论文部分内容阅读
随着工业4.0以及智能制造的提出,掀起了模块化机械臂的研究高潮。模块化机械臂由统一标准的物理和电气接口的关节和连杆等构成,可自主的改变构型完成不同工作任务的需要。因此,模块化机械臂广泛应用于执行任务非单一、工作环境复杂的工作环境中,其传感器、执行器和其他电子部件不可避免的发生故障,且不能够人为的干预,接下来将会产生重大的财产损失,甚至于人员伤亡等重大事故。因此对于模块化机械臂系统设计容错控制系统来保障模块化机械臂系统在故障发生后依旧能够保持一定的控制性能具有重要的理论和实际意义。另外,对于模块机械臂控制系统,结合最优控制理论,在本着提高控制精度并优化能源消耗方面的研究也具有重大且深远的意义。从目前资料来看,结合最优控制思想,对于多故障并发的模块化机械臂进行故障容错控制方法的研究并不多见,也不够深入。本文针对模块化机械臂多故障并发的情形,提出了一种基于自适应动态规划的最优容错控制方法,主要研究了基于自适应动态规划(Adaptive dynamic programming,ADP)多传感器故障的模块化机械臂最优容错控制方法、传感器和执行器故障并发下基于ADP的模块化机械臂最优容错控制方法。全文的主要内容如下:(1)指出了课题的研究背景与意义,对模块化机械臂的研究现状、容错控制和自适应动态规划的理论知识进行了综述。(2)基于模块化机械臂的模块化属性,结合牛顿欧拉迭代算法求出了动力学模型,并分别给出了传感器故障和执行器故障的模块化机械臂动力学表示形式。(3)针对多传感器故障的模块化机械臂系统,首先通过微分同胚原理并结合一阶滤波器获得扩展系统,基于ADP理论和设计的故障观测器,提出了一种多故障并发的模块化机械臂最优容错控制器的设计方法。基于故障观测器估计的传感器函数设计性能指标函数,将容错控制问题转化为最优控制问题,设计的控制率由名义控制率和近似最优控制率两部分构成。另外结合了神经网络的通用逼近性进行最优性能指标的逼近,并通过单网络结构的评价网络结构进行在线迭代学习,获得最优容错控制率。(4)针对传感器和执行器故障并发模块化机械臂系统,设计一阶滤波器将传感器故障转化为伪执行器故障,结合自适应故障器的观测值设计性能指标函数,获得Hamilton-Jacobi-Bellman(HJB)方程。结合ADP理论知识,求模块化机械臂最优容错控制率表达形式,在此基础上结合神经网络知识设计在线迭代算法,求得我们设计的最优容错控制率,最后,通过仿真实验对所提出的算法的有效性进行了进一步证明。