在动态模式识别及切换下的机械臂智能自主控制

Robotic manipulators are widely used in industrial production due to the high production efficiency and the durability. Sudden changes in manipulator missions without human intervention can undermine manipulators' control performance. Therefore, we try to establish a robot dynamic pattern recognition mechanism to monitor and autonomously identify the task mode to be executed in real time, and design the controller switching strategy, while ensuring that the constructed controller can restrain disturbances and the mechanical vibration...Based on learning from control, we intends to study the intelligent autonomous control method of robotic manipulators by using dynamic mode. Firstly, the dynamic models of manipulators are studied, and general modes under multiple ideal trajectories are established. Secondly, for the modes under different ideal trajectories, the weights of constant neural networks are constructed by using barrier Lyapunov functions, and the constant neural network controller is achieved based on dynamic modes. By using the constructed controller group, the predicting strategy under different ideal trajectories is investigated, and a method of dynamic mode identification of manipulators is studied. Then, the controller switching strategy based on dynamic modes is designed and the model verification is carried out. Finally, design online test platform to perfect the algorithm...The method enables robotic manipulators to acquire and utilize the experience knowledge from the complicated work tasks. It not only realizes the real-time monitoring, and rapidly autonomous recognition of the dynamic mode for the robot system without human intervention, but also ensures the smoothness of the input signal during the mode switching process.

机械臂由于其生产效率高和耐用性等优点，被广泛应用于工业生产。当任务在无法人为告知的情况下突然发生改变，将会破坏系统的控制性能。因此，本项目拟建立一个机械臂动态模式识别机制来实时监测和自主识别需要执行的任务模式，并设计控制器切换策略，同时保证设计的控制器能抑制扰动和机械振动。.基于从控制中学习机制，拟研究动态模式下的机械臂自主控制。首先，研究机械臂动力学模型，建立多个理想轨迹下的通用模式；其次，针对不同理想轨迹下的模式，借助障碍Lyapunov函数，构建常值神经网络权值和基于动态模式的控制器，以此提出不同理想轨迹下的预判策略和机械臂动态模式识别方法；然后，设计基于动态模式的控制器切换策略，并开展模型验证；最后,设计实验平台及验证。.该方法使机械臂可以从复杂的工作任务中获取和利用经验知识，不仅实现机械臂系统在无人干预的情况下对动态模式的实时监测，而且保证机械臂在模式切换过程中控制信号的光滑性。

机械臂作为机器人的重要分支，凭借其通用性强、稳定可靠、生产效率高、工作年限长以及降低生产成本等优点，被广泛应用于各个生产行业，例如机械加工、农业机械、医疗、焊接以及航天科技等等，以代替人力完成劳动强度大、安全风险高和操作环境复杂的工作。本项目主要解决了，机械臂系统在多任务模式下，能够实现动态模式的学习和多任务控制器下的自主切换。同时考虑控制信号突然发生改变时，完成光滑的切换并保证控制性能。因此，本项目针对机械臂控制开展了如下研究.（1）研究了复杂系统的跟踪控制问题，包括高阶系统、大尺度系统、随机系统、时间延迟系统等。要解决机械臂的动力学分析问题，即建立一个能够满足实际性能的精确的机械臂数学模型。这个工作是困难的，因此借用神经网络去解决未知的系统动态这一难题。机械臂模型具有非线性，大尺度，高阶特性，同时也需要考虑动态不确定性，随机扰动和时间延迟影响。.（2）研究了任意切换下的跟踪控制问题以及有限时间问题。多任务的控制器切换工作需要考虑控制信号的光滑性，即需要考虑系统的暂态性能。因此，预设性能控制的研究保证了暂态和稳态性能。有限时间也可以使得机械臂跟踪误差在固定时间内收敛到零域。.（3）研究了输出受限，输入非线性饱和、全状态受限问题。因为安全考虑，机械臂运动需要受限在固定空间，研究了障碍李雅普诺夫函数，并进一步引入了非线性转换函数，解决了虚拟控制变量需要满足的可行性条件问题。.（4）研究了机器人的调节发育网络模型，来模拟多智能体的神经调节系统，响应环境的突然变化，并指导其行为控制。.该项目的研究基于动态模式识别理论使得机械臂能够在复杂的控制任务中获取经验知识，并利用经验知识保证更好的工作效率和工作质量。.项目组发表基金标注科研论文9篇，其中SCI论文7篇，中文EI期刊论文2篇。本项目扩展了从控制中学习理论，为我国机械臂的智能自主控制方法提供关键技术储备。