本發(fā)明涉及一種機械臂控制領域，特別是一種基于分布式網(wǎng)絡的機械臂系統(tǒng)故障檢測方法。
背景技術：
：機械臂是一種能按既定的設定和要求，自動完成操作作業(yè)的機械裝置，它能部分模擬替代人工勞動，完成復雜的作業(yè)。機械臂系統(tǒng)被廣泛應用于工業(yè)制造、醫(yī)療、軍事、太空探索等領域。但是，在現(xiàn)有機械臂系統(tǒng)的使用過程中，供電異常，傳感器、驅(qū)動器或連接線等部件的損壞都有可能導致系統(tǒng)發(fā)生故障，而現(xiàn)有集中式的故障檢測技術，不能及時發(fā)現(xiàn)故障，這樣會造成機械臂系統(tǒng)受損和誤操作的可能，同時現(xiàn)有故障檢測技術可靠性低、計算能力差，以不能滿足現(xiàn)有故障檢測技術在機械臂系統(tǒng)中的應用。技術實現(xiàn)要素：本發(fā)明要解決的技術問題是針對現(xiàn)有技術的不足，提出一種避免系統(tǒng)建模誤差、環(huán)境干擾、器件老化等問題，可有效實現(xiàn)延時控制的基于分布式網(wǎng)絡的機械臂系統(tǒng)故障檢測方法。本發(fā)明要解決的技術問題是通過以下技術方案實現(xiàn)的，一種基于分布式網(wǎng)絡的機械臂系統(tǒng)故障檢測方法，其特點是，包括以下步驟：(1)建立機械臂系統(tǒng)的Takagi-Sugeno模型，設置如下模糊規(guī)則：如果φ1為ψi1且φ2為ψi2且…且φt為ψit，則x(k+1)＝Aix(k)+Biu(k)+Diw(k)+Eif(k)yp(k)＝Cpix(k)+Dpiw(k),i＝1,2,...,r.①式①中的φ(k)＝[φ1(k),φ2(k),...,φt(k)]是模型的決策向量，符號ψij表示對應的模糊集合，系數(shù)r表示模糊規(guī)則的數(shù)量；向量x(k)是模型的狀態(tài)變量，向量u(k)是輸入信號，向量w(k)是未知的擾動信號，向量f(k)是故障信號，向量yp(k)是第p個故障檢測單元測量到的系統(tǒng)輸出信號，矩陣Ai，Bi，Di，Ei，Cpi，Dpi都是已知的模型參數(shù)矩陣，基于模糊規(guī)則(1)，建立機械臂系統(tǒng)的模糊模型：x(k+1)=Σi=1rhi(φ(k))[Aix(k)+Biu(k)+Diw(k)+Eif(k)],]]>(2)配置若干個具有通信及計算能力的傳感器節(jié)點，節(jié)點數(shù)目為n，各節(jié)點分別測量機械臂的輸出數(shù)據(jù)并與鄰居節(jié)點進行數(shù)據(jù)交互，進而產(chǎn)生故障評估信號，各節(jié)點的具體運作過程可由如下模型描述：如果φ1為ψi1且φ2為ψi2且…且φt為ψit，則x^p(k+1)=Aix^p(k)+Biu(k)+Eif^p(k)-Σq=1napqHpqi(y^q(k)-yq(k))]]>y^p(k)=Cpix^p(k),]]>式③中，是故障檢測節(jié)點p的狀態(tài)向量，是對應故障檢測節(jié)點的輸入，則是對應故障檢測節(jié)點生成的故障估計信號，系數(shù)p＝1,2,...,n，矩陣和是可設計的檢測節(jié)點的參數(shù)矩陣，(3)配置故障檢測節(jié)點參數(shù)，參數(shù)矩陣和通過不等式④求解，其中標量γ＞0為檢測器的噪聲抑制指標，矩陣T和正定矩陣P＞0是維數(shù)適當?shù)木仃囎兞?，L＝[0I]，en是所有元素都為1的n維列向量，符號表示克羅內(nèi)克積運算，通過不等式④求得矩陣變量后，參數(shù)矩陣和可按如下公式求解：式⑤中的矩陣變量和參數(shù)矩陣和具有如下關系：式⑥中的元素aij為故障檢測節(jié)點間的鄰接系數(shù)，如果aij＝1則表示節(jié)點i能夠接收到來自節(jié)點j的數(shù)據(jù)，反之，若aij＝0，則節(jié)點i無法接收到來自節(jié)點j的數(shù)據(jù)。與現(xiàn)有技術相比，本發(fā)明1)建立機械臂系統(tǒng)的Takagi-Sugeno模型；2)配置若干個具有通信及計算能力的傳感器節(jié)點，各節(jié)點分別測量機械臂的輸出數(shù)據(jù)并與鄰居節(jié)點進行數(shù)據(jù)交互，進而產(chǎn)生故障評估信號；3)根據(jù)不等式求解故障檢測節(jié)點參數(shù)。本發(fā)明能迅速、準確地跟蹤故障信號，實現(xiàn)對故障的有效檢測并具有可靠性高、計算能力強、布局布線靈活等優(yōu)勢。附圖說明圖1為本發(fā)明的流程結(jié)構(gòu)示意圖；圖2為本發(fā)明故障診斷的示意圖；圖3為節(jié)點一生成的估計信號；圖4為節(jié)點二生成的估計信號。具體實施方式一種基于分布式網(wǎng)絡的機械臂系統(tǒng)故障檢測方法，包括以下步驟：(1)建立機械臂系統(tǒng)的Takagi-Sugeno模型，設置如下模糊規(guī)則：如果φ1為ψi1且φ2為ψi2且…且φt為ψit，則x(k+1)＝Aix(k)+Biu(k)+Diw(k)+Eif(k)yp(k)＝Cpix(k)+Dpiw(k),i＝1,2,...,r.①式①中的φ(k)＝[φ1(k),φ2(k),...,φt(k)]是模型的決策向量，符號ψij表示對應的模糊集合，系數(shù)r表示模糊規(guī)則的數(shù)量；向量x(k)是模型的狀態(tài)變量，向量u(k)是輸入信號，向量w(k)是未知的擾動信號，向量f(k)是故障信號，向量yp(k)是第p個故障檢測單元測量到的系統(tǒng)輸出信號，矩陣Ai，Bi，Di，Ei，Cpi，Dpi都是已知的模型參數(shù)矩陣，基于模糊規(guī)則(1)，建立機械臂系統(tǒng)的模糊模型：x(k+1)=Σi=1rhi(φ(k))[Aix(k)+Biu(k)+Diw(k)+Eif(k)],]]>(2)配置若干個具有通信及計算能力的傳感器節(jié)點，節(jié)點數(shù)目為n，各節(jié)點分別測量機械臂的輸出數(shù)據(jù)并與鄰居節(jié)點進行數(shù)據(jù)交互，進而產(chǎn)生故障評估信號，各節(jié)點的具體運作過程可由如下模型描述：如果φ1為ψi1且φ2為ψi2且…且φt為ψit，則x^p(k+1)=Aix^p(k)+Biu(k)+Eif^p(k)-Σq=1napqHpqi(y^q(k)-yq(k))]]>y^p(k)=Cpix^p(k),]]>式③中，是故障檢測節(jié)點p的狀態(tài)向量，是對應故障檢測節(jié)點的輸入，則是對應故障檢測節(jié)點生成的故障估計信號，系數(shù)p＝1,2,...,n，矩陣和是可設計的檢測節(jié)點的參數(shù)矩陣。(3)步驟(2)中的故障檢測節(jié)點參數(shù)，參數(shù)矩陣和通過不等式④求解，其中標量γ＞0為檢測器的噪聲抑制指標，矩陣T和正定矩陣P＞0是維數(shù)適當?shù)木仃囎兞?，L＝[0I]，en是所有元素都為1的n維列向量，符號表示克羅內(nèi)克積運算。通過不等式④求得矩陣變量后，參數(shù)矩陣和可按如下公式求解：式⑤中的矩陣變量和參數(shù)矩陣和具有如下關系：式⑥中的元素aij為故障檢測節(jié)點間的鄰接系數(shù)，如果aij＝1則表示節(jié)點i能夠接收到來自節(jié)點j的數(shù)據(jù)，反之，若aij＝0，則節(jié)點i無法接收到來自節(jié)點j的數(shù)據(jù)?？紤]單連桿剛性機械臂，該機械臂通過轉(zhuǎn)動關節(jié)連接至基座且運動面是垂直的，其運動方程如下：θ表示關節(jié)轉(zhuǎn)動角的弧度，m＝1.5kg是負載的重量，M＝3kg是剛性連桿的重量，g＝9.8m/s2是重力加速度常數(shù)，l＝0.5m是機械臂連桿的長度，J＝0.875kg·m2是慣性距，u是作用于關節(jié)的控制扭矩，定義θ＝0為零控制時的最低垂直平衡位置。針對系統(tǒng)⑥建立如下T-S模糊模型：規(guī)則一：如果x1接近于0，則x·=A1cx+B1u+w]]>規(guī)則二：如果x1接近于Π，則式⑦中，系統(tǒng)⑧的模糊隸屬度函數(shù)為h1(x1)＝(0.5π-|x1|)/0.5π，h2(x1)＝1-h1(x1)，設置控制器K1＝[10.5000-5.1057]，K2＝[3.8800-5.0628]，采樣周期Ts＝0.5s，系統(tǒng)⑧可離散化為：規(guī)則一：如果x1接近于0，則x(k+1)＝A1x(k)+B1w(k)規(guī)則二：如果x1接近于Π，則x(k+1)＝A2x(k)+B2w(k)⑨其中，本實例考慮驅(qū)動器故障問題，即應用到驅(qū)動器的實際力矩與設定值發(fā)生偏差，設置式②和式③中的參數(shù)Ei＝Bi，Cpi＝[10]，D11＝D12＝0.1，D21＝D22＝0.3，求得故障檢測器參數(shù)為：在仿真中，設置噪聲w(k)在[-0.5,0.5]之間隨機產(chǎn)生，生成f(k)如下：f(k)=00≤k<100;200≤k<300,5100≤k<200;300≤k<400.]]>仿真結(jié)果如附圖所示，分布式故障檢測器生成的故障估計信號能迅速、準確地跟蹤故障信號，實現(xiàn)對故障的有效檢測。當前第1頁1 2 3