陳慶誠(chéng) 朱世強(qiáng) 蔣 瑜 劉松國(guó)

(1.上海市特種設(shè)備監(jiān)督檢驗(yàn)技術(shù)研究院， 上海 200062； 2.浙江大學(xué)流體動(dòng)力與機(jī)電系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 杭州 310027;3.杭州市國(guó)家電子商務(wù)產(chǎn)品質(zhì)量檢測(cè)處置中心， 杭州 310051)

液壓外骨骼機(jī)器人非線性模糊滑?？刂品椒?/p>

陳慶誠(chéng)1朱世強(qiáng)2蔣 瑜1劉松國(guó)3

(1.上海市特種設(shè)備監(jiān)督檢驗(yàn)技術(shù)研究院， 上海 200062； 2.浙江大學(xué)流體動(dòng)力與機(jī)電系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 杭州 310027;3.杭州市國(guó)家電子商務(wù)產(chǎn)品質(zhì)量檢測(cè)處置中心， 杭州 310051)

針對(duì)液壓外骨骼機(jī)器人系統(tǒng)建模困難的問(wèn)題，提出一種利用自適應(yīng)模糊逼近方法來(lái)實(shí)現(xiàn)對(duì)滑模等效控制的逼近，不需要對(duì)機(jī)器人的未知參數(shù)進(jìn)行預(yù)先估計(jì)，同時(shí)設(shè)計(jì)可調(diào)參數(shù)的自適應(yīng)調(diào)節(jié)律，增強(qiáng)系統(tǒng)的魯棒性，引入一種類勢(shì)能函數(shù)設(shè)計(jì)具有非線性積分項(xiàng)的滑模面,當(dāng)誤差較大時(shí)，積分效應(yīng)適當(dāng)減弱，防止產(chǎn)生較大的超調(diào)量；當(dāng)誤差較小時(shí)，積分效應(yīng)適當(dāng)增強(qiáng)，減小穩(wěn)態(tài)誤差。利用李雅普諾夫方法論證了該閉環(huán)控制系統(tǒng)的穩(wěn)定性，并使用模糊切換方法來(lái)消除滑?？刂贫墩瘛Ｗ詈?，對(duì)液壓助力外骨骼機(jī)器人系統(tǒng)進(jìn)行軌跡跟蹤及外干擾實(shí)驗(yàn)，結(jié)果驗(yàn)證了該方法的有效性，控制輸出能快速平穩(wěn)地跟隨參考位置信號(hào)，且具有一定抗干擾能力。

液壓助力外骨骼機(jī)器人； 非線性滑?？刂?； 直接自適應(yīng)模糊控制； 抖振

引言

在機(jī)器人的運(yùn)動(dòng)控制中，通常需要考慮系統(tǒng)的結(jié)構(gòu)參數(shù)攝動(dòng)及外部的干擾問(wèn)題，主要體現(xiàn)為參數(shù)不確定性(摩擦參數(shù)變化、負(fù)載變化等)和非參數(shù)不確定性(建模誤差、外界擾動(dòng)等)[1-3]。液壓外骨骼機(jī)器人由液壓方式驅(qū)動(dòng)，考慮到液壓管路-伺服閥-油缸系統(tǒng)的復(fù)雜程度，其模型參數(shù)辨識(shí)困難，外部干擾等不確定因數(shù)較為復(fù)雜?；Ｗ兘Y(jié)構(gòu)控制對(duì)模型誤差和外部干擾具有較好的魯棒性，可以削弱由于數(shù)學(xué)模型不精確對(duì)系統(tǒng)控制性能造成的影響[4-5]。

滑模變結(jié)構(gòu)控制中的等效控制通?；趯?duì)象的動(dòng)力學(xué)數(shù)學(xué)模型[6-7]，但機(jī)器人非線性系統(tǒng)的動(dòng)力學(xué)方程形式復(fù)雜，且隨著模型自由度的增長(zhǎng)，參數(shù)辨識(shí)變得繁冗困難，無(wú)法建立準(zhǔn)確的數(shù)學(xué)模型。且為了保證系統(tǒng)能夠達(dá)到切換面, 在設(shè)計(jì)控制律時(shí)通常要求系統(tǒng)不確定性范圍的界已知, 這個(gè)要求在實(shí)際工程中往往很難達(dá)到[8]。因而，如何結(jié)合滑?？刂频膹?qiáng)魯棒性優(yōu)點(diǎn)，設(shè)計(jì)一種對(duì)模型依賴度低、實(shí)時(shí)性強(qiáng)、實(shí)現(xiàn)便捷的智能綜合控制器具有重要的理論和工程意義。

針對(duì)一些難以建?；蛘吣Ｐ蛥?shù)無(wú)法精確估計(jì)的非線性系統(tǒng)可以利用模糊系統(tǒng)進(jìn)行模糊逼近，直接利用模糊規(guī)則輸出量來(lái)確定模糊控制量，取代滑?？刂浦械牡刃Э刂芠9]。為了取得更好的逼近效果，在模糊滑?？刂浦锌梢砸胱赃m應(yīng)控制思想，設(shè)計(jì)自適應(yīng)控制律，不斷學(xué)習(xí)被控對(duì)象的動(dòng)態(tài)特性，給出合適的控制規(guī)則,使得系統(tǒng)更具有魯棒性[10-12]。

文獻(xiàn)[13-17]只對(duì)控制對(duì)象的部分不確定項(xiàng)進(jìn)行模糊逼近，具有一定的局限性。本文針對(duì)一種非線性液壓驅(qū)動(dòng)外骨骼機(jī)器人系統(tǒng)，在模型參數(shù)未知及不確定性情況下，引入類勢(shì)能函數(shù)設(shè)計(jì)具有非線性積分項(xiàng)的滑模面，設(shè)計(jì)一種直接自適應(yīng)模糊滑?？刂扑惴?DAFSM)，基于單輸入的模糊控制策略直接對(duì)等效控制進(jìn)行模糊逼近，同時(shí)對(duì)控制器相關(guān)參數(shù)進(jìn)行自適應(yīng)調(diào)整，一方面簡(jiǎn)化了模糊規(guī)則，便于控制器的實(shí)現(xiàn)，另一方面保證了跟蹤精度同時(shí)防止系統(tǒng)超調(diào)，使得控制系統(tǒng)得到全局穩(wěn)定，最后對(duì)液壓驅(qū)動(dòng)外骨骼機(jī)器人進(jìn)行跟隨及抗干擾實(shí)驗(yàn)。

1 非線性滑模面設(shè)計(jì)

針對(duì)具有不確定性非線性機(jī)器人系統(tǒng)，一般來(lái)說(shuō)，系統(tǒng)參數(shù)攝動(dòng)是不可避免的。系統(tǒng)中參數(shù)矩陣可表示為

(1)

則機(jī)器人系統(tǒng)模型可以表示為

F(t)=τ(t)

(2)

式中F(t)——系統(tǒng)的建模不確定性及隨機(jī)干擾

d——隨機(jī)干擾

因此為了增強(qiáng)系統(tǒng)的魯棒性及抗干擾性，減小穩(wěn)態(tài)誤差，積分滑?？刂剖禽^常采用的方法之一，傳統(tǒng)的積分滑模面設(shè)計(jì)為[18]

(3)

其中

c=diag[c1,c2,…,cn] (ci>0)

β=diag[β1,β2,…,βn] (βi>0)

式中e——跟蹤誤差q——各關(guān)節(jié)角實(shí)際輸出軌跡，q∈Rnqd——期望輸出軌跡，qd∈Rn

控制目標(biāo)是e→0。由于該滑模面采用了全程積分項(xiàng)，在大的初始誤差條件下，會(huì)產(chǎn)生積分Windup效應(yīng)，導(dǎo)致暫態(tài)性能惡化，尤其是執(zhí)行器飽和時(shí)，甚至?xí)瓜到y(tǒng)不穩(wěn)定。因此，可以在傳統(tǒng)滑模面積分項(xiàng)中引入非線性飽和項(xiàng)，在初始誤差較大的情況下，通過(guò)調(diào)整增益因子減少積分項(xiàng)的作用，以防止出現(xiàn)較大的誤差累積，在誤差較小時(shí)保持一定的積分作用，用于減少穩(wěn)態(tài)誤差。

基于該思路，設(shè)計(jì)一種類勢(shì)能函數(shù)，通過(guò)合理設(shè)計(jì)調(diào)節(jié)因子，使其滿足該性質(zhì)的要求。

參照文獻(xiàn)[19]，設(shè)計(jì)一種類勢(shì)能函數(shù)Sat(σ·x)，其對(duì)x的一階微分為

式中 sat(σ·x)——非線性飽和函數(shù)σ——調(diào)整因子

定理1：非線性函數(shù)Sat(σ·x)和sat(σ·x)滿足以下特性：

(1) 如果x=0,則Sat(σ·x)=0；否則, Sat(σ·x)>0。

(3)?xi∈R，均有sat(σ·x)x≥0。當(dāng)且僅當(dāng)x=0時(shí)，有sat(σ·x)=0。

基于以上特性及原則，設(shè)計(jì)一類勢(shì)能函數(shù)，即

sat(σ·x)=atan(σ·x)

(4)

現(xiàn)已知其飽和函數(shù)，對(duì)其積分，可得另一類勢(shì)能函數(shù)

(5)

式(4)和式(5)的具體曲線如圖1所示。

對(duì)照定理1的特性，得到該函數(shù)的詳細(xì)特性為：

(1)?xi∈R，均有Sat(σ·x)>0。當(dāng)且僅當(dāng)x=0時(shí)，有Sat(σ·x)=0。

圖1 勢(shì)能函數(shù)曲線Fig.1 Curves of quasi-natural potential function

(3)?xi∈R，均有sat(σ·x)x≥0。當(dāng)且僅當(dāng)x=0時(shí)，有sat(σ·x)=0。

即對(duì)于調(diào)整因子σ規(guī)定范圍[fmin(σ),fmax(σ)]內(nèi)的x來(lái)說(shuō)，飽和函數(shù)sat(σ·x)相比線性函數(shù)具有放大的作用，而對(duì)于調(diào)整因子σ規(guī)定范圍以外的x值，飽和函數(shù)sat(σ·x)具有飽和限制的作用，該特性非常適用于實(shí)際物理控制器的抗飽和控制。

考慮到以上非線性積分滑模面的需求及漸近飽和的特性，設(shè)計(jì)了一種非線性積分滑模面，形式為

(6)

2 模糊自適應(yīng)控制算法設(shè)計(jì)

(7)

但有些非線性系統(tǒng)存在建模困難，或者模型參數(shù)辨識(shí)不準(zhǔn)確情況，基于精準(zhǔn)數(shù)學(xué)模型的控制器設(shè)計(jì)較為困難。因此，可以采用模糊邏輯控制器來(lái)直接得到控制輸出。如圖2所示，以滑模面變量s為模糊單輸入變量，輸出直接為等效控制輸出τ。

圖2 模糊滑模控制器框圖Fig.2 Diagram of fuzzy SMC controller

直接模糊滑?？刂破髟O(shè)計(jì)步驟如下：

(1)變量模糊化。對(duì)輸入變量s(t)，輸出變量τ，模糊子集均定義為{負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大}，記為{NB、NM、NS、ZO、PS、PM、PB}，取其對(duì)應(yīng)的模糊論域?yàn)閧-3，-2，-1，0，1，2，3}，將模糊論域乘以量化因子可變換到實(shí)際物理量的論域。由于滑?？刂破髟谡`差較小時(shí)的控制精度與輸入量的敏感度相關(guān)，因此為了提高系統(tǒng)分辨率，對(duì)變量模糊化過(guò)程中采用如圖3所示隸屬度函數(shù)，進(jìn)行偏心分布設(shè)計(jì)，語(yǔ)言值等級(jí)越低，其隸屬度函數(shù)覆蓋區(qū)域越窄，在提高精度同時(shí)也能更好地防止抖振的發(fā)生。在滑模面變量和誤差較大時(shí)，為了保證系統(tǒng)的快速收斂特性，控制器輸出參數(shù)設(shè)置緩慢變化。

圖3 輸入輸出變量隸屬函數(shù)Fig.3 MIMO membership function

(2)規(guī)則庫(kù)設(shè)計(jì)。本文中模糊推理策略選用Mamdani型。采用推理規(guī)則的形式為

Ri：IFsis … ， THENτis …

當(dāng)s(t)較大時(shí)：說(shuō)明此時(shí)狀態(tài)誤差e相應(yīng)較大，因此滑模控制器需要有足夠大的輸出才能夠保證滑模面以更快的速度收斂，同時(shí)保證一定的抗干擾性。

當(dāng)s(t)較小時(shí)：系統(tǒng)狀態(tài)進(jìn)入準(zhǔn)滑動(dòng)模態(tài)，狀態(tài)誤差e按指定狀態(tài)收斂，合理設(shè)計(jì)控制器輸出力矩，防止s(t)在慣性的作用下頻繁穿越滑模切換線s(t)=0激發(fā)抖振，同時(shí)也能使系統(tǒng)保持足夠強(qiáng)的魯棒性和快速性，有效減小穩(wěn)態(tài)誤差。

因此，具體的模糊規(guī)則為

R1：IF sisPB,THENτisNB

R2：IFsisPM,THENτisNM

R3：IFsisPS,THENτisNS

R4：IFsisZO,THENτisZO

R5：IFsisNS,THENτisPS

R6：IFsisNM,THENτisPM

R7：IFsisNB,THENτisPB

(3)解模糊。采用重心法解模糊，表達(dá)式為

(8)

式中 αi——模糊論域中的元素 μ(i)——對(duì)應(yīng)模糊子集的隸屬度

得到的τ仍為模糊論域上的值，乘以量化因子后可以得到實(shí)際值。

為提高上述模糊控制的逼近精度，考慮幾種智能控制算法的優(yōu)點(diǎn)及操作的簡(jiǎn)便性，通過(guò)自適應(yīng)控制對(duì)模糊規(guī)則的輸出變量進(jìn)行修正[9]。對(duì)于具有誤差干擾及不確定性的非線性系統(tǒng)來(lái)說(shuō)，結(jié)合自適應(yīng)控制方法能更有效地逼近等效控制，通過(guò)在線調(diào)節(jié)參數(shù)能夠充分補(bǔ)償被控對(duì)象的建模誤差和干擾，增強(qiáng)系統(tǒng)的魯棒性。通過(guò)設(shè)計(jì)自適應(yīng)可調(diào)參數(shù)輸出變量進(jìn)行修正，取αi為可調(diào)參數(shù)，則得

τ(s,α)=αTξ

(9)

(10)

式中ξ——模糊基向量

根據(jù)模糊逼近理論[20]，存在一個(gè)最優(yōu)模糊系統(tǒng)τ(s,α)來(lái)逼近式(7)中的τ*，取ε為逼近誤差，且滿足|ε|

τ*=τ(s,α)+ε=αTξ+ε

(11)

(12)

其中

(13)

由式(6)得

(14)

結(jié)合控制律式(13)和(14)得

(15)

定義李雅普諾夫函數(shù)為

(16)

式中η——大于零的正常數(shù)

結(jié)合式(15)和式(16)，得

(17)

以下X總表示一個(gè)偽BCI-代數(shù)，對(duì)于X上的猶豫模糊集記[0,1]的冪集為P([0;1]),對(duì)于γ∈ P([0,1]), 稱?為的γ-水平集.

(18)

τh=-Ksgn(s(t))

(19)

式中η為大于零的正常數(shù)，切換增益K滿足K=max|ε|+μ,μ>0，即K>max|ε|=E。

則式(17)變?yōu)?/p>

-M-1E|s(t)|+M-1|ε||s(t)|=

-M-1(E-|ε|)|s(t)|

(20)

因此具體模糊規(guī)則為

圖4 系統(tǒng)控制框圖Fig.4 System control sketch

3 液壓外骨骼機(jī)器人實(shí)驗(yàn)平臺(tái)

圖5 液壓外骨骼實(shí)驗(yàn)臺(tái)Fig.5 Test bench of hydraulic-driven exoskeleton robot

外骨骼的主動(dòng)關(guān)節(jié)由液壓閥控缸驅(qū)動(dòng)，控制系統(tǒng)由下位機(jī)嵌入式控制器與上位工控機(jī)組成。上位機(jī)主要負(fù)責(zé)控制策略執(zhí)行和數(shù)據(jù)傳輸處理，底層伺服驅(qū)動(dòng)控制主要由下位機(jī)嵌入式控制器完成，執(zhí)行部件還包括伺服閥、伺服閥放大板、液壓缸、編碼器和壓力傳感器等，編碼器直接安裝在轉(zhuǎn)動(dòng)關(guān)節(jié)的輸出軸上，將關(guān)節(jié)的角度位移反饋給控制器。

該機(jī)器人平臺(tái)由液壓方式驅(qū)動(dòng)，考慮到液壓管路-伺服閥-油缸系統(tǒng)的復(fù)雜程度，其模型參數(shù)辨識(shí)困難，因此應(yīng)用本文提出的基于單輸入自適應(yīng)模糊滑?？刂七M(jìn)行軌跡跟蹤實(shí)驗(yàn)，驗(yàn)證跟蹤效果，并用于人體外骨骼的跟隨及抗干擾實(shí)驗(yàn)。

4 對(duì)比實(shí)驗(yàn)與結(jié)果分析

4.1 單關(guān)節(jié)隨動(dòng)控制實(shí)驗(yàn)(無(wú)外干擾)

如圖6所示，當(dāng)外骨骼處于單腳懸空步態(tài)，即一類串聯(lián)機(jī)器人結(jié)構(gòu)時(shí)，考慮到伺服液壓系統(tǒng)本身的非線性特性，以及液壓系統(tǒng)參數(shù)辨識(shí)的復(fù)雜度等因素，采用本文提出的基于直接自適應(yīng)模糊控制的控制算法(DAFSM)對(duì)膝關(guān)節(jié)上液壓系統(tǒng)進(jìn)行隨動(dòng)控制。

圖6 單腳懸空Fig.6 Single leg hanging

圖7 膝關(guān)節(jié)的軌跡跟蹤曲線Fig.7 Trajectory tracking curves of knee joint

圖8 膝關(guān)節(jié)的控制輸入電壓曲線Fig.8 Input voltage curves of knee joint

控制算法平均跟蹤誤差e/(°)最大跟蹤誤差emax/(°)調(diào)整時(shí)間t/sDAFSM0.7851.2850.218FPID1.452.4780.511

可見(jiàn)，對(duì)于非線性的液壓伺服控制機(jī)器人系統(tǒng)，采用傳統(tǒng)模糊PID的平均跟蹤誤差是本文算法的近2倍，且在起始誤差有一定的積累，最大誤差也達(dá)到了本文算法的2倍。進(jìn)一步，傳統(tǒng)模糊PID為了保證跟蹤精度，不斷調(diào)整各個(gè)控制參數(shù)的論域范圍，控制輸出會(huì)造成系統(tǒng)較大的顫振，其動(dòng)態(tài)性能受到一定的影響，根本原因是液壓系統(tǒng)的非線性因素較為復(fù)雜，流量特性和負(fù)載特性都會(huì)對(duì)控制系統(tǒng)有一定影響，容易受到外在的干擾，因此采用傳統(tǒng)模糊PID控制算法在保證控制精度的同時(shí)，勢(shì)必會(huì)影響到控制器性能乃至整個(gè)物理平臺(tái)的穩(wěn)定性和可靠性。而從實(shí)驗(yàn)效果可以看出，本文的控制算法能有效地跟蹤正弦軌跡，平均誤差只有近0.8°,而最大誤差也在編碼器分辨率的9倍左右，由于模糊控制對(duì)切換項(xiàng)的柔化，控制輸出也較平穩(wěn)，未出現(xiàn)明顯的顫振現(xiàn)象，自適應(yīng)模糊項(xiàng)的引入對(duì)非線性系統(tǒng)的不確定性及非線性因素具有較強(qiáng)的魯棒性及系統(tǒng)穩(wěn)定性。

4.2 單關(guān)節(jié)隨動(dòng)控制實(shí)驗(yàn)(外沖擊)

為進(jìn)一步驗(yàn)證本文方法的魯棒性及抗干擾性，在5～5.2 s間給予一個(gè)10 N左右的外力沖擊，檢驗(yàn)系統(tǒng)在該情況下的跟蹤情況，結(jié)果如圖9所示。

圖9 膝關(guān)節(jié)跟蹤結(jié)果Fig.9 Tracking results of knee joint

從圖9a可以看出，在5～5.2 s受干擾時(shí)，跟蹤軌跡出現(xiàn)了一定的偏差，且從圖9b中可以看出關(guān)節(jié)的跟蹤誤差在受干擾期間出現(xiàn)了一些波動(dòng)，最大誤差波動(dòng)達(dá)到原有最大誤差的20%左右，但從控制輸入電壓來(lái)看，輸出信號(hào)沒(méi)有太大的突變，在控制器飽和范圍[-6 V,6 V]之內(nèi)，且在短暫干擾之后，系統(tǒng)能迅速回歸到正常運(yùn)動(dòng)水平，表明本文控制算法在外干擾下并未失穩(wěn)，具有一定的抗干擾能力。分析認(rèn)為，直接自適應(yīng)滑?？刂撇糠帜軐?duì)系統(tǒng)狀態(tài)的變化進(jìn)行跟蹤，系統(tǒng)控制器參數(shù)能自適應(yīng)調(diào)節(jié)，用以補(bǔ)償機(jī)器人系統(tǒng)摩擦非線性、速度波動(dòng)、外界干擾等因素，非線性滑模面也能對(duì)誤差累積有一定的飽和限制作用，且模糊切換補(bǔ)償項(xiàng)能對(duì)跟蹤系統(tǒng)的不確定性進(jìn)行有效估計(jì)，進(jìn)一步增強(qiáng)系統(tǒng)的魯棒性，達(dá)到更高精度、更平穩(wěn)速度、更快響應(yīng)速度跟蹤期望軌跡的效果。

以上2個(gè)單關(guān)節(jié)實(shí)驗(yàn)結(jié)果表明，直接自適應(yīng)模糊滑模控制在對(duì)系統(tǒng)的建模誤差和不確定干擾完全未知的情況下，實(shí)現(xiàn)了控制系統(tǒng)的有效跟蹤控制，并能減弱抖振的影響。且當(dāng)增加一定干擾時(shí)，控制器增大了輸出量以抑制更大干擾，表明系統(tǒng)能通過(guò)模糊補(bǔ)償值來(lái)抑制外界干擾，具有良好的魯棒性，因此該方法能有效適用于具有建模誤差和不確定干擾的非線性機(jī)器人系統(tǒng)的軌跡跟蹤控制。

5 結(jié)束語(yǔ)

采用自適應(yīng)模糊系統(tǒng)對(duì)滑?？刂频牡刃Э刂戚敵鲞M(jìn)行模糊逼近，并設(shè)計(jì)一種參數(shù)自適應(yīng)調(diào)節(jié)律，在線調(diào)整參數(shù)，能根據(jù)系統(tǒng)的誤差狀態(tài)修正模糊滑?？刂频妮敵觯ＷC系統(tǒng)工作在最優(yōu)或者接近最優(yōu)的狀態(tài)。同時(shí)，引入一種類勢(shì)能函數(shù)設(shè)計(jì)具有非線性積分項(xiàng)的滑模面，當(dāng)誤差較大時(shí)，積分效應(yīng)適當(dāng)減弱，防止產(chǎn)生較大的超調(diào)量，保證系統(tǒng)的穩(wěn)定性；當(dāng)誤差較小時(shí)，積分效應(yīng)適當(dāng)增強(qiáng)，減小穩(wěn)態(tài)誤差，以獲得較高的控制精度，改善暫態(tài)性能。通過(guò)對(duì)液壓驅(qū)動(dòng)機(jī)器人系統(tǒng)進(jìn)行實(shí)驗(yàn)驗(yàn)證，證明了該算法對(duì)系統(tǒng)的不確定性和外部干擾具有很好的魯棒性，且通過(guò)模糊控制的柔化，在一定程度上減少了抖振現(xiàn)象，控制性能相比傳統(tǒng)模糊PID算法有較大的改善和提高。

1 TORRES S, MéNDEZ J A, ACOSTA L, et al. On improving the performance in robust controllers for robot manipulators with parametric disturbances[J]. Control Engineering Practice, 2007, 15(5): 557-566.

2 HUANG Chunqing,PENG Xiafu, WANG Junping. Robust nonlinear PID controllers for anti-windup design of robot manipulators with an uncertain Jacobian matrix[J]. Acta Automatica Sinica, 2008, 34(9): 1113-1121.

3 鮑晟, 馮勇, 孫黎霞. 非線性不確定系統(tǒng)的魯棒滑模觀測(cè)器設(shè)計(jì)[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2004, 36(5): 613-616. BAO Sheng, FENG Yong, SUN Lixia. Robust sliding mode observer design of nonlinear uncertain systems[J]. Journal of Harbin Institute of Technology, 2004, 36(5): 613-616.(in Chinese)

4 YU X, KAYNAK O. Sliding-mode control with soft computing: a survey[J]. IEEE Transactions on Industrial Electronics, 2009, 56(9): 3275-3285.

5 ABDELHAMEED M M. Enhancement of sliding mode controller by fuzzy logic with application to robotic manipulators[J]. Mechatronics, 2005, 15(4): 439-458.

6 張昌凡, 王耀南. 滑模變結(jié)構(gòu)的智能控制及其應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2001, 21(3): 27-29. ZHANG Changfan,WANG Yaonan. An intelligent control using sliding mode varible structure and its application[J]. Proceedings of the CSEE, 2001, 21(3): 27-29.(in Chinese)

7 劉金琨, 孫富春. 滑模變結(jié)構(gòu)控制理論及其算法研究與進(jìn)展[J]. 控制理論與應(yīng)用, 2007, 24(3): 407-418. LIU Jinkun, SUN Fuchun. Research and development on theory and algorithms of sliding mode control[J]. Control Theory & Application, 2007, 24(3): 407-418.(in Chinese)

8 CHEN P, CHEN C, CHIANG W. Linear matrix inequality conditions of nonlinear systems by genetic algorithm-based H∞ adaptive fuzzy sliding mode controller[J]. Journal of Vibration and Control, 2011,17(2):163-173.

9 NEKOUKAR V, ERFANIAN A. Adaptive fuzzy terminal sliding mode control for a class of MIMO uncertain nonlinear systems[J]. Fuzzy Sets and Systems, 2011, 179(1): 34-49.

10 LI H, YU J, HILTON C, et al. Adaptive sliding-mode control for nonlinear active suspension vehicle systems using T-S fuzzy approach[J]. IEEE Transactions on Industrial Electronics, 2013, 60(8): 3328-3338.

11 LI H, WANG J, LAM H K, et al. Adaptive sliding mode control for interval type-2 fuzzy systems[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2016, 46(12): 1654-1663.

12 SAGHAFINIA A, PING H W, UDDIN M N, et al. Adaptive fuzzy sliding-mode control into chattering-free IM drive[J]. IEEE Transactions on Industry Applications, 2015, 51(1): 692-701.

13 黨進(jìn), 倪風(fēng)雷, 劉業(yè)超，等. 基于自適應(yīng)模糊滑模的柔性機(jī)械臂控制[J]. 四川大學(xué)學(xué)報(bào):工程科學(xué)版, 2011, 43(2): 234-240. DANG Jin, NI Fenglei, LIU Yechao,et al. Adaptive fuzzy sliding mode control for flexible joint manipulators [J]. Journal of Sichuan University:Engineering Science Edition, 2011,43(2): 234-240.(in Chinese)

14 LIN F J, CHIU S L, SHYU K K. Novel sliding mode controller for synchronous motor drive[J]. IEEE Transactions on Aerospace and Electronic Systems, 1998, 34(2): 532-542.

15 WHEELER G, SU C Y, STEPANENKO Y. A sliding mode controller with improved adaptation laws for the upper bounds on the norm of uncertainties[J]. Automatica, 1998, 34(12): 1657-1661.

16 LIN C M, MON Y J. Decoupling control by hierarchical fuzzy sliding-mode controller[J].IEEE Transactions on Control Systems Technology, 2005, 13(4): 593-598.

17 CHEN J Y. Expert SMC-based fuzzy control with genetic algorithms[J]. Journal of the Franklin Institute, 1999, 336(4): 589-610.

19 SUN D, HU S, SHAO X, et al. Global stability of a saturated nonlinear PID controller for robot manipulators[J]. IEEE Transactions on Control Systems Technology, 2009, 17(4): 892-899.

20 王立新. 模糊系統(tǒng)與模糊控制教程[M]. 北京：清華大學(xué)出版社, 2003.

Nonlinear Fuzzy SMC Algorithm for Hydraulic-driven Exoskeleton Robot System

CHEN Qingcheng1ZHU Shiqiang2JIANG Yu1LIU Songguo3

(1.ShanghaiInstituteofSpecialEquipmentInspectionandTechnicalResearch,Shanghai200062，China2.StateKeyLaboratoryofFluidPowerandControl,ZhejiangUniversity,Hangzhou310027，China3.HangzhouNationalCentreforE-commerceProductQualityMonitoringandDisposal,Hangzhou310051，China)

In case of the difficulty in modeling for exoskeleton robot, an adaptive fuzzy logic control was presented to directly approximate the equivalent control without estimating the unknown parameters in advance. And an adaptive law in controller was designed to adjust its parameters according to parameter changes of the control system. In order to decrease the steady-state error and prevent from the integrator windup, a new nonlinear saturation function derived from quasi-natural potential function was designed to improve the performance of traditional integral sliding mode control. When the error beyond a boundary layer, the integral action was restricted by adjusting factor to avoid the large overshoot and long adjustment time. When the error was small, the integral action was completed so as to reduce the steady-state error and improve the robustness. The stability of the proposed controller was proved by using Lyapunov method. Furthermore, the chattering of sliding mode control was alleviated by simplifying the fuzzy control instead of switching function without deteriorating the system reliability and robustness. Finally, without acknowledging the model parameters of hydraulic-driven exoskeleton robot system, experiments were implemented to demonstrate the robustness and effectiveness of the method. And the results showed that the control output can follow the reference position signal quickly and smoothly with anti-interference ability.

hydraulic-driven exoskeleton robot; nonlinear slide mode control; direct adaptive fuzzy logic control; chattering

10.6041/j.issn.1000-1298.2017.04.047

2016-07-25

2016-09-22

國(guó)家自然科學(xué)基金創(chuàng)新研究群體科學(xué)基金項(xiàng)目(51521064)和浙江省自然科學(xué)基金項(xiàng)目(LY13E050001)

陳慶誠(chéng)(1987—)，男，工程師，博士，主要從事機(jī)器人控制研究，E-mail： chenqczju@163.com

TP242.2

A

1000-1298(2017)04-0355-07