买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种基于混合观测器的机械臂容错跟踪控制方法，步骤如下：1、建立考虑系统动力学不确定性和执行器故障的机械臂系统；2、建立机械臂系统的固定时间滑模面；3、根据建立的机械臂系统的固定时间滑模面，建立机械臂系统的神经网络增强估计函数；4、根据建立的考虑系统动力学不确定性和执行器故障的机械臂系统、机械臂系统的固定时间滑模面和机械臂系统的神经网络增强估计函数，建立机械臂系统的混合观测器；5、建立基于混合观测器的机械臂容错跟踪控制器；6、将所建立的基于混合观测器的机械臂容错跟踪控制器输入到考虑系统动力学不确定性和执行器故障的机械臂系统中，即实现机械臂系统各关节快速且准确的轨迹跟踪控制，本发明方法面对系统动力学不确定性和执行器故障因素的干扰，具有很好的鲁棒性。

主权项：1.一种基于混合观测器的机械臂容错跟踪控制方法，其特征在于：包括如下步骤：步骤一，建立考虑系统动力学不确定性和执行器故障的机械臂系统，表示为： 其中，x和v分别为机械臂系统的关节角度向量和关节角速度向量，和分别为x和v的导数，fx,v为机械臂系统的系统动力学不确定性,gx为机械臂系统的控制增益矩阵，u为基于混合观测器的机械臂容错跟踪控制器，为机械臂系统的执行器总故障，ρ和χ分别为机械臂系统的执行器乘性故障系数和加性故障系数，满足0≤|ρ|≤1，χ为任意实数；步骤二，根据建立的考虑系统动力学不确定性和执行器故障的机械臂系统，建立机械臂系统的固定时间滑模面，表示为： 其中，s为机械臂系统的固定时间滑模面，机械臂系统的关节角度向量观测误差为机械臂系统的关节角度向量观测值，为e1经过一阶微分器后的微分，β1和β2为固定时间滑模面的增益系数矩阵，β1和β2均为对角正定矩阵，sig2e1和为固定时间终端滑模面的滑模组成项，对于任意维向量θ，θ1,…,θn为向量θ的各个分量，κ0，sig函数满足步骤三，根据建立的机械臂系统的固定时间滑模面，建立机械臂系统的神经网络增强估计函数，表示为： 其中，为机械臂系统的神经网络权重，为机械臂系统的神经网络权重的转置，K1和K2为神经网络增强估计函数的增益矩阵，神经网络输入φzw为机械臂系统的神经网络基函数,表示为： 其中，m为神经网络层数，σj为第j个神经网络基函数宽度，cj为第j个神经网络基函数网络中心，S1zw,…,Smzw为机械臂系统的神经网络基函数在每一层神经网络的组成项，为了更新机械臂系统的神经网络权重，神经网络的自适应率表示为： 其中，为机械臂系统的神经网络权重的范数，对称正定矩阵Γ为偏置神经网络的学习率；步骤四，根据建立的考虑系统动力学不确定性和执行器故障的机械臂系统、机械臂系统的固定时间滑模面和机械臂系统的神经网络增强估计函数，建立机械臂系统的混合观测器，表示为： 其中，和分别为混合观测器对机械臂系统的关节角度向量x和关节角速度向量v的观测值，和分别为和的导数，为混合观测器的扩展状态变量，为的导数，β3，β4和β5为混合观测器的增益矩阵，和为混合观测器的组成项；步骤五，根据建立的机械臂系统的神经网络增强估计函数和建立的机械臂系统的混合观测器，建立基于混合观测器的机械臂容错跟踪控制器，表示为： 其中，xd和分别为机械臂系统的关节角度预定轨迹和关节角速度预定轨迹，为的导数，μ1，μ2和μ3均为基于混合观测器的机械臂容错跟踪控制器的增益系数，sig2r和为基于混合观测器的机械臂容错跟踪控制器的组成项，r为机械臂系统的跟踪误差，表示为： 步骤六，将所建立的基于混合观测器的机械臂容错跟踪控制器输入到考虑系统动力学不确定性和执行器故障的机械臂系统中，即实现机械臂系统各关节快速且准确的轨迹跟踪控制，并面对系统动力学不确定性和执行器故障因素的干扰，具有很好的鲁棒性。

全文数据：

权利要求：

百度查询： 西安交通大学 基于混合观测器的机械臂容错跟踪控制方法