基于多分支BP神经网络的气动肌肉迟滞建模方法
2021-08-03谢胜龙张文欣张为民任国营鲁玉军
谢胜龙,张文欣,张为民,任国营,鲁玉军,鲁 庆
(1. 中国计量大学 机电工程学院,浙江 杭州 310018;2. 浙江西子重工机械有限公司,浙江 嘉兴 314423;3. 中国计量科学研究院,北京 100029;4. 浙江理工大学 机械与自动控制学院,浙江 杭州 310018;5. 宝武装备智能科技有限公司,安徽 马鞍山 243000)
1 引 言
气动肌肉(pneumatic muscle,PM)由于具有成本低、安装方便、结构简单、重量轻、输出力/自重比大以及突出的柔顺性等优点[1],因而被广泛应用于手术、康复、仿生和救援机器人等领域[2]。然而,由于组成气动肌肉的橡胶管的高弹性和气体的可压缩性,其在应用过程中会有明显的迟滞现象,从而给气动肌肉的控制系统带来强非线性,进而给其精确的控制带来巨大的挑战[3]。目前,构建气动肌肉迟滞非线性现象的数学模型主要有微分型迟滞模型和积分型数学模型[4]。微分型迟滞模型采用非线性微分方程描述气动肌肉的迟滞特性[5],主要有Duhem模型和Bouc-Wen模型等。文献[6]采用Bouc-Wen模型来捕捉气动肌肉中的迟滞现象,并采用单神经元自适应PID算法研究了一种气动肌肉驱动的机械手的控制性能。在此基础上,文献[7]采用Duhem模型描述气动人工肌肉的迟滞现象,并借助于神经网络方法对模型中的参数进行了辨识;Aschem-ann[8]采用广义Bouc-Wen模型建立了气动肌肉的力/长度迟滞模型,结果发现该模型的建模效果比Maxwell模型和Prandtl-Ishlinskii (PI)模型的效果更好。积分型迟滞模型又称为算子型迟滞模型,它借助一定数量算子的加权叠加来拟合迟滞曲线[9]。根据所采用迟滞算子的不同,常见的积分型迟滞模型主要有Preisach模型和PI模型等。……
