刚性臂执行器饱和.docxVIP

输入力矩幅值及幅值率受限的空间机器人模糊径向基神经网络控制。。。。。1 引言图1漂浮基空间机器人2系统模型描述由文献【】可得载体位置不控，姿态受控的漂浮基空间机器人系统动力学方程为（1）其中，为对称、正定质量矩阵，为包含科氏力、离心力的3阶列向量，为载体姿态及2个转动铰的控制力矩，为系统的广义坐标列向量。对任意的非零矢量，满足。图1中各符号的意义参见文献【】设控制力矩的幅值范围为幅值率范围为。其中为第个输入力矩幅值及幅值率的上下限，假设该值已知。则输入受限模型描述如下（2）其中，。为较小的采样时间间隔。注1：式（2）采用有限差分法，将输入力矩的幅值率受限条件转化为输入力矩受限的条件，并与给定输入幅值受限条件相比较以获得每个采样时刻的动态幅值范围，即。控制目标为在系统参数未知、执行器输出控制力矩又工作在幅值及幅值率均受限的情况下，空间机器人载体姿态及机械臂关节铰稳定地跟踪期望轨迹。设为空间机器人载体姿态及机械臂关节铰的期望轨迹，跟踪误差定义为。为探讨自适应模糊神经滑模控制器的设计，先假设系统模型已知。定义滑膜面正定对角矩阵。时间求导，则系统动力写方程可写为（3）基于Lyapunov稳定性理论可设计得理想的滑模控制器【】（4）对称正定矩阵。显然理想的滑模控制器难以精确获得，为此下文采用模糊RBF网络逼近。3 模糊RBF网络结构利用RBF神经网络与模糊系统相结合，构成模糊RBF网络。设模糊RBF网络的输入为，输出为，各层功能表示如下：输入层：起着将输入变量传到下一层的作用。模糊化层：隶属度函数采用高斯函数，分别为第输入变量第个模糊集合的隶属函数均值和标准差，即模糊推理层：通过各个模糊节点的组合得到各条模糊规则的匹配度。采用乘积运算，即。其中，为第个输入的模糊化层节点数。输出层：（5）其中为网络输出的权值。4 自适应模糊RBF滑模控制器设计根据模糊神经网络逼近理论，存在一个最优的模糊RBF网络来逼近（6）其中为未知的理想参数矩阵；为逼近误差，满足。设计系统控制律（7）式中为的估计值，定义估计误差为。设计网络输出权值的自适应律（8-a）（8-b）其中；为设计参数。定理1：漂浮基空间机器人在控制律（7）及自适应律（8）的作用下，可保证闭环控制系统渐进稳定，信号跟踪误差收敛到有限区间内，且每个采样时刻的控制输入力矩限制在式（2）中动态幅值范围，即输入力矩限制在给定的幅值及幅值率。证明：式（3）加减可得（9）定义Lyapunov函数（10）对时间求导可得（11）其中。当输入力矩在动态幅值范围内，即，有。带入控制律（8-a）可得（11）当时带入自适应律（8-a）可得（12）当时，带入控制律（8-b）可得（13）因假设，有，因此上式为（14）可看出（11）（12）（14）形式一样，为节省空间仅分析（11）式由不等式。（11）式可重新写为（15）其中，因此可得（16）其中，Lyapunov函数（10）满足下面条件（17）说明是一致有界，收敛于区间注2：自适应律（8）中引入是为了提高控制器的鲁棒性，保证的有界。5仿真分析以作平面运动的漂浮基空间机械臂系统为例。设系统参数如下：载体的参数，，；机械臂1的参数：，，，；机械臂2的参数：，。输入力矩幅值及幅值率的上下限设为。载体姿态及关节较的期望运动规律为（单位：rad）仿真时初始值为。仿真时间为10s。模糊RBF网络的输入变量为，第个输入变量的隶属函数的中心矢量与高斯基宽度矢量分别为系统控制律参数如下。图2 轨迹跟踪及控制力矩输入不考虑输入受限的情况，网络输出权值的一般自适应律为，自适应律的参数与式（8）一样。仿真结果为图3 不考虑受限，一般自适应律的仿真结果图4 考虑受限，一般自适应律的仿真结果图。。结论。。。6 总结7 参考文献