机器人系统状态观测器的设计与仿真.pdf

《机器人系统状态观测器的设计与仿真.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第12期计算机仿真2013年12月文章编号：1006—9348(2013)12—0326一04机器人系统状态观测器的设计与仿真姜寅令，于镝(东北石油大学，黑龙江大庆163318)摘要：研究平面刚性机器人系统的状态观测优化问题。为了改善传统的LueIlbe玛”观测器的精度，针对观测器对观测对象模型依赖较大及局部线性化模型的满意工作区间只在工作点附近等同题，设计了一种神经网络的龙伯格型状态观测器(NN—LueIlberger)。神经网络部分用来估计运动模态的导数，可作为运动模态的估计误差，并且采用带修正项的误差反传算法进行训练，以

2、保证跟踪的精度和权值的有界。利用bapunov直接法保证观测误差系统的收敛性。最后将其应用于二关节机器人系统的运动状态观测，仿真结果表明了优化设计的观测器的有效性和使用性。关键词：机器人系统；人工神经网络；状态观测器中图分类号：7I睨42文献标识码：BDesignandSimlllationofStateObserVerforI沁boticMalliplllatorsJIANGYin—ling，YU—Di(NortheastPetroleumUIliversity，DaqingHeilon舀iar喝163318，China)ABSTR

3、ACT：nestateobservationofmboticmanipulatorswasconsideredinthispaper．Inordertoimprovethetra-ditionalLueIlbergerobsenrerwhichdependsonthemodelaccumcyl盯gely舳dtheloca：Ⅱylinearizedmodelworkssat—isfactorilyoIllyintlleneighb(Irhoodoftlleopemtingpoint，aLuenberger—type(NN—Lllenbe

4、rger)obsewerbasedtllerleuralnetworkwasdesigned．Theneuralne椭Ⅻrk’sirlputsweretheestimationen．0rsofm撕∞modes，theoulputswer；et

5、leestimationvaluesofmotionmodalderivative，andtheen．orcorrectionte珊was妇ined讯thbackpmpagation8lg。五thminordertoensuretheaccuracyandthewei曲tsofthebounde

6、dtracking．0bseⅣationermrconvergeneewasrealizedb鹊edonLyapunovstabihtytIleory．ThedfectivenessoftheresuhherepresentedwasiⅡustratedbyasimula-tionofmeobsenrerfor山ePendu_botand眦underactuated伽。一jointmallipulator．KEYWO砌)s：Roboticm锄iplllalors；Neuralnetwork；0bsenrer1引言在传统的机器人控制当中

7、，反馈线性化理论是常用的控制方法，但这通常需要状态可测。然而，在实际中，一般可以测量的只有系统的输入与输出，系统的状态向量是不可测量的。若采用传感器来获取速度和位置信息，不仅加大了系统控制的复杂度，增加了成本，且系统性能受到传感器检测精度的影响⋯。多关节机器人系统是非线性强耦合系统，在机器人系统状态观测中，其难点是运动模态、尤其是运动模态的导数难获得。传统的LueIlbelger观测器和卡尔曼滤波器是最受欢迎的线性观测器口】，其在机器人系统的状态估计中也得到了较广泛的研究。然而，用Luenberger方法设计的机器人系统收稿日期：20

8、13一02—25修回日期：2013一03—15—326一状态观测器中，含有运动模态的导数项，这就导致了系统对于微小变化非常敏感。为了克服这一问题，文献[3]中，将运动模态做了有界假设，或定义成饱和函数。但是用这种线性化技术来处理非线性问题是存在缺陷的。因此，针对上述问题，本文以文献[4]给出的刚性机器人系统模型为研究对象，对关节的运动模态的导数项采用了神经网络估计，设计了一种基于神经网络的隆伯格型观测器(NN—Luenberger)状态观测器。设计的神经网络为三层前馈网络，利用估计误差的反向传播进项训练∞J。为进一步考虑其它问题(如鲁

9、棒性等)提供了方便，利用madab／simIllink进行了仿真，仿真结果说明了本文的设计方法简单有效，能够为实际应用提供理论支持。2系统描述本文考虑的N关节刚性机器人的名义模型可用下式表示：肘(g)面+c(g，i)香+