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：广州大学

摘要：本发明提供了一种带死区的单连杆机械臂系统的全状态约束控制方法，该方法包括以下步骤：S1、对单连杆机械臂系统进行建模，得到单连杆机械臂系统的数学模型；S2、根据单连杆机械臂的结构特性，将得到的单连杆机械臂系统的数学模型转换成状态方程；S3、根据单连杆机械臂系统的系统误差，设计第一虚拟控制律α1、和第一自适应律S4、设计单连杆机械臂系统相对阈值事件触发机制；S5、设计第二虚拟律α2、第二自适应律和在线估计未知系统参数本发明设计自适应事件触发机制对输入死区进行动态补偿，以减少通信资源的占用，并利用障碍李雅普诺夫函数保证系统所有状态不违反预定义的约束区间。

主权项：1.一种带死区的单连杆机械臂系统的全状态约束控制方法，其特征在于，包括以下步骤：S1、对单连杆机械臂系统进行建模，得到单连杆机械臂系统的数学模型；S2、根据单连杆机械臂的结构特性，将得到的单连杆机械臂系统的数学模型转换成状态方程；S3、根据单连杆机械臂系统的系统误差，设计第一虚拟控制律α1和第一自适应律S4、设计单连杆机械臂系统相对阈值事件触发机制；S5、设计第二虚拟律α2、第二自适应律和在线估计未知系统参数其中，所述S1中，单连杆机械臂系统的数学模型如下： 其中，J是转动惯量，B是摩擦阻尼系数，m是连杆质量，g是重力加速度，l是连杆长度，ut是输入转矩，qt是关节角，是关节角速度，是关节角加速度，t表示时刻；其中，所述S2中，由于机械的结构特性，考虑输入死区的数学模型如下：Du＝cu+d其中，u表示控制输入；c1、c2、d1和d2均为常数，且c10和c20分别表示所建数学模型形成的曲线在负半轴和正半轴上的未知斜率、d10和d20，d1和d2均表示未知的转折点；特别地，所述S2中，对单连杆机械臂系统的数学模型1进行坐标变换可得到： 其中，x1＝qt，x1和x2均表示系统状态；表示x1的导数；表示x2的导数；y表示系统输出；表示系统不确定部分；其中，所述S3中，单连杆机械臂的系统误差为： 其中，ξ1为跟踪误差，ξ2是虚拟控制误差，α1是第一虚拟控制律，ym为期望信号；引入一个未知的正参数来估计未知组合部分其中||·||表示二范数；表示ym的一阶导数；X1表示输入向量，且参数θ1通过估计，为参数θ1的估计值，最终估计误差定义为因此，利用神经网络逼近处理φ1X1的表达式如下： 其中，为神经网络的理想未知权重向量，且m为正整数；表示的转置；为神经网络的基函数向量，且m为正整数；m为神经网络的节点数，且m1；f1X1表示神经网络的逼近误差，满足|f1X1|μ1，且μ1是大于零的常数；特别地，所述S3中，第一虚拟控制律α1和第一自适应律设计如下： 其中，表示的转置，J、τ1、h、z1、s1、a1、r1和σ1均为常数，且0J1，τ10，z10，s10，a10，r10，σ10；表示转换误差，且o1为大于零的第一设计参数；其中，所述S4中，对实际控制输入ut进行设计，借助相对阈值事件触发机制来减轻系统的通信负担，事件触发机制设计如下： 其中η、ε、λ、均为正的设计参数，且满足η0、ε0、0λ1、k为整数。inf{·}表示下确界；tk为第k个触发时刻；tk+1为第k+1个触发时刻，且tk0，tk+10，k∈Z+；表示事件触发控制输入；et表示测量误差，且表示中间控制律；表示转换误差，且o2为大于零的第二设计参数；其中，所述S5中，引入一个未知的正参数来估计未知组合部分φ2X2，其中，||·||表示二范数，X2表示输入向量，且参数θ2通过估计，为参数θ2的估计量，最终估计误差定义为因此，利用神经网络逼近处理φ2X2的表达式如下： 其中，为神经网络的理想未知权值向量，且m为正整数；表示的转置；为神经网络的基函数向量，且m为正整数；m为神经网络的节点数，且m1；f2X2表示神经网络的逼近误差，满足|f2X2|μ2，且μ2为大于零的常数；特别地，所述S5中，根据第二误差变量ξ2及利用神经网络逼近处理未知不确定部分，通过反步控制技术以及障碍李雅普诺夫函数构造第二虚拟控制律α2，同时生成自适应参数和并根据自适应参数设计自适应律；其中，第二虚拟控制律α2，中间控制律和自适应参数满足如下计算式： Ω＝[α2，1]T 表示的转置，J、τ2、h、z2、s2、a2、r2、σ2与ζ均为常数，且0J1，τ20，z20，s20，a20，r20，σ20，ζ0；表示的转置，Ω为1*2矩阵；在实际应用中，由于参数难以获取数值，这不易于控制器的设计；为克服上述问题，引入估计参数来估计表示估计误差，且其中和的估计值分别为和

全文数据：

权利要求：

百度查询： 广州大学 一种带死区的单连杆机械臂系统的全状态约束控制方法