6、无力传感器的基于干扰观测器的力估计及补偿方法

无力传感器的基于干扰观测器的力估计及补偿方法

在机电系统的力估计和控制中，摩擦力和重力是影响系统性能和精度的重要因素。本文将详细介绍基于干扰观测器技术的力估计方法，以及针对摩擦力和重力的补偿方案。

1. 无模型摩擦补偿

在特定应用中，如果摩擦模型不可用或不充分，违反了基于模型方法的假设，那么无模型摩擦补偿就是一种替代方案。这种方案不使用解析数学模型来表示摩擦，而是利用智能学习方法和人工智能工具，如神经网络和模糊逻辑，来学习摩擦特性并进行补偿。

1.1 基于神经网络的摩擦补偿

该方法采用多层前馈神经网络模型来表示与速度相关的摩擦不确定性。考虑基连杆的动力学方程：
[
\tau = (I_m + I_{cg} + Mr^2)\ddot{x} + f (\dot{x})
]
其中，(x)、(\dot{x}) 和 (\ddot{x}) 分别是连杆的角位置、速度和加速度，(I_m) 是电机惯性，(I_{cg}) 是连杆惯性，(M) 是连杆质量，(r) 是连杆的回转半径，(f) 是未建模的摩擦。可将其重写为：
[
u = m \ddot{x} + f (\dot{x})
]
其中，(m = (I_m + I_{cg} + Mr^2))。

为了进行补偿，提出了基于神经网络的预测器：
[
\hat{u} = \hat{m} \ddot{x} + \hat{f} (\dot{x})
]
其中，(\hat{m}) 是惯性的估计值，(\hat{f}) 是未知摩擦的估计值。

带有摩擦补偿的控制方程为：
[