一种基于模态切换的机器人双边遥操作对称预测控制方法

摘要

本发明涉及一种基于模态切换的机器人双边遥操作对称预测控制方法，基于神经网络技术(其中神经网络的估计能力用来估计不确定重力项，而预测能力用来构建预测器内核)、自适应理论(用来消除各项估计和预测误差)、同态模型预测思想(是与测测输出需要满足的附加条件，用来提高预测精度)以及比例微分控制算法(用来设计主、从端控制器)，提出一种基于模态(“运动‑等待模态”和“预测器模态”)切换的对称预测控制策略，实现主从端机器人的稳定、实时、连续、精确同步控制，完成预期的遥操作任务。

权利要求

1.一种基于模态切换的机器人双边遥操作对称预测控制方法，其特征在于步骤如下：步骤1：

1、建立主、从端机器人的动力学模型其中，下标m和s分别表示机器人双边遥操作系统的主端和从端，qm和qs分别表示主端和从端机器人关节角位移， 和 分别表示主端和从端机器人关节角速度， 和 分别表示主端和从端机器人关节角加速度，Mm(qm)和Ms(qs)分别表示主端和从端机器人对称正定惯性矩阵， 和 分别表示主端和从端机器人的离心力和哥氏力项，Gm(qm)和Gs(qs)分别表示主端和从端机器人的重力项，τm和τs分别表示主端和从端机器人的控制力矩，Fh和Fe分别表示操作者和环境的作用力；

所述操作者和环境的作用力分别表示为如下：其中km0、km1、km2、ks0、ks1和ks2均为任意给定的正定常数；

2、未知、不确定重力项估计：

假定主端和从端机器人的重力项Gm(qm)和Gs(qs)均是未知、不确定的，采用BRF神经网络对它们进行估计，对应的表达式如下：其中， 和 分别表示Gm(qm)和Gs(qs)的估计值， 和 分别是主、从端神经网络参数θm和θs的估计值，Lm(qm)和Ls(qs)是主、从端RBF神经网络对应的径向基函数；

由于主端和从端机器人的重力项Gm(qm)和Gs(qs)的大小，可能因为结构或者环境的改变而发生变化；所以，为了提高对它们的估计精度，对主、从端的RBF神经网络分别设计相应的自适应律如下：其中， 和 分别表示θm和θs的估计误差，Γm和Γs分别为任意给定的对称正定矩阵；

步骤2、构建主、从端预测器：

(a)主、从端预测器预测输出：

其中， 和 分别表示主端和从端预测器的预测输出， 和 分别是主端和从端预测器参数ws和wm的预测值， 和 是主端和从端预测器对应的预测函数， 和 分别表示主端和从端预测器预测输出误差；主、从端预测器预测输出 和 需满足的条件：主端机器人对应的同态模型：

从端机器人对应的同态模型：

其中， 和 分别表示主端和从端机器人对应的同态模型的对称正定惯性矩阵， 和 分别表示主端和从端机器人对应的同态模型的离心力和哥氏力项， 和 分别表示主端和从端机器人对应的同态模型的重力项 和 的估计值， 和分别表示主端和从端机器人对应的同态模型的控制力矩，和 分别表示对应的同态模型中操作者和环境的作用力；

(b)为主、从预测器设计对应的自适应律为：其中， 和 分别表示wm和ws的估计误差，且分别为 θm和θs分别为任意给定的对称正定矩阵；

步骤3：

1、主、从控制器设计

“运动-等待模态”控制器设计

其中，αm，βm，αs和βs为待求解的控制器参数；

“预测器模态”控制器设计

其中，αm，βm，αs和βs为待求解的控制器参数；

2、模态切换机制

在机器人双边遥操作系统开始运行时，系统中所有的切换开关连接至触点1，也即此时系统工作于“运动-等待模态”，该模态一直持续到主、从端的预测器的预测误差均小于设定的期望值；

当主、从端的预测误差均小于设定的期望值时，然后再将所有的切换开关都连接至触点2，也即此时系统工作于“预测器模态”并一直保持到系统停止工作。

说明书

一种基于模态切换的机器人双边遥操作对称预测控制方法

技术领域

[0001] 本发明属于机器人控制技术领域，涉及一种基于模态切换的机器人双边遥操作对称预测控制方法。

背景技术

[0002] 以遥操作技术为基础和核心的机器人双边遥操作系统，可实现人在本地端而对远端目标的操作，大大延伸和扩展了人类的操作能力，可进行包括遥端控制系统的零部件更换与维护、遥端目标捕获与抓取、核原料的更换、远程医疗等众多人类无法或不便于亲身参与的任务。基于机器人遥操作系统执行远端控制与操作任务，可避免其直接执行危险的操作任务以及提高工作效率和精度，这些特点也使它成为了机器人领域中一种非常有前景的控制系统，并得到了极大地关注和发展。

[0003] 典型的机器人双边遥操作系统主要由操作者，主端机器人，主从通信链路，从端机器人和从端环境五部分依次互联组成。它的整体运行和工作机制为：第一步，主端的操作者将控制信息传给主端机器人。第二步，主端机器人依据接收到来自操作者的控制信息作出相应的动作，并经由上行通信链路将这些动作信息(主要包括位置、角度和速度等)传给从端机器人。第三步，从端机器人按照接收到的来自主端机器人的动作信息，重复、再现主端机器人的动作，并作用于从端环境中的操作目标。第四步，利用各类传感器测量从端机器人的动作信息。并通过下行通信链路反馈给主端操作者。第五步，操作者对接收到反馈动作信息和原来主端机器人的动作信息进行比较、分析和判断，以发出下一步的控制命令。循环执行前面的步骤，最终使得从端机器人能够跟随主端机器人执行同样的操作并完成指定的控制和操作任务。

[0004] 机器人双边遥操作系统中时延(包括传输时延和处理时延等)的存在，导致信号不能实时传输，进而使得主端和从端机器人出现了动作的不同步以及偏差，这大大降低了系统的操作和控制性能，甚至导致系统最终趋于不稳定。因此能否消除时延对机器人双边遥操作系统的影响，直接影响系统的控制性能和关系任务的成败。所以，设计先进的控制策略克服时延系统的影响成为了机器人遥操作技术的研究重点。然而无论是无源控制、变结构控制还是模糊自适应控制等控制方法都只能降低而无法彻底解决时延的影响，因为时延始终存在于系统控制回路中。但是基于状态预报的控制方法则能较好的避开时延对控制回路的影响，将克服时延对系统影响的问题转换为克服预测误差对系统影响的问题，因为控制回路中用到的所有的存在时滞的信息均被对应的预测信息替代，所以彻底避开了时延的影响。只要预测精度足够高，预测误差的影响就能彻底克服，也意味着时延的影响被彻底地消除。所以，预测控制将成未来机器人遥操作技术中的一个重要发展方向。此外，由于机器人系统是一种典型的非线性系统，所以建模存在许多的不确定性。而且针对机器人双边遥操作系统，由于远端环境的未知性，所以它还存在重力项的不确定性等问题。

发明内容

[0005] 要解决的技术问题

[0006] 为了避免现有技术的不足之处，本发明提出一种基于模态切换的机器人双边遥操作对称预测控制方法，由于神网络技术和模糊数学理论均可用于处理系统的不确定性，在这里采用神经网络技术来实现不确定重力项的估计，最终补偿和消除重力项对系统的影响。

[0007] 本发明基于神经网络技术、自适应理论、同态模型预测思想以及比例微分控制算法，针对“主从通信链路存在非对称、时变时延”、“主从端机器人动力学建模存在未知、不确定重力项”等问题的机器人双边遥操作系统，设计了一个基于模态(“运动-等待模态”和“预测器模态”)切换对称预测控制方法，以期彻底克服非对称、时变时延和未知、不确定重力项的影响，实现稳定、实时、连续、精确的主从同步控制，完成既定的遥操作任务。

[0008] 技术方案

[0009] 一种基于模态切换的机器人双边遥操作对称预测控制方法，其特征在于步骤如下：

[0010] 步骤1：

[0011] 1、建立主、从端机器人的动力学模型

[0012]

[0013]

[0014] 其中，下标m和s分别表示机器人双边遥操作系统的主端和从端，qm和qs分别表示主端和从端机器人关节角位移， 和 分别表示主端和从端机器人关节角速度， 和 分别表示主端和从端机器人关节角加速度，Mm(qm)和Ms(qs)分别表示主端和从端机器人对称正定惯性矩阵， 和 分别表示主端和从端机器人的离心力和哥氏力项，Gm(qm)和Gs(qs)分别表示主端和从端机器人的重力项，τm和τs分别表示主端和从端机器人的控制力矩，Fh和Fe分别表示操作者和环境的作用力；

[0015] 所述操作者和环境的作用力分别表示为如下：

[0016]

[0017]

[0018] 其中km0、km1、km2、ks0、ks1和ks2均为任意给定的正定常数；

[0019] 2、未知、不确定重力项估计：

[0020] 假定主端和从端机器人的重力项Gm(qm)和Gs(qs)均是未知、不确定的，采用BRF神经网络对它们进行估计，对应的表达式如下：

[0021]

[0022]

[0023] 其中， 和 分别表示Gm(qm)和Gs(qs)的估计值， 和 分别是主、从端神经网络参数θm和θs的估计值，Lm(qm)和Ls(qs)是主、从端RBF神经网络对应的径向基函数；

[0024] 由于主端和从端机器人的重力项Gm(qm)和Gs(qs)的大小，可能因为结构或者环境的改变而发生变化。所以，为了提高对它们的估计精度，对主、从端的RBF神经网络分别设计相应的自适应律如下：

[0025]

[0026]

[0027] 其中， 和 分别表示θm和θs的估计误差，Γm和Γs分别为任意给定的对称正定矩阵；

[0028] 步骤2、构建主、从端预测器：

[0029] (a)主、从端预测器预测输出：

[0030]

[0031]

[0032] 其中， 和 分别表示主端和从端预测器的预测输出， 和 分别是主端和从端预测器参数ws和wm的预测值， 和 是主端和从端预测器对应的预测函数， 和 分别表示主端和从端预测器预测
输出误差。主、从端预测器预测输出 和 需满足的条件：

[0033] 主端机器人对应的同态模型：

[0034] 从端机器人对应的同态模型：

[0035] 其中， 和 分别表示主端和从端机器人对应的同态模型的对称正定惯性矩阵， 和 分别表示主端和从端机器人对应的同态模型的离心力和
哥氏力项， 和 分别表示主端和从端机器人对应
的同态模型的重力项 和 的估计值， 和
分别表示主端和从端机器人对应的同态模型的控制力矩，
和 分别表示对应的同态模型中操作者和环境
的作用力。

[0036] (b)为主、从预测器设计对应的自适应律为：

[0037]

[0038]

[0039] 其中， 和 分别表示wm和ws的估计误差，且分别为和 分别为任意给定的对称正定矩阵；

[0040] 步骤3：

[0041] 1、主、从控制器设计

[0042] “运动-等待模态”控制器设计

[0043]

[0044]

[0045] 其中，αm，βm，αs和βs为待求解的控制器参数；

[0046] “预测器模态”控制器设计

[0047]

[0048]

[0049] 其中，αm，βm，αs和βs为待求解的控制器参数；

[0050] 2、模态切换机制

[0051] 在机器人双边遥操作系统开始运行时，系统中所有的切换开关连接至触点1，也即此时系统工作于“运动-等待模态”，该模态一直持续到主、从端的预测器的预测误差均小于设定的期望值；

[0052] 当主、从端的预测误差均小于设定的期望值时，然后再将所有的切换开关都连接至触点2，也即此时系统工作于“预测器模态”并一直保持到系统停止工作。

[0053] 有益效果

[0054] 本发明提出的一种基于模态切换的机器人双边遥操作对称预测控制方法，针对“主从通信链路存在非对称、时变时延”、“主从端机器人动力学建模存在未知、不确定重力项”等问题的机器人双边遥操作系统的主从端同步控制方法。基于神经网络技术(其中神经网络的估计能力用来估计不确定重力项，而预测能力用来构建预测器内核)、自适应理论(用来消除各项估计和预测误差)、同态模型预测思想(是与测测输出需要满足的附加条件，用来提高预测精度)以及比例微分控制算法(用来设计主、从端控制器)，提出一种基于模态(“运动-等待模态”和“预测器模态”)切换的对称预测控制策略，实现主从端机器人的稳定、实时、连续、精确同步控制，完成预期的遥操作任务。

附图说明

[0055] 图1：基于模态切换的对称预测控制方法实现稳定、实时、连续、精确控制的机器人双边遥操作系统框架图

具体实施方式

[0056] 现结合实施例、附图对本发明作进一步描述：

[0057] 图1给出了基于模态切换的对称预测控制方法实现稳定、实时、连续、精确控制的机器人双边遥操作系统框架图，对应的实现步骤如下：

[0058] 步骤1：给出主、从端机器人的动力学模型，并对不确定性进行估计；

[0059] 步骤2：构建主、从端预测器，实现对称预测控制；

[0060] 步骤3：设计分别对应于“运动-等待模态”和“预测器模态”的主、从端控制器，并制定基于模态切换的机制。最终，综合上面的工作形成基于模态切换的对称预测控制方法。

[0061] 步骤1：

[0062] 该步骤主要工作是给出机器人双边遥操作系统中的主、从端动力学模型，并对未知、不确定重力项进行估计。

[0063] (1)主、从端机器人动力学模型：

[0064] 结合图1给出机器人双边遥操作系统中的主、从端机器人动力学模型：

[0065]

[0066] 其中，下标m和s分别表示机器人双边遥操作系统的主端和从端，对应的符号表示和意义已经在图1中给出。

[0067] 利用二阶质量-弹簧-阻尼模型表示操作者和环境的作用力，且分别表示为如下：

[0068]

[0069] 其中km0、km1、km2、ks0、ks1和ks2均为正定常数。

[0070] (2)未知、不确定重力项估计：

[0071] 因为当有足够多的神经元时，RBF神经网络具备以任意精度逼近任意连续函数的能力。所以，在这里采用BRF神经网络来实现对未知、不确定的重力项进行估计，对应的表达式如下：

[0072]

[0073] 其中， 和 是神经网络参数θm和θs的估计值，Lm(qm)和Ls(qs)是径向基函数。

[0074] 由于估计误差的存在，所以利用自适应方法来实现参数的自适应调整，以期实现消除估计误差。自适应设计如下：

[0075]

[0076] 其中

[0077] 步骤2：

[0078] 该步骤主要构建主、从端预测器，其中主、从端预测器的架构保持一致，所以称之为“对称预测控制”。

[0079] 对称预测器设计：

[0080] (a)预测器内核(利用RBF神经网络的预测能力)

[0081]

[0082] 其中， 对应的自适应律为：

[0083]

[0084] 其中，

[0085] (b)同态模型(结合同态模型思想)

[0086]

[0087] 其中

[0088]

[0089]

[0090]

[0091]

[0092] (c) 和 的估计项(利用RBF神经网络的估计能力)

[0093]

[0094] 其中，该估计函数对应的RBF神经网络估计参数的自适应律为：

[0095]

[0096] 其中

[0097] 上述(a)、(b)和(c)三项综合给出了主、从预测器的设计方法，其中(a)给出了预测输出表达式，(b)和(c)则表示预测输出方程需要满足的条件，这样一种构建方式可极大提高预测精度。

[0098] 步骤3：

[0099] 该步骤主要工作是设计主、从控制器以及制定基于模态切换的切换策略。最终，综合上面的工作形成基于模态切换的对称预测控制方法。

[0100] (1)主、从控制器设计

[0101] 由于图1所示的机器人双边遥操作系统，分别工作于两个不同的模态：“运动-等待模态”和“预测器模态”。所以，设计在主、从控制设计时也分别以对应于“运动-等待模态”和“预测器模态”来划分。

[0102] “运动-等待模态”控制器设计

[0103]

[0104] “预测器模态”控制器设计

[0105]

[0106] (2)基于模态切换的切换机制

[0107] 模态切换机制：

[0108] 该步骤主要给出基于模态切换的切换机制，实现最大程度的利用机器人双边遥操作中的有限窗口时间并节省能源、资源。具体的模态切换机制如下：

[0109] 在图1所示的机器人双边遥操作系统开始运行时，图1中所有的切换开关(Switch)连接至触点1，此时系统工作于“运动-等待模态”，该模态一直持续到主、从端的预测器的预测误差均小于设定的期望值；

[0110] 当主、从端的预测误差均小于设定的期望值时，然后再将所有的切换开关(Switch)都连接至触点2，此时系统工作于“预测器模态”并一直保持到系统停止工作。