本發(fā)明涉及機器人，特別涉及一種基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人。
背景技術(shù)：
1、穿刺機器人在實際的工作環(huán)境中，其控制精度往往會受到各種不確定因素的影響。比如機器人關(guān)節(jié)零件的磨損，潤滑環(huán)境的變化，動力學(xué)建模的誤差以及被穿刺物的活動。特別是穿刺機器人在刺破阻尼層的瞬間會發(fā)生巨大的阻尼變化。這些不確定因素一部分來自機器人系統(tǒng)內(nèi)部的擾動，一部分來自外界環(huán)境變化帶來的外部擾動。這些擾動將極大影響。
2、對于穿刺機器人這種非線性時變系統(tǒng)的控制，已有例如pid控制技術(shù)、滑模控制技術(shù)等多種控制技術(shù)。pid控制由于對動態(tài)模型的依賴程度低而得到了廣泛的應(yīng)用，但在非線性摩擦和外界干擾的情況下，pid控制效果并不理想。滑模控制容易產(chǎn)生抖振，影響控制精度。
技術(shù)實現(xiàn)思路
1、本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人，所述活撿機器人的控制系統(tǒng)包括：動力學(xué)模型構(gòu)建模塊、動力學(xué)模型分解模塊、第一魯棒控制器構(gòu)建模塊、穿刺誤差預(yù)測模塊、第二魯棒控制器構(gòu)建模塊和第三魯棒控制器控制模塊；
2、所述動力學(xué)模型構(gòu)建模塊，簡化穿刺機器人，建立穿刺機器人動力學(xué)模型；
3、所述動力學(xué)模型分解模塊，分解動力學(xué)模型，獲取標稱控制項、擾動控制項和外部穿刺擾動項；
4、所述第一魯棒控制器構(gòu)建模塊，根據(jù)標稱控制項和擾動控制控，構(gòu)建穿刺機器人第一魯棒控制器；
5、所述穿刺誤差預(yù)測模塊，以第一魯棒控制器控制穿刺機器人進行仿真阻尼層試驗穿刺，獲取穿刺時的控制誤差樣本數(shù)據(jù)；以誤差樣本數(shù)據(jù)訓(xùn)練徑向基神經(jīng)網(wǎng)絡(luò)模型，以訓(xùn)練完成的徑向基神經(jīng)網(wǎng)絡(luò)模型預(yù)測穿刺誤差；
6、所述第二魯棒控制器構(gòu)建模塊，結(jié)合第一魯棒控制器和穿刺誤差，構(gòu)建第二魯棒控制器；
7、所述第三魯棒控制器控制模塊，設(shè)計干擾觀測器，修正第二魯棒控制器，得到第三魯棒控制器用于穿刺機器人的控制。
8、本發(fā)明還開公開了一種基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，具體方法如下：
9、簡化穿刺機器人，建立穿刺機器人動力學(xué)模型；
10、分解動力學(xué)模型，獲取標稱控制項、擾動控制項和外部穿刺擾動項；
11、根據(jù)標稱控制項和擾動控制控，構(gòu)建穿刺機器人第一魯棒控制器；
12、以第一魯棒控制器控制穿刺機器人進行仿真阻尼層試驗穿刺，獲取穿刺時的控制誤差樣本數(shù)據(jù)；以誤差樣本數(shù)據(jù)訓(xùn)練徑向基神經(jīng)網(wǎng)絡(luò)模型，以訓(xùn)練完成的徑向基神經(jīng)網(wǎng)絡(luò)模型預(yù)測穿刺誤差；
13、結(jié)合第一魯棒控制器和穿刺誤差，構(gòu)建第二魯棒控制器；
14、設(shè)計干擾觀測器，修正第二魯棒控制器，得到第三魯棒控制器用于穿刺機器人的控制。
15、進一步地，所述穿刺機器人簡化為五個依次連接的活動關(guān)節(jié)，構(gòu)建穿刺機器人動力模型如下：
16、
17、其中，t∈r是時間，q∈rn是位置向量，是速度向量，是加速度向量，表示不確定參數(shù)，集合∑表示未知σ的可能界，τ(t)∈rn是控制輸入向量；此外m(q,σ,t)表示慣性矩陣，表示科里奧利/離心項矩陣，g(q,σ,t)表示重力，表示關(guān)節(jié)間的摩擦力，函數(shù)m(·)、v(·)、g(·)、f(·)是連續(xù)的。
18、進一步地，分解動力學(xué)模型，獲取標稱控制項和擾動控制項，具體如下：
19、
20、其中為標稱部分，δm、δv、δg、δf為擾動項，τd穿刺外部擾動。
21、進一步地，構(gòu)建穿刺機器人第一魯棒控制器，具體如下：
22、
23、
24、p＝diag[kpi]5×5
25、d＝diag[kvi]5×5
26、其中τ1為輸出控制轉(zhuǎn)矩，kpi、kvi為基于傳統(tǒng)pid控制器的比例系數(shù)與微分系數(shù)，γ為一個大于0的恒定常數(shù)，∈＞0為一個任意的設(shè)計參數(shù)。
27、進一步地，所述訓(xùn)練徑向基神經(jīng)網(wǎng)絡(luò)模型，具體如下：
28、以試驗穿刺時，穿刺機器人針尖傳感器采集到的位置、速度和力反饋信息，輸入輸入層；
29、隱藏層通過高斯函數(shù)作為激活函數(shù)，對輸入層的輸出進一步處理；
30、輸出層線性輸出隱藏層神經(jīng)元的輸出，并輸出結(jié)果。
31、進一步地，構(gòu)建第二魯棒控制器，具體如下：
32、
33、進一步地，將穿刺誤差ε視為混合擾動的一部分，設(shè)計穿刺誤差的干擾觀測器，具體如下：
34、
35、其中，z∈r2，是對誤差ε的估計，非線性函數(shù)為增益矩陣。
36、進一步地，構(gòu)建第三魯棒控制器，具體如下：
37、
38、類似地，本發(fā)明還公開了一種存儲介質(zhì)，存儲有若干指令，處理器加載指令以執(zhí)行上述基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法。
39、本發(fā)明的其他優(yōu)點、目標和特征在某種程度上將在隨后的說明書中進行闡述，并且在某種程度上，基于對下文的考察研究對本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實踐中得到教導(dǎo)。本發(fā)明的目標和其他優(yōu)點可以通過下面的說明書實現(xiàn)和獲得。
1.一種基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人，其特征在于，所述活撿機器人的控制系統(tǒng)包括：動力學(xué)模型構(gòu)建模塊、動力學(xué)模型分解模塊、第一魯棒控制器構(gòu)建模塊、穿刺誤差預(yù)測模塊、第二魯棒控制器構(gòu)建模塊和第三魯棒控制器控制模塊；
2.一種基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，具體方法如下：
3.如權(quán)利要求2所述的基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，所述穿刺機器人簡化為五個依次連接的活動關(guān)節(jié)，構(gòu)建穿刺機器人動力模型如下：
4.如權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，分解動力學(xué)模型，獲取標稱控制項和擾動控制項，具體如下：
5.如權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，構(gòu)建穿刺機器人第一魯棒控制器，具體如下：
6.如權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，所述訓(xùn)練徑向基神經(jīng)網(wǎng)絡(luò)模型，具體如下：
7.如權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，構(gòu)建第二魯棒控制器，具體如下：
8.如權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，將穿刺誤差ε視為混合擾動的一部分，設(shè)計穿刺誤差的干擾觀測器，具體如下：
9.如權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法，其特征在于，構(gòu)建第三魯棒控制器，具體如下：
10.一種存儲介質(zhì)，其特征在于，存儲有若干指令，處理器加載指令以執(zhí)行權(quán)利要求1至9任意一項所述基于神經(jīng)網(wǎng)絡(luò)與非線性觀測器的穿刺機器人的出廠設(shè)置方法。