基于自适应动态规划的可重构机械臂事件触发分散控制方法研究

Taking the number and type of module joints, as well as connection orientation into account, an Assembly incidence matrix set is established to satisfy specific task requirements. In order to minimize the degree of freedoms and energy consumption, the joint optimization method for configuration matching and movements of module joints is presented by directed graph and dynamic programming theories. By virtue of local input/output data and recurrent neural networks, the data-assisted module joint dynamic model of reconfigurable manipulators is constructed. A performance satisfied event-triggered generator is designed based on Lyapunov small gain theorem. With the help of it, decentralized control schemes are proposed for reconfigurable manipulators with/without actuator saturation by employing adaptive dynamic programming and event-triggered control theorem. To trade off the system robustness and the fault sensitivity, the event-triggered robust adaptive threshold generator is designed for a less conservation. Consider unknown abrupt saturation faults of actuators and sensors as saturated nonlinear functions, feed-forward compensators are established by adaptive neural networks to reconfigure decentralized control as active fault tolerant control laws. By adopting numerical simulation and experiments of reconfigurable manipulators are utilized to demonstrate the effectiveness and rationality of the proposed schemes. From the point of energy consumption minimization, the project is not only expected to propose new theoretical control schemes, but also enhance the intelligence and autonomous of reconfigurable manipulators, which make great significance in applications.

考虑模块关节数量、模块类型与连接方位，建立满足特定任务需求的装配关联矩阵集。以自由度与能耗最小为优化目标，采用有向图论与动态规划方法，研究匹配构形与模块关节运动轨迹联合优化方法。采用局部输入/输出数据与递归神经网络，构建数据辅助的可重构机械臂模块关节的动力学模型。基于Lyapunov小增益原理建立满足控制性能的事件触发器。采用自适应动态规划与事件触发控制理论，研究可重构机械臂执行器无/有饱和约束的分散控制方法。兼顾系统鲁棒性与故障敏感性，设计保守性小的事件触发鲁棒自适应阈值发生器。将执行器、传感器未知突变饱和故障视为饱和非线性函数，采用自适应神经网络对其估计，并设计前馈补偿器进而进行主动容错控制。采用数值仿真与平台实验结合的方式验证所提方法的有效性与合理性。本项目从能量消耗最优的角度出发，不仅为可重构机械臂的控制方法提出新的理论方法，还增强其智能性与自主性，使其更具工程应用意义。

可重构机械臂由标准化的模块通过变换构形与自由度组合构成，可适应不同工况环境，从而满足现代化制造业高开放性和易移植性的要求。项目以可重构机械臂系统的运动学与动力学为出发点，研究可重构机械臂的建模、优化与控制方法，解决了构形匹配与模块关节轨迹联合最优规划、数据辅助的模块关节系统模型校正、基于自适应动态规划的事件触发分散控制、故障诊断与容错控制等问题。.本项目以自适应动态规划及事件驱动理论为基础，以可重构机械臂的能耗优化控制为主要目标进行研究。首先，建立了满足不同物理参数的机械臂关节模块及连杆模块需求的构形联结矩阵集，并结合最优化准则提出了考虑环境约束的匹配构形与运动轨迹规划方法。通过对谐波传动装置的耦合柔度与滞回属性进行分析，提出了面向任务约束的可重构机械臂关节设计方案与拓扑结构优化方法。其次，利用采集的局部传感器测量信息和径向基函数神经网络对实时输入/输出数据进行学习，构建了基于局部量测的可重构机械臂子关节模块的动力学模型。然后，结合优化思想构建了控制目标的性能指标函数，引入了事件触发机制，并利用自适应动态规划算法和评价神经网络近似求解了哈密尔顿方程，从而得到了非周期性更新下分散最优控制策略。接下来，实现了基于自适应动态观测器的实时未知故障估计，研究了基于强化学习的分散控制策略与执行器饱和故障下主动容错控制。最后，提出了多故障并发下可重构机械臂最优容错控制方法，建立了显含代价因子的事件触发鲁棒自适应阈值发生器，解决了输出受限下的可重构机械臂自学习优化控制、主动容错控制及分散最优容错控制等问题。.项目执行过程中收获了丰富的研究成果，在国内外权威学术期刊和会议上发表及录用学术论文49篇，其中，SCI论文29篇，EI论文20篇；授权发明专利5项；培养博士研究生7名，硕士研究生29名。在理论上，本项目促进了可重构机械臂控制方法的完善，拓宽了优化控制理论的应用范围，推动了机器人系统事件触发控制、容错控制理论的发展。在应用上，本项目将理论成果应用到项目组开发的可重构机械臂系统中进行了实验研究，验证并改进理论方法与技术方案，为今后复杂结构机器人及大型工程机械的实际应用提供切实可行的依据方案。