本發(fā)明涉及智能控制與機器人，具體涉及一種用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法。
背景技術(shù)：
1、隨著機器人技術(shù)的飛速發(fā)展，機械臂在工業(yè)生產(chǎn)中的巨大潛力已獲得廣泛認(rèn)可。多機械臂系統(tǒng)作為機械臂應(yīng)用的高級延伸，通過協(xié)同作業(yè)極大提高了工作效率、擴展了工作能力，并顯著增強了系統(tǒng)的冗余性與容錯性，在協(xié)同搬運、精密裝配以及動態(tài)目標(biāo)搜索與追蹤等復(fù)雜任務(wù)中展現(xiàn)出巨大潛力。在多機械臂系統(tǒng)的應(yīng)用中，多采用競爭協(xié)同的控制策略。具體來說，該策略的核心是一個實時決策器，決策器依據(jù)動態(tài)準(zhǔn)則（如與目標(biāo)的距離、關(guān)節(jié)角度、關(guān)節(jié)速度）持續(xù)評估所有機械臂的狀態(tài)，采用贏者通吃（wta）或其廣義形式（kwta）算法，選擇出最優(yōu)的一個或k個機械臂作為贏者執(zhí)行任務(wù)，其余的機械臂保持待命狀態(tài)。這種競爭機制，極大地提升了系統(tǒng)的工作效率，節(jié)約資源。
2、然而，多機械臂系統(tǒng)在控制時不可避免的存在噪聲。目前噪聲抑制網(wǎng)絡(luò)的設(shè)計均基于噪聲類型事先已知的假設(shè)前提，然而在實際場景中，噪聲往往具有不可預(yù)測性，現(xiàn)有的方案在實際工程應(yīng)用中表現(xiàn)不佳。據(jù)此，提出一種基于神經(jīng)動力學(xué)自適應(yīng)抗擾網(wǎng)絡(luò)，用于解決各種隨機噪聲的干擾。由于該網(wǎng)絡(luò)僅支持集中式運算，進(jìn)一步地，通過將該網(wǎng)絡(luò)與分布式一致性估計器相結(jié)合，本發(fā)明提出了一種基于神經(jīng)動力學(xué)自適應(yīng)抗擾的分布式多機械臂競爭協(xié)同控制方法，能夠分布式控制多機械臂系統(tǒng)篩選出最接近目標(biāo)的k個機械臂，其余機械臂保持待命狀態(tài)以等待后續(xù)任務(wù)，顯著降低了系統(tǒng)整體功耗。這些優(yōu)勢對于實際生產(chǎn)中有極大的現(xiàn)實意義。綜上所述，本發(fā)明具有新穎性和實用性。
技術(shù)實現(xiàn)思路
1、針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供了一種用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法。
2、為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：
3、一種用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法，包括如下步驟：
4、s1.?獲取目標(biāo)對象的位置信息和機械臂末端執(zhí)行器的位置信息；
5、s2.?基于所述位置信息，計算每個機械臂與目標(biāo)對象的距離作為輸入向量；
6、s3.?應(yīng)用k贏者通吃操作到所述輸入向量，選擇前k個最接近目標(biāo)的機械臂作為最優(yōu)機械臂；
7、s4.?通過神經(jīng)動力學(xué)在線求解器求解與所述選擇對應(yīng)的優(yōu)化問題，并結(jié)合自適應(yīng)噪聲學(xué)習(xí)器進(jìn)行噪聲估計和補償；
8、s5.?通過分布式一致性估計器實現(xiàn)多機械臂間的分布式信息協(xié)同；
9、s6.?根據(jù)所述選擇結(jié)果，控制選中機械臂的關(guān)節(jié)速度以完成目標(biāo)追蹤任務(wù)。
10、進(jìn)一步的，所述k贏者通吃操作為：
11、；
12、式中，為輸入向量的第個元素，其作為基于神經(jīng)動力學(xué)自適應(yīng)抗擾的分布式多機械臂競爭協(xié)同任務(wù)中用于最優(yōu)機械臂選擇的輸入信息；為輸出向量的第個元素，表示機械臂是否被用于執(zhí)行任務(wù)的開關(guān)信息指令；表示贏者通吃操作，其成立條件為：
13、條件1：如果屬于輸入向量中的前個最大元素，此時相應(yīng)的輸出元素，該機械臂用于執(zhí)行任務(wù)；
14、條件2：反之輸出元素，該機械臂保持靜止?fàn)顟B(tài)，等待再次調(diào)用。
15、進(jìn)一步的，所述s3包括：
16、s31、比較輸入向量中所有元素的值；
17、s32、選擇值最大的前k個元素對應(yīng)的機械臂；
18、s33、將選中機械臂的輸出設(shè)置為1，表示執(zhí)行任務(wù)，未選中機械臂的輸出設(shè)置為0，表示保持待命。
19、進(jìn)一步的，所述s4包括：
20、s41、將k贏者通吃選擇問題轉(zhuǎn)化為一個二次規(guī)劃問題，其中目標(biāo)函數(shù)最小化選擇變量與輸入向量的加權(quán)差，約束條件為總選中機械臂數(shù)等于k且選擇變量在0到1之間；
21、s42、將所述二次規(guī)劃問題等價轉(zhuǎn)化為線性變分不等式問題，通過引入原始-對偶變量和輸入約束向量構(gòu)建不等式條件；
22、s43、使用分段線性投影算子處理變量邊界，確保解在可行域內(nèi)；
23、s44、構(gòu)建零化神經(jīng)動力學(xué)在線求解器，通過微分方程動態(tài)驅(qū)動解收斂，實時求解所述變分不等式問題；
24、s45、引入自適應(yīng)噪聲學(xué)習(xí)器，基于求解器誤差信號動態(tài)估計系統(tǒng)噪聲，并通過狀態(tài)變量更新進(jìn)行實時補償，提升抗擾能力。
25、進(jìn)一步的，所述s5包括：
26、s51、各機械臂與通信鄰居交換局部估計信息；
27、s52、計算機械臂局部估計值的動力學(xué)，基于鄰居差異和內(nèi)部狀態(tài)更新；
28、s53、通過所述局部估計逼近全局約束條件，實現(xiàn)分布式協(xié)同決策。
29、進(jìn)一步的，所述s6包括：
30、s61、基于前向運動學(xué)原理，使用雅可比矩陣將關(guān)節(jié)空間映射到任務(wù)空間，計算機械臂關(guān)節(jié)速度；
31、s62、應(yīng)用分段函數(shù)約束關(guān)節(jié)速度在預(yù)設(shè)最小值和最大值之間，確保運動安全；
32、s63、根據(jù)選中機械臂的開關(guān)信號，控制對應(yīng)機械臂的關(guān)節(jié)速度，驅(qū)動末端執(zhí)行器追蹤目標(biāo)。
33、本發(fā)明具有以下有益效果：
34、本發(fā)明基于神經(jīng)動力學(xué)自適應(yīng)抗擾網(wǎng)絡(luò)，用于解決各種隨機噪聲的干擾。由于該網(wǎng)絡(luò)僅支持集中式運算，通過將該網(wǎng)絡(luò)與分布式一致性估計器相結(jié)合，本發(fā)明提出了一種基于神經(jīng)動力學(xué)自適應(yīng)抗擾的分布式多機械臂競爭協(xié)同控制方法，能夠分布式控制多機械臂系統(tǒng)篩選出最接近目標(biāo)的k個機械臂，其余機械臂保持待命狀態(tài)以等待后續(xù)任務(wù)，顯著降低了系統(tǒng)整體功耗。這些優(yōu)勢對于實際生產(chǎn)中有極大的現(xiàn)實意義。
1.一種用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法，其特征在于，所述k贏者通吃操作為：
3.根據(jù)權(quán)利要求1所述的用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法，其特征在于，所述s3包括：
4.根據(jù)權(quán)利要求1所述的用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法，其特征在于，所述s4包括：
5.根據(jù)權(quán)利要求1所述的用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法，其特征在于，所述s5包括：
6.根據(jù)權(quán)利要求1所述的用于分布式多機械臂系統(tǒng)競爭協(xié)同控制的自適應(yīng)抗擾方法，其特征在于，所述s6包括：