賈鶴鳴 金博聞

摘要 針對采摘機(jī)械臂的位置終端的精確控制問題，提出了一種將自適應(yīng)神經(jīng)網(wǎng)絡(luò)與滑?？刂葡嘟Y(jié)合的控制策略。首先通過神經(jīng)網(wǎng)絡(luò)來估計(jì)系統(tǒng)模型中的不確定性，提出了一種具有神經(jīng)網(wǎng)絡(luò)補(bǔ)償作用的滑模控制器，基于李雅普諾夫穩(wěn)定性理論證明了閉環(huán)系統(tǒng)的穩(wěn)定性，并改善了系統(tǒng)的動(dòng)態(tài)性能。仿真試驗(yàn)表明，該控制方法能夠有效地削弱抖振現(xiàn)象，具有很好的魯棒性和動(dòng)態(tài)特性。

關(guān)鍵詞 采摘機(jī)械臂；位置跟蹤；滑?？刂?；自適應(yīng)神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào) S225 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2014）26-09214-02

Adaptive Neural Network Sliding Mode Control of Picking Manipulators

JIA He-ming et al

（College of Mechanical and Electrical Engineering， Northeast Forestry University， Harbin， Heilongjiang 150040）

Abstract Aiming at the accurate tracking problem of picking manipulator position terminal， a control strategy is proposed based on integrating adaptive neural networks with sliding-mode control （SMC）. Firstly， neural network is used to estimate the uncertainties of the system model. Based on Lyapunov stability theorem， the structure of sliding-mode controller compensated by neural network is designed. So the stability of the system is guaranteed and the dynamic performance of the system is improved. The simulation results illustrate that the proposed method can reduce the phenomenon of chattering in effect， and have good robustness and dynamic performance.

Key words Picking manipulators； Position tracking； Sliding mode control； Adaptive neural network

東北地區(qū)林業(yè)堅(jiān)果種植地域廣泛，其生產(chǎn)規(guī)模也呈現(xiàn)多元化格局，具有較多的品類、較長的收獲采摘周期等特點(diǎn)。但目前堅(jiān)果多半以手工進(jìn)行采摘，拾摘期短，勞動(dòng)強(qiáng)度較大，受采摘人力不足的制約，每年一到采摘季節(jié)，需要雇傭大量勞動(dòng)力進(jìn)行勞作，僅人工費(fèi)用就高達(dá)數(shù)百萬元，且往往因勞動(dòng)力不足延長了采摘周期，錯(cuò)過了堅(jiān)果的最佳采摘時(shí)機(jī)。因此，適時(shí)收獲和低成本收獲是增加收入的有效方法^[1]，而采摘機(jī)器人機(jī)械臂的終端位置控制精度的提高是實(shí)現(xiàn)上述效率采摘堅(jiān)果目標(biāo)的合理方法。

采摘機(jī)械臂的模型中一般會(huì)包含非線性不確定項(xiàng)和未知的外界環(huán)境干擾，模型的不確定性因素會(huì)導(dǎo)致控制器無法對被控對象進(jìn)行有效控制，針對上述問題國內(nèi)許多學(xué)者提出了相應(yīng)的解決方法^[2-4]。作為一種廣泛應(yīng)用的魯棒控制方法，滑模控制可有效解決控制系統(tǒng)中得模型不確定性問題^[5-7]?；？刂剖峭ㄟ^不斷改變切換的動(dòng)作，使系統(tǒng)狀態(tài)到達(dá)期望設(shè)定的滑模面，并通過等效控制器的設(shè)計(jì)使系統(tǒng)狀態(tài)保持在滑模面上。但是在實(shí)際系統(tǒng)中，傳統(tǒng)滑模控制可能會(huì)面臨許多問題，如實(shí)際系統(tǒng)中，系統(tǒng)將不可避免地出現(xiàn)模型參數(shù)攝動(dòng)，從而無法獲得系統(tǒng)的精確參數(shù)，導(dǎo)致無法精確得到等效控制器。為解決這類問題，文獻(xiàn)[8]采用多層神經(jīng)網(wǎng)絡(luò)在線辨識(shí)系統(tǒng)等效控制量；文獻(xiàn)[9]采用一個(gè)多層神經(jīng)網(wǎng)絡(luò)來逼近系統(tǒng)不確定性，從而獲得系統(tǒng)的等效控制器。

結(jié)合神經(jīng)網(wǎng)絡(luò)和滑?？刂频奶攸c(diǎn)，針對采摘機(jī)械臂系統(tǒng)的不確定性和外界干擾問題，提出了一種基于神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)滑模控制結(jié)合的混合控制策略，即通過神經(jīng)網(wǎng)絡(luò)來估計(jì)系統(tǒng)中存在的不確定性，并利用Lyapunov穩(wěn)定性理論設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)算法，從而保證了閉環(huán)系統(tǒng)的穩(wěn)定性、改善了系統(tǒng)的動(dòng)態(tài)性能。仿真實(shí)驗(yàn)表明，該控制方法能夠有效地削弱機(jī)械臂傳統(tǒng)滑?？刂浦械亩墩瘳F(xiàn)象，具有很好的魯棒性和動(dòng)態(tài)特性。

1 采摘機(jī)械臂模型

采摘機(jī)械臂的動(dòng)力學(xué)方程一般可表示為

2 基于模糊滑模的機(jī)械臂控制設(shè)計(jì)

2.1 系統(tǒng)不確定性估計(jì)算法

為了解決傳統(tǒng)滑模控制存在的不足，提出了一種基于神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)幕？刂破?。設(shè)計(jì)并選擇RBF神經(jīng)網(wǎng)絡(luò)逼近機(jī)械臂系統(tǒng)的總體不確定性Fd，從而在無需系統(tǒng)精確模型參數(shù)的情況下，使采摘機(jī)械臂的終端控制仍然具有良好的性能，則系統(tǒng)的不確定性可描述為：

4 仿真試驗(yàn)

為了驗(yàn)證所提出的方法的有效性和優(yōu)越性，以平面兩自由度關(guān)節(jié)機(jī)械臂為對象進(jìn)行仿真試驗(yàn)驗(yàn)證。針對采摘機(jī)械臂的模型，機(jī)械臂的期望跟蹤路徑設(shè)定為

1.0+0.2cos（πt）和1.0+0.2sin（πt）。

在MATLAB軟件環(huán)境下進(jìn)行仿真，所選擇的控制參數(shù)如下：

仿真中，取λ=diag[10 20]；神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率η=0.5；K=diag（400 200）；采樣周期為0.01 s。

圖1和2分別為兩關(guān)節(jié)的軌跡跟蹤曲線和速度跟蹤曲線。從圖1和2可以看出，利用基于神經(jīng)網(wǎng)絡(luò)的滑?？刂品椒墒沟貌烧獧C(jī)械臂的位置和速度信息能夠快速的到達(dá)期望狀態(tài)，具有較高的跟蹤精度和動(dòng)態(tài)性能，具有一定的工程實(shí)用價(jià)值。

5 結(jié)論

將神經(jīng)網(wǎng)絡(luò)和滑?？刂葡嘟Y(jié)合，利用神經(jīng)網(wǎng)絡(luò)來補(bǔ)償系統(tǒng)的不確定性，提出了一種基于神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)幕？刂撇呗?。通過李雅普諾夫穩(wěn)定性理論來推導(dǎo)滑?？刂破骱蜕窠?jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)率，保證了閉環(huán)系統(tǒng)的漸進(jìn)穩(wěn)定性，并將其運(yùn)用于采摘機(jī)械臂的軌跡跟蹤控制中。最后的仿真試驗(yàn)表明，該控制策略有效地削弱了抖振現(xiàn)象，具有很強(qiáng)的抗干擾能力，是一種較好的機(jī)械臂軌跡跟蹤控制方法。

參考文獻(xiàn)

[1] 陳欣成.農(nóng)墾農(nóng)機(jī)化工作與農(nóng)機(jī)更新?lián)Q代的一些思路[J].農(nóng)村機(jī)械化，1998（3）：21-22.

[2] 馮青春，紀(jì)超，張俊雄，等.黃瓜采摘機(jī)械臂結(jié)構(gòu)優(yōu)化與運(yùn)動(dòng)分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（S1）：244-248.

[3]

李偉，李吉，張俊雄，等.蘋果采摘機(jī)器人機(jī)械臂優(yōu)化設(shè)計(jì)及仿真[J].北京工業(yè)大學(xué)學(xué)報(bào)，2009，35（6）：721-726.

[4] 唐志國，李元春，姜日花.機(jī)械臂協(xié)調(diào)操作柔性負(fù)載自適應(yīng)模糊滑?？刂芠J].吉林大學(xué)學(xué)報(bào)：工學(xué)版，2011，41（2）：484-490.

[5] 高為炳.變結(jié)構(gòu)控制理論基礎(chǔ)[M].北京：中國科學(xué)技術(shù)出版社，1990.

[6] 胡躍明.變結(jié)構(gòu)控制理論與應(yīng)用[M].北京：科學(xué)出版社，2003.

[7] KAYNAK O，ERBATUR K，ERTUGRUL M.The Fusion of Computationally Intelligent Methodologies and Sliding-Mode Control-A Survey[J].IEEE Trans Ind Electron，2001，48（1）：4-17.

[8] 賈鶴鳴，宋文龍，郭婧.基于神經(jīng)網(wǎng)絡(luò)滑模的采摘機(jī)械臂控制設(shè)計(jì)[J].吉林大學(xué)學(xué)報(bào)：工學(xué)版，2012（5）：709-913.

[9] 賈鶴鳴，宋文龍，郭少彬，等.基于神經(jīng)網(wǎng)絡(luò)的機(jī)械臂自適應(yīng)輸出反饋控制設(shè)計(jì)[J].應(yīng)用科學(xué)學(xué)報(bào)，2013，31（4）：427-433.

[10] 張文輝，齊乃明.自適應(yīng)神經(jīng)變結(jié)構(gòu)的機(jī)器人軌跡跟蹤控制[J].控制與決策，2011，26（4）：597-601.