基于神经网络和模糊补偿的水下机械臂控制

doi:10.3778/j.issn.1002-8331.2201-0413

摘要/Abstract

摘要： 针对水下机械臂动力学模型建模复杂且滑模控制的抖振问题，利用Lagrange法和Morison方程精准建立二连杆串联水下机械臂的动力学模型，对模型中参数的不确定项使用4个RBF神经网络分别进行逼近，并且对摩擦项使用模糊控制进行补偿的方法，精准迅速地实现了对水下机械臂控制系统跟踪控制。通过进行仿真分析，基于神经网络和模糊补偿控制的方法与滑模控制、整体RBF神经网络控制和分块RBF神经网络控制相比，控制系统的平均误差分别降低了85.5%、71.8%、93.1%。结果表明，此方法有效降低了控制系统的跟踪误差，并同时提高了稳态性和抗干扰性。

关键词: 水下机械臂, RBF神经网络, 模糊补偿, 动力学模型

Abstract: Aiming at the complex modeling of underwater manipulator dynamic model and the chattering problem of sliding mode control, the dynamic model of two-link series underwater manipulator is accurately established by using Lagrange method and Morison equation. The uncertainties of parameters in the model are respectively approximated by four RBF neural networks, and the friction term is compensated by fuzzy control, which accurately and quickly realizes the tracking control of the underwater manipulator control system. Through simulation analysis, the average error of the method based on neural network and fuzzy compensation control is reduced by 85.5%, 71.8% and 93.1% respectively compared with sliding mode control, overall RBF neural network control and block RBF neural network control. The results show that this method effectively reduces the tracking error of the control system, and improves the stability and anti-interference at the same time.

Key words: underwater manipulator, RBF neural network, fuzzy compensation, dynamics model

高阳, 张晓晖, 高玉儿, 尚婷, 杨启航. 基于神经网络和模糊补偿的水下机械臂控制[J]. 计算机工程与应用, 2022, 58(15): 317-323.

GAO Yang, ZHANG Xiaohui, GAO Yu'er, SHANG Ting, YANG Qihang. Control of Underwater Manipulator Based on Neural Network and Fuzzy Compensation[J]. Computer Engineering and Applications, 2022, 58(15): 317-323.

参考文献

[1] 常宗瑜，张扬，郑方圆，等.水下机器人-机械手系统研究进展：结构，建模与控制[J].机械工程学报，2020，56（19）：53-69.
CHANG Z Y，ZHANG Y，ZHENG F Y.Research progress of underwater vehicle-manipulator systems：configuration，modeling and control[J].Journal of Mechanical Engineering，2020，56（19）：53-69.
[2] ZHONG Y G，YANG F.Dynamic modeling and adaptive fuzzy sliding mode control for multi-link underwater manipulators[J].Ocean Engineering，2019，187（1）：1-11.
[3] 谢宏，王立宸，袁小芳，等.机械臂卷积神经网络滑模轨迹跟踪控制[J].计算机工程与应用，2022，58（1）：268-273.
XIE H，WANG L C，YUAN X F.Sliding mode convolutional neural network trajectory tracking control for robot manipulators[J].Computer Engineering and Applications，2022，58（1）：268-273.
[4] 魏娟，杨恢先，谢海霞.改进RBFNN求机械臂轨迹跟踪的研究[J].计算机工程与应用，2011，47（5）：216-219.
WEI J，YANG H X，XIE H X.Research of trajectory tracking for manipulator using improved RBF neural network[J].Computer Engineering and Applications，2011，47（5）：216-219.
[5] SOLTANPOUR M R，OTADOLAJAM P，KHOOBAN M H.Robust control strategy for electrically driven robot manipulators：adaptive fuzzy sliding mode[J].Science Measurement & Technology IET，2015，9（3）：322-334.
[6] 刘建昌，苗宇.基于神经网络补偿的机械臂轨迹控制策略的研究[J].控制与决策，2005，20（7）：732-736.
LIU J C，MIAO Y.Research on trajectory control strategy of robot arm based on neural network compensation[J].Control and Decision，2005，20（7）：732-736.
[7] HE W，HUANG H，GE S S.Adaptive neural network control of a robotic manipulator with time-varying output constraints[J].IEEE Transactions Cybernetics，2017，47（10）：3136-3147.
[8] 杨亮，陈勇，刘治.基于参数不确定机械臂系统的自适应轨迹跟踪控制[J].控制与决策，2019，34（11）：2485-2490.
YANG L，CHEN Y，LIU Z.Adaptive trajectory tracking control for manipulator with uncertain dynamics and kinematics[J].Control and Decision，2019，34（11）：2485-2490.
[9] 徐智浩，李胜，张瑞雷，等.基于LuGre摩擦模型的机械臂模糊神经网络控制[J].控制与决策，2014，29（6）：1097-1102.
XU Z H，LI S，ZHANG R L.Fuzzy-neural-network control for robot manipulators with LuGre friction model[J].Control and Decision，2014，29（6）：1097-1102.
[10] 李冀永，万磊，黄海，等.水下机器人-机械手系统自适应抗扰控制方法[J].天津大学学报（自然科学与工程技术版），2018，51（4）：413-421.
LI J Y，WAN L，HUANG H，et al.Adaptive control method of underwater vehicle manipulator system under disturbances[J].Journal of Tianjin University（Science and Technology），2018，51（4）：413-421.
[11] MORISON J R，O’BRIEN M P，JOHNSON J W，et al.The force exerted by surface waves on piles[J].Journal of Petroleum Technology，1950，2（5）：149-154.
[12] LEABOURNE K N.Two-link hydrodynamic model development and motion planning for underwater manipulation[D].USA：Stanford University，2001.
[13] 王华，孟庆鑫，王立权.基于切片理论的水下灵巧手手指动力学分析[J].机器人，2007，29（2）：160-166.
WANG H，MENG Q X，WANG L Q.Analysis on finger dynamics of dexterous underwater hand based on strip theory[J].Robot，2007，29（2）：160-166.
[14] 高涵，张明路，张小俊，等.水下机械手动力学模型及力矩影响研究[J].机械设计与制造，2017（3）：68-71.
GAO H，ZHANG M L，ZHANG X J.Research on underwater manipulator dynamics model and torque influence[J].Machinery Design and Manufacture，2017（3）：68-71.
[15] LEWIS F L，LIU K，YESILDIREK A.Neural net robot controller with guaranteed tracking performance[J].IEEE Transactions on Neural Networks，1995，6（3）：703-715.
[16] 刘金琨，孙富春.滑模变结构控制理论及其算法研究与进展[J].控制理论与应用，2007，24（3）：407-418.
LIU J K，SUN F C.Research and development on theory and algorithms of sliding mode control[J].Control Theory and Applications，2007，24（3）：407-418.
[17] 董立红.基于模糊补偿的机械手鲁棒自适应模糊控制研究[J].计算机工程与科学，2012，34（1）：169-173.
DONG L H.Research on the robust adaptive fuzzy control of maninpulators based on fuzzy compensation[J].Computer Engineering and Science，2012，34（1）：169-173.
[18] 袁凯，刘延俊，孙景余，等.基于模糊RBF神经网络的水下机械臂控制研究[J].工程设计学报，2019，26（6）：675-682.
YUAN K，LIU Y J，SUN J Y，et al.Research on control of underwater manipulator based on fuzzy RBF neural network[J].Chinese Journal of Engineering Design，2019，26（6）：675-682.