本發(fā)明涉及機器人，特別涉及一種基于神經網絡與非線性觀測器的穿刺機器人。
背景技術：
1、穿刺機器人在實際的工作環(huán)境中，其控制精度往往會受到各種不確定因素的影響。比如機器人關節(jié)零件的磨損，潤滑環(huán)境的變化，動力學建模的誤差以及被穿刺物的活動。特別是穿刺機器人在刺破阻尼層的瞬間會發(fā)生巨大的阻尼變化。這些不確定因素一部分來自機器人系統(tǒng)內部的擾動，一部分來自外界環(huán)境變化帶來的外部擾動。這些擾動將極大影響。
2、對于穿刺機器人這種非線性時變系統(tǒng)的控制，已有例如pid控制技術、滑?？刂萍夹g等多種控制技術。pid控制由于對動態(tài)模型的依賴程度低而得到了廣泛的應用，但在非線性摩擦和外界干擾的情況下，pid控制效果并不理想。滑?？刂迫菀桩a生抖振，影響控制精度。
技術實現(xiàn)思路
1、本發(fā)明公開了一種基于神經網絡與非線性觀測器的穿刺機器人，所述活撿機器人的控制系統(tǒng)包括：動力學模型構建模塊、動力學模型分解模塊、第一魯棒控制器構建模塊、穿刺誤差預測模塊、第二魯棒控制器構建模塊和第三魯棒控制器控制模塊；
2、所述動力學模型構建模塊，簡化穿刺機器人，建立穿刺機器人動力學模型；
3、所述動力學模型分解模塊，分解動力學模型，獲取標稱控制項、擾動控制項和外部穿刺擾動項；
4、所述第一魯棒控制器構建模塊，根據標稱控制項和擾動控制控，構建穿刺機器人第一魯棒控制器；
5、所述穿刺誤差預測模塊，以第一魯棒控制器控制穿刺機器人進行仿真阻尼層試驗穿刺，獲取穿刺時的控制誤差樣本數據；以誤差樣本數據訓練徑向基神經網絡模型，以訓練完成的徑向基神經網絡模型預測穿刺誤差；
6、所述第二魯棒控制器構建模塊，結合第一魯棒控制器和穿刺誤差，構建第二魯棒控制器；
7、所述第三魯棒控制器控制模塊，設計干擾觀測器，修正第二魯棒控制器，得到第三魯棒控制器用于穿刺機器人的控制。
8、本發(fā)明還開公開了一種基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，具體方法如下：
9、簡化穿刺機器人，建立穿刺機器人動力學模型；
10、分解動力學模型，獲取標稱控制項、擾動控制項和外部穿刺擾動項；
11、根據標稱控制項和擾動控制控，構建穿刺機器人第一魯棒控制器；
12、以第一魯棒控制器控制穿刺機器人進行仿真阻尼層試驗穿刺，獲取穿刺時的控制誤差樣本數據；以誤差樣本數據訓練徑向基神經網絡模型，以訓練完成的徑向基神經網絡模型預測穿刺誤差；
13、結合第一魯棒控制器和穿刺誤差，構建第二魯棒控制器；
14、設計干擾觀測器，修正第二魯棒控制器，得到第三魯棒控制器用于穿刺機器人的控制。
15、進一步地，所述穿刺機器人簡化為五個依次連接的活動關節(jié)，構建穿刺機器人動力模型如下：
16、
17、其中，t∈r是時間，q∈rn是位置向量，是速度向量，是加速度向量，表示不確定參數，集合∑表示未知σ的可能界，τ(t)∈rn是控制輸入向量；此外m(q,σ,t)表示慣性矩陣，表示科里奧利/離心項矩陣，g(q,σ,t)表示重力，表示關節(jié)間的摩擦力，函數m(·)、v(·)、g(·)、f(·)是連續(xù)的。
18、進一步地，分解動力學模型，獲取標稱控制項和擾動控制項，具體如下：
19、
20、其中為標稱部分，δm、δv、δg、δf為擾動項，τd穿刺外部擾動。
21、進一步地，構建穿刺機器人第一魯棒控制器，具體如下：
22、
23、
24、p＝diag[kpi]5×5
25、d＝diag[kvi]5×5
26、其中τ1為輸出控制轉矩，kpi、kvi為基于傳統(tǒng)pid控制器的比例系數與微分系數，γ為一個大于0的恒定常數，∈＞0為一個任意的設計參數。
27、進一步地，所述訓練徑向基神經網絡模型，具體如下：
28、以試驗穿刺時，穿刺機器人針尖傳感器采集到的位置、速度和力反饋信息，輸入輸入層；
29、隱藏層通過高斯函數作為激活函數，對輸入層的輸出進一步處理；
30、輸出層線性輸出隱藏層神經元的輸出，并輸出結果。
31、進一步地，構建第二魯棒控制器，具體如下：
32、
33、進一步地，將穿刺誤差ε視為混合擾動的一部分，設計穿刺誤差的干擾觀測器，具體如下：
34、
35、其中，z∈r2，是對誤差ε的估計，非線性函數為增益矩陣。
36、進一步地，構建第三魯棒控制器，具體如下：
37、
38、類似地，本發(fā)明還公開了一種存儲介質，存儲有若干指令，處理器加載指令以執(zhí)行上述基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法。
39、本發(fā)明的其他優(yōu)點、目標和特征在某種程度上將在隨后的說明書中進行闡述，并且在某種程度上，基于對下文的考察研究對本領域技術人員而言將是顯而易見的，或者可以從本發(fā)明的實踐中得到教導。本發(fā)明的目標和其他優(yōu)點可以通過下面的說明書實現(xiàn)和獲得。
1.一種基于神經網絡與非線性觀測器的穿刺機器人，其特征在于，所述活撿機器人的控制系統(tǒng)包括：動力學模型構建模塊、動力學模型分解模塊、第一魯棒控制器構建模塊、穿刺誤差預測模塊、第二魯棒控制器構建模塊和第三魯棒控制器控制模塊；
2.一種基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，具體方法如下：
3.如權利要求2所述的基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，所述穿刺機器人簡化為五個依次連接的活動關節(jié)，構建穿刺機器人動力模型如下：
4.如權利要求3所述的基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，分解動力學模型，獲取標稱控制項和擾動控制項，具體如下：
5.如權利要求4所述的基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，構建穿刺機器人第一魯棒控制器，具體如下：
6.如權利要求4所述的基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，所述訓練徑向基神經網絡模型，具體如下：
7.如權利要求4所述的基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，構建第二魯棒控制器，具體如下：
8.如權利要求4所述的基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，將穿刺誤差ε視為混合擾動的一部分，設計穿刺誤差的干擾觀測器，具體如下：
9.如權利要求4所述的基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法，其特征在于，構建第三魯棒控制器，具體如下：
10.一種存儲介質，其特征在于，存儲有若干指令，處理器加載指令以執(zhí)行權利要求1至9任意一項所述基于神經網絡與非線性觀測器的穿刺機器人的出廠設置方法。