机械臂的弹性限制控制方法及装置、介质、终端、机械臂

本技术涉及网络攻击下机械臂限制控制，特别是涉及一种机械臂的弹性限制控制方法及装置、介质、终端、机械臂。

背景技术：

1、近年来，随着科技技术的快速发展，在各种极端场景下，需要机械臂远程作业的应用越来越多，例如、深海采样、太空搬运、深井作业等。在机械臂执行任务的过程中，通过网络对机械臂实现精准的远程控制尤为重要。

2、为了保证对机械臂的控制精度，目前，通常需要对机械臂动作误差进行限制控制，也就是将机械臂的运动轨迹跟踪误差控制在一定的范围内，以通过约束机械臂控制的跟踪误差变化幅度，来获得良好的跟踪精度。然而，当远程控制系统受到网络欺骗攻击时，使得控制输入信号遭受篡改，会将机械臂的动作误差推向约束范围外，这将会导致限制函数计算出无穷大的反馈信号，而这个无穷大的反馈信号经过进一步传递到远程控制端后，将会使得机械臂系统计算崩溃，降低远程控制的稳定性，进而导致机械臂无法完成工作任务。

技术实现思路

1、有鉴于此，本技术提供一种机械臂的弹性限制控制方法及装置、介质、终端、机械臂，主要目的在于改善现有当机械臂输入信号遭受篡改时，由于机械臂的运动轨迹跟踪误差超过约束范围，而导致反馈信号无穷大，进而导致机械臂系统计算崩溃，降低远程控制稳定性的问题。

2、依据本技术一个方面，提供了一种机械臂的弹性限制控制方法，包括：

3、在机械臂动作误差限制边界的激活状态下，当监测到机械臂的当前时刻控制信号存在网络攻击欺骗数据注入时，将所述机械臂动作误差限制边界切换到未激活状态；

4、在所述机械臂动作误差限制边界的未激活状态下，根据所述机械臂的实际关节转角与期望关节转角之间的关节角位置误差，确定动作误差弹性限制函数，并基于关节角速度虚拟控制信号生成模型，根据所述动作误差弹性限制函数生成所述机械臂的期望关节角速度；

5、基于机械臂实际控制信号生成模型，根据所述期望关节角速度与所述机械臂的实际关节角速度之间的关节角速度误差，生成所述机械臂的下一时刻控制信号，并基于所述下一时刻控制信号控制所述机械臂执行下一时刻动作，所述机械臂实际控制信号生成模型是在所述机械臂的神经网络系统模型的基础上，结合补偿干扰性模型构建的。

6、优选的，所述方法还包括：

7、在所述机械臂动作误差限制边界的未激活状态下，当监测到机械臂控制信号不存在网络攻击欺骗数据注入时，将所述机械臂动作误差限制边界在预设时长内进行激活，以使得在未监测到机械臂控制信号存在网络攻击欺骗数据注入时，保持所述机械臂动作误差限制边界处于激活状态，以实现对机械臂动作误差的限制。

8、优选的，所述在所述机械臂动作误差限制边界的未激活状态下，根据所述机械臂的实际关节转角与期望关节转角之间的关节角位置误差，确定动作误差弹性限制函数，包括：

9、获取所述机械臂的实际关节转角与期望关节转角，并计算所述实际关节转角与所述期望关节转角之间的关节角位置误差；

10、所述期望关节转角之间的关节角位置误差；

11、基于动作误差弹性限制函数，根据所述关节角位置误差，计算所述限制边界未激活状态下的动作误差弹性限制函数，所述动作误差弹性限制函数表示为下述公式，

12、

13、其中，表示第个关节的动作误差弹性限制函数，表示第个关节的限制边界函数，表示第个关节的关节角位置误差，表示机械臂动作误差限制边界的激活状态，当机械臂动作误差限制边界处于未激活状态时，，n表示机械臂的关节数量。

14、优选的，所述基于关节角速度虚拟控制信号生成模型，根据所述动作误差弹性限制函数生成所述机械臂的期望关节角速度，包括：

15、将所述动作误差弹性限制函数输入至关节角速度虚拟控制信号生成模型，生成所述机械臂的期望关节角速度，所述关节角速度虚拟控制信号生成模型表示为下述公式，

16、

17、其中，表示第个关节的期望关节角速度，表示第个关节的关节角位置误差收敛设计参数，表示第个关节的位置虚拟控制信号调节补偿量设计参数，，，表示补偿设计过程动态未知上界的补偿参数，的更新律表示为下述公式，

18、

19、其中，表示第个关节的更新变化率参数，表示第个关节的补偿参数收敛设计参数。

20、优选的，所述基于机械臂实际控制信号生成模型，根据所述期望关节角速度与所述机械臂的实际关节角速度之间的关节角速度误差，生成所述机械臂的下一时刻控制信号，包括：

21、获取所述机械臂的实际关节角速度，并计算期望关节角速度与所述实际关节角速度之间的关节角速度误差；

22、将所述关节角速度误差输入至机械臂实际控制信号生成模型，生成所述机械臂的下一时刻控制信号，所述机械臂实际控制信号生成模型表示为下述公式，

23、

24、其中，表示机械臂的第个关节的下一时刻控制信号，表示第个关节的速度误差反馈增益参数，表示第个关节的关节角速度误差，表示机械臂的第个关节的神经网络系统模型权重估计值，t表示矩阵转置，表示神经网络输入信号，表示高斯激活函数，表示第个关节的正的预设设计参数，表示第个关节的过程干扰动态上界估计值，参数估计律表示为下述公式，

25、

26、其中，表示第个关节的补偿估计自适应参数，表示第个关节的补偿估计收敛速度参数，神经网络权重自适应律表示为下述公式，

27、

28、其中，表示第个关节的神经网络学习率，表示第个关节的权重收敛率。

29、优选的，所述方法还包括：

30、利用切换函数控制所述机械臂动作误差限制边界的激活状态，所述切换函数表示为下述公式，

31、

32、其中，表示切换参数，表示网络攻击欺骗数据注入的起始时刻，此时，=0，代入动作误差弹性限制函数，表示机械臂动作误差限制边界处于未激活状态，表示网络攻击欺骗数据注入的终止时刻，经过预设时长t，从0切换到1，代入动作误差弹性限制函数，表示机械臂动作误差限制边界处于激活状态，表示正整数幂级数，表示指数收敛速度系数，t表示预设完全收敛时间，k表示发生第次网络攻击欺骗数据注入的时间段，表示无网络攻击欺骗数据注入的时间段，表示网络攻击欺骗数据的注入时间段。

33、依据本技术另一个方面，提供了一种机械臂的弹性限制控制装置，包括：

34、限制边界切换模块，用于在机械臂动作误差限制边界的激活状态下，当监测到机械臂的当前时刻控制信号存在网络攻击欺骗数据注入时，将所述机械臂动作误差限制边界切换到未激活状态；

35、期望关节角速度生成模块，用于在所述机械臂动作误差限制边界的未激活状态下，根据所述机械臂的实际关节转角与期望关节转角之间的关节角位置误差，确定动作误差弹性限制函数，并基于关节角速度虚拟控制信号生成模型，根据所述动作误差弹性限制函数生成所述机械臂的期望关节角速度；

36、控制信号生成模块，用于基于机械臂实际控制信号生成模型，根据所述期望关节角速度与所述机械臂的实际关节角速度之间的关节角速度误差，生成所述机械臂的下一时刻控制信号，并基于所述下一时刻控制信号控制所述机械臂执行下一时刻动作，所述机械臂实际控制信号生成模型是在所述机械臂的神经网络系统模型的基础上，结合补偿干扰性模型构建的。

37、优选的，所述限制边界切换模块，还用于：

38、在所述机械臂动作误差限制边界的未激活状态下，当监测到机械臂控制信号不存在网络攻击欺骗数据注入时，将所述机械臂动作误差限制边界在预设时长内进行激活，以使得在未监测到机械臂控制信号存在网络攻击欺骗数据注入时，保持所述机械臂动作误差限制边界处于激活状态，以实现对机械臂动作误差的限制。

39、优选的，所述期望关节角速度生成模块，用于：

40、获取所述机械臂的实际关节转角与期望关节转角，并计算所述实际关节转角与所述期望关节转角之间的关节角位置误差；

41、基于动作误差弹性限制函数，根据所述关节角位置误差，计算所述限制边界未激活状态下的动作误差弹性限制函数，所述动作误差弹性限制函数表示为下述公式，

42、

43、其中，表示第个关节的动作误差弹性限制函数，表示第个关节的限制边界函数，表示第个关节的关节角位置误差，表示机械臂动作误差限制边界的激活状态，当机械臂动作误差限制边界处于未激活状态时，，n表示机械臂的关节数量。

44、优选的，所述期望关节角速度生成模块，还用于：

45、将所述动作误差弹性限制函数输入至关节角速度虚拟控制信号生成模型，生成所述机械臂的期望关节角速度，所述关节角速度虚拟控制信号生成模型表示为下述公式，

46、

47、其中，表示第个关节的期望关节角速度，表示第个关节的关节角位置误差收敛设计参数，表示第个关节的位置虚拟控制信号调节补偿量设计参数，，，表示补偿设计过程动态未知上界的补偿参数，的更新律表示为下述公式，

48、

49、其中，表示第个关节的更新变化率参数，表示第个关节的补偿参数收敛设计参数。

50、优选的，所述控制信号生成模块，用于：

51、获取所述机械臂的实际关节角速度，并计算期望关节角速度与所述实际关节角速度之间的关节角速度误差；

52、将所述关节角速度误差输入至机械臂实际控制信号生成模型，生成所述机械臂的下一时刻控制信号，所述机械臂实际控制信号生成模型表示为下述公式，

53、

54、其中，表示机械臂的第个关节的下一时刻控制信号，表示第个关节的速度误差反馈增益参数，表示第个关节的关节角速度误差，表示机械臂的第个关节的神经网络系统模型权重估计值，t表示矩阵转置，表示神经网络输入信号，表示高斯激活函数，表示第个关节的正的预设设计参数，表示第个关节的过程干扰动态上界估计值，参数估计律表示为下述公式，

55、

56、其中，表示第个关节的补偿估计自适应参数，表示第个关节的补偿估计收敛速度参数，神经网络权重自适应律表示为下述公式，

57、

58、其中，表示第个关节的神经网络学习率，表示第个关节的权重收敛率。

59、优选的，所述限制边界切换模块，用于：

60、利用切换函数控制所述机械臂动作误差限制边界的激活状态，所述切换函数表示为下述公式，

61、

62、其中，表示切换参数，表示网络攻击欺骗数据注入的起始时刻，此时，=0，代入动作误差弹性限制函数，表示机械臂动作误差限制边界处于未激活状态，表示网络攻击欺骗数据注入的终止时刻，经过预设时长t，从0切换到1，代入动作误差弹性限制函数，表示机械臂动作误差限制边界处于激活状态，表示正整数幂级数，表示指数收敛速度系数，t表示预设完全收敛时间，k表示发生第次网络攻击欺骗数据注入的时间段，表示无网络攻击欺骗数据注入的时间段，表示网络攻击欺骗数据的注入时间段。

63、根据本技术的又一方面，提供了一种存储介质，所述存储介质中存储有至少一条可执行指令，所述可执行指令使处理器执行如上述机械臂的弹性限制控制方法对应的操作。

64、根据本技术的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

65、所述存储器用于存放至少一条可执行指令，所述可执行指令使所述处理器执行上述机械臂的弹性限制控制方法对应的操作。

66、借由上述技术方案，本技术实施例提供的技术方案至少具有下列优点：

67、本技术提供了一种机械臂的弹性限制控制方法及装置、介质、终端、机械臂，首先在机械臂动作误差限制边界的激活状态下，当监测到机械臂的当前时刻控制信号存在网络攻击欺骗数据注入时，将所述机械臂动作误差限制边界切换到未激活状态；其次在所述机械臂动作误差限制边界的未激活状态下，根据所述机械臂的实际关节转角与期望关节转角之间的关节角位置误差，确定动作误差弹性限制函数，并基于关节角速度虚拟控制信号生成模型，根据所述动作误差弹性限制函数生成所述机械臂的期望关节角速度；最后基于机械臂实际控制信号生成模型，根据所述期望关节角速度与所述机械臂的实际关节角速度之间的关节角速度误差，生成所述机械臂的下一时刻控制信号，并基于所述下一时刻控制信号控制所述机械臂执行下一时刻动作，所述机械臂实际控制信号生成模型是在所述机械臂的神经网络系统模型的基础上，结合补偿干扰性模型构建的。与现有技术相比，本技术实施例通过在机械臂控制信号被注入欺骗数据时，将机械臂动作误差限制边界切换到未激活状态，以避免由于遭受到网络攻击而使得反馈信号变得无穷大，进而导致机械臂系统计算崩溃的情况，提高了机械臂控制系统的稳定性；进一步的，根据机械臂的实际关节转角与期望关节转角之间的关节角位置误差，计算动作误差弹性限制函数，再根据动作误差弹性限制函数计算机械臂的期望关节角速度，根据期望关节角速度与机械臂的实际关节角速度之间的关节角速度误差，生成机械臂的控制信号，在机械臂动作误差限制边界处于未激活状态下，仍能保证对机械臂动作的精准控制。

68、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。