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

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（即不使用解析数学模型来表示摩擦的补偿方案）是一种替代方案。在无模型摩擦补偿方案中，智能学习方法和人工智能工具（如神经网络和模糊逻辑）被用于学习摩擦特性并进行补偿。

1.1 基于神经网络的摩擦补偿

• 动力学方程 ：考虑一个基础连杆的动力学方程为 $\tau = (I_m + I_{cg} + Mr^2)\ddot{x} + f (\dot{x})$，其中 $x$、$\dot{x}$ 和 $\ddot{x}$ 分别是连杆的角位置、速度和加速度，$I_m$ 是电机惯量，$I_{cg}$ 是连杆惯量，$M$ 是连杆质量，$r$ 是连杆的回转半径，$f$ 是未建模的摩擦。可将其改写为 $u = m \ddot{x} + f (\dot{x})$，其中 $m = (I_m + I_{cg} + Mr^2)$。
• 补偿方案 ：提出了一个基于神经网络的预测器 $\hat{u} = \hat{m} \ddot{x} + \hat{f} (\dot{x})$，其中 $\hat{m}$ 是惯量的估计值，$\hat{f}$ 是未知摩擦的估计值。带有摩擦补偿的控制为 $u = \hat{m}(\ddot{x}_d + K_p e + K_v \dot{e}) + \hat{f} (\dot{x})$，其中 $e$ 和 $\dot{e}$ 有相应定义，$K_p$ 和 $K_v$ 分别是比例和微分增益，$K_p e + K_v \dot{e}$