn(ζ)=(sgn(ζ1),sgn(ζ2),sgn(ζ3))T,sgn(·)为符号函数;P=diag{||pi||}3×3,其中pi为控制增益矩阵M0 -1的第i行;
S4、利用基于输入饱和下基于自适应有限时间干扰观测器AFTDO的快速终端滑模控制器对机器人步行足运动进行控制;
所述的基于输入饱和下基于自适应有限时间干扰观测器AFTDO的快速终端滑模控制器如下:
τ=τ0+τ1+τ2
τ2=-M0(θ)(Aζ+B+σ0Psgn(ζ))
其中,τ0为等效控制项,τ1为干扰观测器的辅助控制项,τ2为饱和补偿项;e、分别为关节角位移跟踪误差和角速度跟踪误差;S为全局快速终端滑模面;λ>0,μ>0为正对角矩阵;p和q为奇数且p<q;k1,k2>0为控制参数。
进一步地,所述的关节角位移跟踪误差和角速度跟踪误差分别如下:
e=θ-θd
其中,θd为机器人步行足关节期望角度。
进一步地,所述的全局快速终端滑模面为:
其中,(·)p/q表示幂运算。
其中,c0、γ0、γ1、γ2、γ3、γ4均为正常数。
进一步地,所述的机器人步行足动力学模型中的sat(τ)=[sat(τ1),sat(τ2),sat(τ3)]T,sat(·)为饱和函数:
其中,i=1,2,3,τmax、τmin分别为最大控制力/力矩输入和最小控制力/力矩输入。
进一步地,所述针对两栖仿蟹多足机器人建立机器人步行足动力学模型的过程包括以下步骤:
首先构建机器人机械臂动力学模型:
式中,θ∈R3、分别表示机器人步行足关节角度、关节角速度、关节角加速度矢量;M(θ)=M0(θ)+ΔM(θ),g(θ)=g0(θ)+Δg(θ);其中M0(θ)、g0(θ)为模型已知标称部分,ΔM(θ)、Δg(θ)代表建模误差导致的不确定部分,Fs(θ)为机器人受到的地面广义反力项,τd为海流扰动;
有益效果:
本发明针对两栖仿蟹多足机器人步行足轨迹跟踪控制问题,综合考虑输入饱和情况下模型参数不确定性和海流扰动不确定性,提出了一种自适应有限时间干扰观测器(Adaptive Finite Time DisturbanceObserver,AFTDO)来解决海流干扰和建模误差产生的集总不确定性观测问题,并采用不依赖于精确动力学模型的控制方法,提出一种考虑输入饱和的基于自适应有限时间干扰观测器的全局快速终端滑模控制器,实现对两栖仿蟹多足机器人的步行足轨迹跟踪控制。
AFTDO是将***模型参数不确定性和海流扰动不确定性处理为集总不确定性,构造辅助动力学方程,设计自适应律,改进设计自适应有限时间干扰观测器,实现对集总不确定性的快速准确估计。
输入饱和下基于AFTDO的全局快速终端滑模控制方法是在自适应有限时间干扰观测器的基础上,结合全局快速终端滑模控制快速且在有限时间内到达滑模面的优势,考虑输入饱和情况,构造输入饱和辅助***,设计输入饱和下基于自适应有限时间干扰观测器的快速终端滑模控制器,提高机器人步行足轨迹跟踪控制精度和响应速度。
附图说明
图1为两栖仿蟹多足机器人示意图;
图2为两栖仿蟹多足机器人步行足模型;
图3为自适应有限时间干扰观测器性能曲线图,其中图3(a)为扰动d1估计性能,图3(b)为扰动d1估计误差;图3(c)为扰动d2估计性能,图3(d)为扰动d2估计误差;图3(e)为扰动d3估计性能,图3(f)为扰动d3估计误差;
图4机器人步行轨迹跟踪控制响应曲线,其中图4(a)为关节1轨迹跟踪性能,图4(b)为关节1轨迹跟踪误差;图4(c)为关节2轨迹跟踪性能,图4(d)为关节2轨迹跟踪误差;图4(e)为关节3轨迹跟踪性能,图4(f)为关节3轨迹跟踪误差。
具体实施方式
在说明具体实施方式之前,首先对本发明的参数定义进行一下说明:
M0(θ)——正定惯性矩阵;——科氏力和离心力项;g0(θ)——重力和浮力项产生的恢复力项;θ∈R3、——机器人步行足关节角度、关节角速度、关节角加速度矢量;e=θ-θd——跟踪误差;τ——控制输入;τd——海流扰动;d——包括模型不确定性、地面广义力以及海流扰动的集总不确定性。
具体实施方式一:
本实施方式所述的一种两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法,包括以下步骤:
S1、基于两栖仿蟹多足机器人步行足动力学模型进行两栖仿蟹多足机器人步行足动力学模型变换:
两栖仿蟹多足机器人步行足运动模型如图2所示,对步行足建立坐标系,其中步行足的固定坐标系为O-X0Y0Z0,髋关节坐标系为O-X1Y1Z1,股关节坐标系为O-X2Y2Z2,胫关节坐标系为O-X3Y3Z3,步行足末端点坐标系为O-X4Y4Z4,其中步行足固定坐标系也是步行足与机器人机体连接处的坐标系。
两栖仿蟹多足机器人步行足动力学方程采用基于欧拉-拉格朗日方法推导的机器人机械臂动力学模型:
式中:θ∈R3、分别表示机器人步行足关节角度、关节角速度、关节角加速度矢量;M(θ)=M0(θ)+ΔM(θ),g(θ)=g0(θ)+Δg(θ),Fs(θ)=Ji TFi。其中M0(θ)、g0(θ)为模型已知标称部分,ΔM(θ)、Δg(θ)代表建模误差导致的不确定部分,Fs(θ)为机器人受到的地面广义反力项,τd为海流扰动,Ji T为机器人第i条步行足的雅克比转置矩阵;Fi=[fix,fiy,fiz]T为处于支撑相的第i条步行足受到的反力向量。
由于机器人步行足在摆动过程中不会受到地面力的作用,此外机器人在运动过程中由于建模误差会产生模型不确定性和海流扰动的影响,同时由于执行器***存在输入饱和的非线性特性,将会导致***控制器不能继续对***误差信号产生响应,进一步使控制器不能正常发挥作用。所以本发明考虑机器人在海流干扰和建模误差产生的集总不确定性以及输入饱和的情况,建立机器人步行足动力学模型为:
式中:为集总不确定性,θ∈R3、分别表示机器人步行足关节角度、关节角速度、关节角加速度矢量;M(θ)=M0(θ)+ΔM(θ),g(θ)=g0(θ)+Δg(θ),Fs(θ)=Ji TFi。其中M0(θ)、g0(θ)为模型已知标称部分,ΔM(θ)、Δg(θ)代表建模误差导致的不确定部分,Fs(θ)为机器人受到的地面广义反力项,τd为海流扰动,sat(τ)=[sat(τ1),sat(τ2),sat(τ3)]T,τ为设计的期望控制力/力矩输入,sat(·)为饱和函数:
S2、基于两栖仿蟹多足机器人步行足动力学模型,设计自适应有限时间干扰观测器:
为了估计和补偿集总参数的不确定性,下面设计自适应有限时间干扰观测器:
由式(7)和干扰误差定义可得:
对于辅助动力学方程(5)和自适应有限时间观测器***,选择下式为未知增益:
则自适应律设计为:
S3、设计输入饱和辅助***:
***(3)中考虑了***输入饱和问题,对于实际控制***,期望控制输入τ和实际控制输入sat(τ)之间的差值Δτ要足够小,因为控制输入饱和时还要满足***的能控性。由于扰动和***状态有界,则所需的控制输入有界。为了满足这个假设,参数σ0可以较大。定义Δτ并假设其满足条件:||Δτ||=||τ-sat(τ)||≤σ0,其中σ0为已知常数。
设计辅助***来处理输入饱和的影响,设计辅助***如下:
式中,ζ=(ζ1,ζ2,ζ3)T为辅助***的状态量,A=diag{ai}3×3和B=[b1,b2,b3]T为设计矩阵及设计向量,其中ai>0,bi>0,i=1,2,3。此外,sgn(ζ)=(sgn(ζ1),sgn(ζ2),sgn(ζ3))T,sgn(·)为符号函数;P=diag{||pi||}3×3,其中pi为控制增益矩阵M0 -1的第i行。辅助状态量在有限时间内收敛到零。
S4、基于机器人在海流干扰和建模误差产生的集总不确定性以及输入饱和的情况,设计输入饱和下基于自适应有限时间干扰观测器AFTDO的快速终端滑模控制器为:
τ=τ0+τ1+τ2 (12)
τ2=-M0(θ)(Aζ+B+σ0Psgn(ζ)) (15)
其中τ0为等效控制项,τ1为干扰观测器的辅助控制项,τ2为饱和补偿项,k1,k2>0为控制参数。
为了充分说明本发明创新性,现对本发明控制器的设计过程和原理进行如下说明:
P1:采用基于欧拉-拉格朗日方法推导的机器人机械臂动力学模型建立两栖仿蟹多足机器人步行足动力学方程:
式中:θ∈R3、分别表示机器人步行足关节角度、关节角速度、关节角加速度矢量;M(θ)=M0(θ)+ΔM(θ),g(θ)=g0(θ)+Δg(θ),Fs(θ)=Ji TFi。其中M0(θ)、g0(θ)为模型已知标称部分,ΔM(θ)、Δg(θ)代表建模误差导致的不确定部分,Fs(θ)为机器人受到的地面广义反力项,τd为海流扰动,τ为控制输入。
其中:
ρ=τd+Fs(θ) (19)
上式具有以下性质:
性质2:矩阵M0(θ)正定;
假设1:ρ未知但有界,||ρ||≤γ4。
引理2:假设d的导数未知但有界,用未知常数α表示。
其中,γ0、γ1、γ2、γ3、γ4为已知正常数。
由以上性质、定理和假设可以得出:
其中:
引理3:考虑如下***:f(0)=0,x∈R,假设有李雅普诺夫函数V(x),满足条件(1)V(x)为正定函数,(2)存在任意实数a>0,0<b<∞,以及原点的开放区域U0∈U,这样那么***是有限时间稳定的,且有限收敛时间为
P2、自适应有限时间干扰观测器:
为了估计和补偿集总参数的不确定性,下面设计自适应有限时间干扰观测器:
由式(24)和干扰误差定义可得:
对于辅助动力学方程(22)和自适应有限时间观测器***,选择下式为未知增益:
则自适应律设计为:
证明如下:
第一步需要证明s=0在有限时间内可达,将李雅普诺夫函数取为:
V1=sTM0(θ)s (28)
对上式关于时间求导得:
由性质1、3得:
由式(20)和(26)可得:
由于下面不等式成立:
代入式(34)得:
由于:
则:
P3、输入饱和下基于AFTDO的全局快速终端滑模控制器设计:
考虑控制***输入饱和,则式(17)可改写为:
假设2:定义Δτ并假设其满足条件:||Δτ||=||τ-sat(τ)||≤σ0,其中σ0为已知常数。
首先设计一个辅助***来处理假设2下输入饱和的影响,设计辅助***如下:
定义此时关节角位移和角速度的跟踪误差为:
e=θ-θd (41)
其中θ为机器人步行足关节实际角度;θd为机器人步行足关节期望角度。
采用的全局快速终端滑模面为:
其中(·)p/q表示幂运算,其中λ>0,μ>0为设计的正对角矩阵,p和q为奇数且p<q,使***可以在有限时间内快速到达平衡点,并且在到达滑模面S=0后,误差将在有限时间内收敛到平衡点e=0,其收敛时间ts为:
对于定义的全局快速终端滑模面,当误差状态e远离平衡点时,线性项λe使***快速趋向S=0,当误差状态接近原点时,***的收敛速度主要由非线性项μep/q实现,因此,***状态可以迅速而精确的收敛到平衡点。
对定义的滑模面对时间求导得:
考虑设计辅助***产生的信号,基于提出的自适应有限时间干扰观测器,根据干扰观测器式(24)、辅助***式(40)、滑模面式(45)以及相关定理和假设,设计输入饱和下基于自适应有限时间干扰观测器的快速终端滑模控制器为:
τ=τ0+τ1+τ2 (46)
τ2=-M0(θ)(Aζ+B+σ0Psgn(ζ)) (49)
其中τ0为等效控制项,τ1为干扰观测器的辅助控制项,τ2为饱和补偿项。
引理4:给定以下一阶非线性不等式:其中V(x)表示关于状态x∈R,κ>0,0<η<1的正李雅普诺夫函数,那么对于给定的任意初始条件V(x(0))=V(0),函数V(x)可以有限时间内收敛到原点,收敛时间为:
证明如下:
第一步先证明基于自适应有限时间干扰观测器的全局快速终端滑模控制器稳定。选择李雅普诺夫函数为:
将选取的李雅普诺夫函数对时间求导,并代入式(45)得:
将设计的控制律式(46)代入上式得:
然后证明考虑输入饱和后给出的辅助***的有限时间收敛性。选择李雅普诺夫函数为:
根据式(40),V4对时间的导数为:
为了证明考虑输入饱和的基于自适应有限时间干扰观测器的全局快速终端滑模控制方法的有限时间收敛性能,即证明机器人控制器设计为式(47)-(49)时,包含观测器和输入饱和在内的整个***的有限时间稳定性。
选择李雅普诺夫函数为:
对时间求导并根据式(38)、(53)、(55)可得:
实施例
为了验证以上关节控制器的控制性能,按照具体实施方式一的方案将对机器人步行足的动力学控制通过MATLAB进行仿真,验证进设计后的控制器(本发明)性能。自适应有限时间干扰观测器的参数分别为:c0=50,Θ0=[60,100,120]T,γ=1,δ=0.1;控制器的参数设置分别为:λ=diag[5,5,5],μ=diag[0.1,0.1,0.1],k1=diag[5,5,5],k2=diag[0.01,0.01,0.01],p=3,q=5;考虑输入饱和情况下设计的辅助***参数为:A=diag[5,3,5],B=[0.1,0.2,0.3]T,P=diag[0.01,0.01,0.02],σ0=100,设置输入饱和界限值为±50Nm;模型参数不确定度为标称***动力学参数的20%,定义集总不确定性为:d=[1+0.3sin(0.3t)cos(0.2t),0.5+0.1sin(0.2t)cos(0.1t),0.1+0.1sin(0.2t)]。机器人步行足各关节的角度位置为[θ1,θ2,θ3]=[30°,45°,90°],步行足初始位置随机设定。对比分析改进观测器效果以及参考控制算法和改进提出的控制方法的控制性能。
改进观测器的观测效果以及观测误差仿真结果如下图3所示;图3为自适应有限时间干扰观测器性能曲线图,其中图3(a)为扰动d1估计性能,图3(b)为扰动d1估计误差;图3(c)为扰动d2估计性能,图3(d)为扰动d2估计误差;图3(e)为扰动d3估计性能,图3(f)为扰动d3估计误差。
由图3可知,参考观测器方法和改进的观测器方法均能较好的估计观测不确定扰动d,最后估计误差都能保持在零点附近振荡,且振荡范围很小;但是改进的观测器性能效果更优于参考观测器性能,改进观测器方法在估计速度和估计误差方面均比参考观测器方法效果更好,因此验证了改进自适应有限时间干扰观测器的有效性。
下面验证各关节按照期望轨迹运动时的跟踪控制性能。设置三个关节的位移曲线为正弦曲线,各关节的幅值大小不同,分别为θ1=30sin(t),θ2=45sin(t),θ3=90sin(t),仿真结果如4所示;图4机器人步行轨迹跟踪控制响应曲线,其中图4(a)为关节1轨迹跟踪性能,图4(b)为关节1轨迹跟踪误差;图4(c)为关节2轨迹跟踪性能,图4(d)为关节2轨迹跟踪误差;图4(e)为关节3轨迹跟踪性能,图4(f)为关节3轨迹跟踪误差。
根据图4仿真结果可知,两种控制器都有较好的跟踪控制性能,但在开始阶段,改进控制器具有较快的响应速度,收敛性能也优于参考控制器,并且跟踪误差也比较小,更能满足机器人步行足运动关节对快速性和精度的要求,验证了改进控制器的有效性。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法,其特征在于,包括以下步骤:
S1、针对两栖仿蟹多足机器人建立机器人步行足动力学模型:
式中:为集总不确定性,θ∈R3、分别表示机器人步行足关节角度、关节角速度、关节角加速度矢量;其中M0(θ)、g0(θ)为模型已知标称部分,分别表示正定惯性矩阵、科氏力和离心力项、重力和浮力项产生的恢复力项,ΔM(θ)、Δg(θ)对应为建模误差导致的不确定部分,Fs(θ)为机器人受到的地面广义反力项,τd为海流扰动,τ为期望控制力/力矩输入,sat(·)为饱和函数;
S2、基于两栖仿蟹多足机器人步行足动力学模型,确定自适应有限时间干扰观测器:
自适应有限时间干扰观测器如下:
由式自适应有限时间干扰观测器和干扰误差可得:
自适应律为:
其中,γ、δ是正常数;
S3、利用辅助***处理输入饱和的影响,辅助***如下:
式中,ζ=(ζ1,ζ2,ζ3)T为辅助***的状态向量,A=diag{ai}3×3、B=[b1,b2,b3]T为参数矩阵及参数向量,其中ai>0,bi>0,i=1,2,3;sgn(ζ)=(sgn(ζ1),sgn(ζ2),sgn(ζ3))T,sgn(·)为符号函数;P=diag{||pi||}3×3,其中pi为控制增益矩阵M0 -1的第i行;
S4、利用基于输入饱和下基于自适应有限时间干扰观测器AFTDO的快速终端滑模控制器对机器人步行足运动进行控制;
所述的基于输入饱和下基于自适应有限时间干扰观测器AFTDO的快速终端滑模控制器如下:
τ=τ0+τ1+τ2
τ2=-M0(θ)(Aζ+B+σ0Psgn(ζ))
7.根据权利要求1至6之一所述的一种两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法,其特征在于,所述针对两栖仿蟹多足机器人建立机器人步行足动力学模型的过程包括以下步骤:
首先构建机器人机械臂动力学模型:
式中,θ∈R3、分别表示机器人步行足关节角度、关节角速度、关节角加速度矢量;M(θ)=M0(θ)+ΔM(θ),g(θ)=g0(θ)+Δg(θ);其中M0(θ)、g0(θ)为模型已知标称部分,ΔM(θ)、Δg(θ)代表建模误差导致的不确定部分,Fs(θ)为机器人受到的地面广义反力项,τd为海流扰动;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110217281.6A CN112987770B (zh) | 2021-02-26 | 2021-02-26 | 两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110217281.6A CN112987770B (zh) | 2021-02-26 | 2021-02-26 | 两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112987770A true CN112987770A (zh) | 2021-06-18 |
CN112987770B CN112987770B (zh) | 2021-09-28 |
Family
ID=76351117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110217281.6A Active CN112987770B (zh) | 2021-02-26 | 2021-02-26 | 两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987770B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202372A (zh) * | 2022-09-19 | 2022-10-18 | 泰州朵儿智能科技有限公司 | 一种基于足端力调节的仿生四足机器人控制***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105223808A (zh) * | 2015-06-24 | 2016-01-06 | 浙江工业大学 | 基于神经网络动态面滑模控制的机械臂***饱和补偿控制方法 |
CN107203217A (zh) * | 2017-07-26 | 2017-09-26 | 江苏科技大学 | 一种基于滑模控制的水下机器人姿态调节控制*** |
CN206960964U (zh) * | 2017-07-26 | 2018-02-02 | 江苏科技大学 | 一种基于滑模控制的水下机器人姿态调节控制*** |
CN109564406A (zh) * | 2016-08-03 | 2019-04-02 | 孟强 | 一种自适应终端滑模控制方法 |
CN110007604A (zh) * | 2019-05-14 | 2019-07-12 | 哈尔滨工程大学 | 基于滑模技术的有缆水下机器人海底定点着陆饱和控制方法 |
CN111438691A (zh) * | 2020-04-15 | 2020-07-24 | 哈尔滨工程大学 | 仿生六足机器蟹控制*** |
CN111846009A (zh) * | 2020-08-03 | 2020-10-30 | 哈尔滨工程大学 | 一种水下多足仿生蟹机器人多足协同容错控制方法 |
-
2021
- 2021-02-26 CN CN202110217281.6A patent/CN112987770B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105223808A (zh) * | 2015-06-24 | 2016-01-06 | 浙江工业大学 | 基于神经网络动态面滑模控制的机械臂***饱和补偿控制方法 |
CN109564406A (zh) * | 2016-08-03 | 2019-04-02 | 孟强 | 一种自适应终端滑模控制方法 |
CN107203217A (zh) * | 2017-07-26 | 2017-09-26 | 江苏科技大学 | 一种基于滑模控制的水下机器人姿态调节控制*** |
CN206960964U (zh) * | 2017-07-26 | 2018-02-02 | 江苏科技大学 | 一种基于滑模控制的水下机器人姿态调节控制*** |
CN110007604A (zh) * | 2019-05-14 | 2019-07-12 | 哈尔滨工程大学 | 基于滑模技术的有缆水下机器人海底定点着陆饱和控制方法 |
CN111438691A (zh) * | 2020-04-15 | 2020-07-24 | 哈尔滨工程大学 | 仿生六足机器蟹控制*** |
CN111846009A (zh) * | 2020-08-03 | 2020-10-30 | 哈尔滨工程大学 | 一种水下多足仿生蟹机器人多足协同容错控制方法 |
Non-Patent Citations (2)
Title |
---|
TIANYI ZENG: "Adaptive Finite-Time Disturbance Observer Based Sliding mode control for Dual-motor Driving System", 《HINDAWI》 * |
付明玉等: "带输入饱和的欠驱动水面船参数自适应滑模控制", 《哈尔滨工程大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202372A (zh) * | 2022-09-19 | 2022-10-18 | 泰州朵儿智能科技有限公司 | 一种基于足端力调节的仿生四足机器人控制***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112987770B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Disturbance observer-based neural network control of cooperative multiple manipulators with input saturation | |
CN112904728B (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
Rsetam et al. | Design of robust terminal sliding mode control for underactuated flexible joint robot | |
Fareh et al. | Robust active disturbance rejection control for flexible link manipulator | |
CN110347044B (zh) | 一种考虑输出约束的pmsm混沌***神经网络动态面控制方法 | |
CN111650832B (zh) | 一种水下多足步行机器人机械足姿态跟踪控制方法 | |
Wang et al. | Dynamic output feedback fault tolerant control for unmanned underwater vehicles | |
CN107831655A (zh) | 微陀螺仪的分数阶自适应反演模糊滑模控制方法 | |
CN110471438B (zh) | 一种刚性飞行器的固定时间自适应姿态跟踪控制方法 | |
CN108267952B (zh) | 一种水下机器人自适应有限时间控制方法 | |
CN113589689B (zh) | 一种基于多参数自适应神经网络的滑模控制器设计方法 | |
CN110501911A (zh) | 一种考虑执行器受限问题的刚性飞行器自适应固定时间姿态跟踪控制方法 | |
CN111880409A (zh) | 一种基于数据驱动的自主水下航行器轨迹跟踪控制方法 | |
Sun et al. | Neural network-based fixed-time tracking control for input-quantized nonlinear systems with actuator faults | |
CN112987770B (zh) | 两栖仿蟹多足机器人步行足抗饱和有限时间运动控制方法 | |
CN113093547B (zh) | 一种基于自适应滑模和差分进化的空间机器人控制方法 | |
CN109108964B (zh) | 一种基于自适应动态规划Nash博弈的空间机械臂协调控制方法 | |
CN113219825B (zh) | 一种四足机器人单腿轨迹跟踪控制方法及*** | |
Mustafa et al. | Adaptive backstepping sliding mode control based on nonlinear disturbance observer for trajectory tracking of robotic manipulator | |
CN113110512A (zh) | 一种减弱未知干扰与抖振影响的可底栖式auv自适应轨迹跟踪控制方法 | |
CN111590561A (zh) | 一种分布式机械臂***鲁棒预设性能控制方法 | |
CN116068901A (zh) | 一种基于自适应有限时间扰动观测器的柔性连杆机械臂控制方法 | |
Ma et al. | Trajectory tracking control for autonomous underwater vehicle with disturbances and input saturation based on contraction theory | |
Czakó et al. | Novel method for quadcopter controlling using nonlinear adaptive control based on robust fixed point transformation phenomena | |
Zhuang et al. | Fixed-time coordinated attitude tracking control for spacecraft formation flying considering input amplitude constraint |
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 |