本發(fā)明屬于自動化控制領(lǐng)域，尤其涉及一種基于模糊聚類逆模型的殘余振動抑制方法。技術(shù)背景航天器、起重機(jī)、撓性機(jī)器人等具有撓性機(jī)械環(huán)節(jié)的系統(tǒng),其阻尼往往很小,在階躍作用下,系統(tǒng)表現(xiàn)出長時間的振動，稱為殘余振動，給系統(tǒng)的精確控制帶來了困難。為了消除這種殘余振動，人們提出了不同的方法，從總體上來說可以分為兩種方法，一種是開環(huán)的抑制方法，典型的代表是輸入整形技術(shù)。另一種是閉環(huán)的抑制方法，包含各種魯棒控制、優(yōu)化控制技術(shù)。但現(xiàn)有的振動控制技術(shù)多依賴于系統(tǒng)的精確數(shù)學(xué)模型，為抵消殘余振動而施加的脈沖信號對其產(chǎn)生的時間節(jié)點要求很精確，殘余振動一般要求幾個脈沖作用就消除，因而控制作用幅度較大，當(dāng)有多振動模態(tài)存在時處理起來比較困難。技術(shù)實現(xiàn)要素：本發(fā)明要解決的技術(shù)問題是，提供一種基于模糊聚類逆模型的殘余振動抑制方法，可以有效減少多振動模態(tài)的殘余振動。為達(dá)到上述目的，本發(fā)明采用如下的技術(shù)方案：一種基于模糊聚類逆模型的殘余振動抑制方法，主要包括以下步驟：步驟S1、根據(jù)系統(tǒng)要抑制的振動模態(tài)采樣獲得輸出輸入數(shù)據(jù)對；步驟S2、根據(jù)獲得的輸出輸入數(shù)據(jù)對，應(yīng)用模糊聚類建模技術(shù)，離線獲得要抑制的振動模態(tài)的逆模型；步驟S3、由得到的模糊聚類逆模型，根據(jù)系統(tǒng)的輸出和輸入在線計算下一個時刻的控制作用。步驟S4、應(yīng)用疊加原理，將所獲得的模糊聚類逆模型下一個時刻的輸出疊加到原來的控制作用上；步驟S5、系統(tǒng)在復(fù)合控制作用的作用下，產(chǎn)生比較理想的輸出，系統(tǒng)的殘余振動得到一定程度的抑制；步驟S5、在下一個周期，重復(fù)執(zhí)行步驟S3-步驟S5。作為優(yōu)選，所述步驟S1中，要抑制的振動模態(tài)的動態(tài)響應(yīng)通過下式獲得：ySk＝y(tǒng)Tk-yk，其中，ySk是要抑制的振動模態(tài)的動態(tài)響應(yīng)，yTk是沒有振動時理想的輸出，yk是實際的過程輸出，要抑制的振動模態(tài)的獲得需要對系統(tǒng)進(jìn)行充分激勵，可采用在原控制信號上疊加多個頻率錯開的正弦信號作為激勵源，即其中，us是充分激勵的信號源，ul是原來的控制信號，J是正弦信號的個數(shù)，Mi是第i個正弦信號的幅值，ωi是第i個正弦信號的頻率，由此可以獲得建立逆模型所用的輸入輸出數(shù)據(jù)uk+1,uk,yk。作為優(yōu)選，所述步驟S2根據(jù)所獲得的輸入輸出數(shù)據(jù)采用模糊聚類的建模技術(shù)建立逆模型，模糊聚類逆模型實質(zhì)上是一個預(yù)測模型，即根據(jù)當(dāng)前時刻的輸出和當(dāng)前時刻的輸入預(yù)測未來時刻的輸入，即未來時刻的控制作用，具體步驟如下：假設(shè)數(shù)據(jù)集Z包含要抑制的振動模態(tài)的輸出輸入數(shù)據(jù)，選擇c個聚類，1＜c＜N(N為整數(shù))，模糊化參數(shù)m＞1，收斂準(zhǔn)則ε＞0，隨機(jī)初始化分割矩陣。令l＝1,2,…，按以下步驟計算：S1)計算模糊聚類中心vi(l)=Σk=1N(μik(l-1))mzkΣk=1N(μik(l-1))m,1≤i≤c.]]>其中，v為模糊聚類中心，μ為隸屬的函數(shù)，z為模糊化矩陣的觀測值，k為整數(shù)，表示第i個模糊聚類中的第k個模糊子集，S2)計算模糊聚類方差矩陣FFi=Σk=1N(μik(l-1))m(zk-vi(l))(zk-vi(l))TΣk=1N(μik(l-1))m,1≤i≤c.]]>其中，T代表矩陣或向量的轉(zhuǎn)置，S3)計算距離D的范數(shù)DikAi2=(zk-vi(l))T[(ρidet(Fi))1/nFi-1](zk-vi(l)),1≤i≤c,1≤k≤N.]]>其中，Ai為第i個聚類的范數(shù)矩陣，ρi為其約束值，det表示求解矩陣行列式的值，n為整數(shù)，S4)更新分割矩陣如果對于1≤i≤c,1≤k≤N,則μik(l)=1Σj=1c(DikAi/DjkAi)2/(m-1)]]>其他：如果和且重復(fù)上述步驟直到||U(l)-U(l-1)||<ε，其中U代表隸屬度函數(shù)矩陣,ε是收斂準(zhǔn)則，S5)將單點隸屬度函數(shù)轉(zhuǎn)化成用二層前饋神經(jīng)網(wǎng)絡(luò)表示的顯式方程μAi=fukμBi=fyk⇒μAi=NetAi·ukμBi=NetBi·yk]]>其中，f表示隸屬度函數(shù)μ是輸入uk或輸出yk的隱函數(shù)，Ai表示輸入uk的模糊子集，Bi表示輸出yk的模糊子集，Net表示神經(jīng)網(wǎng)絡(luò)，S6)用最小二乘方法辨識后件變量ai,biθ＝(XTX)-1XTY其中：輸入矩陣Y＝[u(k+1),u(k+2),Λu(k+N)]T,參數(shù)矩陣θ＝[a1b1a2b2Λacbc]T，觀測矩陣X=u(k)y(k)u(k+1)y(k+1)MMu(k+N-1)y(k+N-1),]]>S7)得到控制作用uk+1uk+1=Σi=1KNetAiNetBiaiuk+biykΣi=1KNetAiNetBi]]>其中，K為整數(shù)，作為優(yōu)選，所述步驟S3的控制作用uk+1是根據(jù)離線所得到的顯式模型由在線輸入uk，輸出數(shù)據(jù)yk計算所得，每一個采樣周期執(zhí)行一次。作為優(yōu)選，所述步驟S4的控制作用um為原來的控制作用ul加上模糊聚類逆模型所產(chǎn)生的控制作用uk+1，所述步驟S5的復(fù)合控制作用u為所述步驟S3的開環(huán)控制作用加上PID閉環(huán)控制作用共同作用的結(jié)果。本發(fā)明具有以下有益效果：1、利用本發(fā)明，采用模糊聚類的方法進(jìn)行離線建模。由于建模過程的輸入只有被控過程的輸入-輸出數(shù)據(jù)，無需額外的信息。因而是一種基于數(shù)據(jù)的方法。因而除了能勝任一般線性系統(tǒng)以外，更能勝任一些機(jī)理不清、非線性、時變等不易建模的復(fù)雜過程。因而適用范圍更廣。2、本發(fā)明的建模過程，是用一系列的局部子模型來代替全局模型，通過隸屬度函數(shù)的定義在這些子模型之間平滑切換?？梢员平魏我粋€光滑的非線性系統(tǒng)。因而把復(fù)雜系統(tǒng)的控制器設(shè)計問題轉(zhuǎn)化成多個簡單的局部子模型的控制器設(shè)計。3、本發(fā)明模糊聚類逆模型控制作用的產(chǎn)生過程將單點隱式模型變成了顯式方程，因而可以直接獲得控制作用。4、本發(fā)明的殘余振動的開環(huán)補(bǔ)償方法，在每個采樣周期都起作用，因而可以使控制作用的幅度減小，且對脈沖產(chǎn)生的時間也不像輸入整形技術(shù)要求那樣高，還可以適用于多振動模態(tài)存在的被控過程。5、本發(fā)明采用了開環(huán)和閉環(huán)補(bǔ)償共同作用，可以減少在開環(huán)補(bǔ)償中不確定因素的影響，使得控制效果更好。附圖說明：圖1為基于模糊聚類逆模型的殘余振動抑制方法的框架圖；圖2為西紅柿串采摘機(jī)器人系統(tǒng)示意圖；圖3為西紅柿串采摘機(jī)器人控制系統(tǒng)的Simulink仿真圖；圖4為西紅柿串采摘機(jī)器人系統(tǒng)殘余振動抑制效果比較圖。具體實施方式：為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，下面以一個西紅柿串采摘機(jī)器人柔性負(fù)載的振動控制為例詳細(xì)闡述本發(fā)明的實施方式。如圖1所示，本發(fā)明實施例提供一種基于模糊聚類逆模型的殘余振動抑制方法，包括以下步驟：步驟S1、根據(jù)系統(tǒng)要抑制的振動模態(tài)采樣獲得輸出輸入數(shù)據(jù)對；步驟S2、根據(jù)獲得的輸出輸入數(shù)據(jù)對，應(yīng)用模糊聚類建模技術(shù)，離線獲得要抑制的振動模態(tài)的逆模型；步驟S3、由離線得到的模糊聚類逆模型，根據(jù)系統(tǒng)的輸出和輸入在線計算下一個時刻的控制作用。步驟S4、應(yīng)用疊加原理，將所獲得的模糊聚類逆模型下一個時刻的輸出疊加到原來的控制作用上；步驟S5、系統(tǒng)在復(fù)合控制作用的作用下，產(chǎn)生比較理想的輸出，系統(tǒng)的殘余振動得到一定程度的抑制；步驟S6、在下一個周期，重復(fù)執(zhí)行步驟S3-步驟S5。本發(fā)明的基于模糊聚類逆模型的殘余振動抑制方法，根據(jù)要消除的殘余振動的輸出輸入數(shù)據(jù)對，通過模糊聚類建模技術(shù)，建立逆模型，用當(dāng)前時刻的輸入和當(dāng)前時刻的輸出預(yù)測未來時刻的控制作用，再利用疊加原理，在每個控制周期中將控制作用加到原控制作用上共同施加到被控對象上。為了減少不確定因素對控制性能的影響。又采用了開環(huán)控制和常規(guī)PID閉環(huán)控制相結(jié)合的技術(shù)。圖2所示的是西紅柿串采摘機(jī)器人的示意圖。它是一個剛?cè)狁詈舷到y(tǒng)。機(jī)械臂和西紅柿是剛性系統(tǒng)，西紅柿串是柔性系統(tǒng)。如果西紅柿串足夠長，串上的西紅柿可以認(rèn)為重量集中于一個大西紅柿上。機(jī)器臂可以在導(dǎo)軌上移動。整個系統(tǒng)的運(yùn)動可以分成兩個階段，強(qiáng)制運(yùn)動階段和自由運(yùn)動階段。應(yīng)用Lagrange方程，系統(tǒng)可以建立如下的數(shù)學(xué)模型：L=12M+mx·2+12ml2θ·2+mlx·θ·cosθ-mglcosθ]]>ddt(∂L∂x·)-∂L∂x=M+mx··mlθ··cosθ-mlθ·2sinθ+μx·=Fddt(∂L∂θ·)-∂L∂θ=ml2θ··+mlx··cosθ+mglsinθ=0]]>其中，L代表Lagrange方程，M代表機(jī)械臂的重量，m代表西紅柿串的重量，l代表西紅柿串的長度，μ代表摩擦系數(shù)，F(xiàn)代表驅(qū)動力，r表示阻尼系數(shù)，g代表重力加速度，x,分別代表機(jī)械臂的位移，速度和加速度，θ,代表西紅柿串的角度，角速度和角加速度。進(jìn)一步可以整理為M+mx··+μx·+mlθ··=Flθ··+x··+gθ+rlmθ·=0]]>西紅柿串?dāng)[動時的阻尼影響和機(jī)械臂的作用力相比可以忽略，因此模型可以進(jìn)一步簡化為Mx··+μx·-mgθ=Flθ··+x··+gθ=0]]>具體的模型參數(shù)如表1所示表1西紅柿采摘機(jī)器人系統(tǒng)模型參數(shù)沒有振動時最終西紅柿串將穩(wěn)定在角度為0的位置，因此可選取要抑制的軌跡為0-y(k)＝-y(k)。在原系統(tǒng)上施加激勵源其中J＝3，M1＝M2＝M3＝1，獲得辨識的輸入輸出數(shù)據(jù)。選取聚類個數(shù)c＝3，模糊化參數(shù)m＝2，收斂準(zhǔn)則ε＝0.01，按照技術(shù)方案S1-S7的步驟可建立模糊聚類逆模型為uk+1＝0.9979uk-0.0066yk，在Simulink環(huán)境下建立如圖3所示的仿真模型，PID控制器的參數(shù)如表2所示。表2PID控制器參數(shù)設(shè)置控制效果如圖4所示，從圖中可以看到，機(jī)械臂被控制到了5米的位置，同時西紅柿串的振動得到了抑制。其中，單純的開環(huán)(逆模型)補(bǔ)償對殘余振動有很強(qiáng)的抑制效果，但控制效果還不太理想。開環(huán)(逆模型)和閉環(huán)(PID控制)共同補(bǔ)償?shù)男Ч詈?。西紅柿串很快穩(wěn)定到了角度為0的位置。該實例生動的證明了本發(fā)明的控制效果。當(dāng)前第1頁1 2 3