基于bp神经网络的机器人容错控制 fault tolerance control robot manipulators based on bp neural network.pdfVIP

《电气自动化)2007年第29卷第6期 机器人技术 RobotTechnics 基于BP神经网络的机器人容错控制六 FaultToleranceControlRobot BasedonBPNeural Manipulators (Lanzhou 730050，China)LiErchaoLiWei UniversityofTechnology,Lanzhou 摘要：提出一种基于神经网络的机器人故障检测系统结构，给出在线学习逼近机器人标称模型的故障检测方法。控制系统可运行于两 种工作模式：系统正常时，采用常规计算力矩控制器；有故障发生时，引入补偿控制来削弱故障影响，保障系统的正常运行。对机 器人的仿真控制结果表明，设计的控制策略在机器人发生故障时，不仅能够继续完成预定工作任务而且还保证了跟踪精度，表明 了该方案的有效性。 关键词：故障检测容错控制机器人神经网络 Abstract：Afaultdetectionandfaulttolerantcontrol forrobotis control canrl／nintwomodels：common algorithm presented．Thesystem controllerisinusewhen is reducethe controlisintroducedto effectsoffaultsand torque systemnormal，otherwise，compensative the of faultsOCCUr．Thecontrol abovecannot the guaranteeperformance strategy system，when presented onlycomplete missionsbutalso a keephighlytrackingaccuracy． detectionfault robotneuralnetwork Keywords：fault tolerancecontrol [中图分类号】TP242．6【文献标识码】A【文章编号】1000．3886(2007)06．0024—02 1 引言 在复杂的应用环境中，如航天、核工业、危害化学品和深海等 q、q分别表示关节角度、角速度、角加速度。 场合，机器人发生故障而又不便及时修复，这时不仅对机器人系统 正常机械手操作的离散模型为 可靠性的要求更高，同时也对机器人提出容错要求。最近几年，具 q(k+1)=q(k)+Tq(k) 有容错能力的机器人的研究得到高度重视，并得到越来越广泛和 q(^+1)=q(＆)+TM一1(q(k))× 深入的研究¨“。 (2) 以往的机器人故障诊断方案都用到了线性标称机器人模型， 其中，r为采样周期；k为采样系数。 故障被模拟为外部附加的输入信号，由于机器人系统的故障需要 受到突变扰动的机械手运动模型为 非线性建模，而采用线性技术的故障模型会导致模拟误差。这样， q(k+1)=q(k)+Tq(k) 可能引起故障诊断性能下降。此外，系统故障常常会引起系统性 能不可预料的非