用于延迟式双向遥操作系统中位置与力协调的李雅普诺夫稳定神经网络控制

《IEEE Open Journal of the Industrial Electronics Society》：Lyapunov-stable Neural Network Control for Position and Force Coordination in Delayed Bilateral Teleoperation Systems

　　

摘要：

在延迟式双端遥操作系统中，稳定性与透明度是紧密关联的，必须同时加以考虑。因为在确保闭环稳定性的同时实现精确的力-位置协调之间存在根本性的权衡。当在通信延迟不断变化的情况下与远程环境进行交互时，这一挑战尤为突出，因为人类操作者会为闭环系统带来非线性、时变且往往难以预测的动态特性。本文提出了一种基于自适应神经网络的补偿策略，将其嵌入到基于模型的控制框架中，以提升双端遥操作中的双重协调性。通过结合传统控制设计与在线神经网络适配，所提出的控制器无需人类操作者或远程环境的显式模型，即可补偿参数不确定性、未建模动态、交互力以及通信延迟。其自适应结构能够实时学习未知的非线性特性，同时保持底层控制架构所提供的稳定性保障。本文还对闭环遥操作系统进行了理论分析，证明了在存在人类施加的力、环境交互力以及时变通信延迟的情况下系统仍具有稳定性。通过在二自由度操纵器上进行的数值模拟，验证了该方法的可行性和实用性。模拟中还考虑了不同的人类操作者显式模型，以评估对操作者动态特性的敏感度。结果表明，无论假设的操作者模型如何，在通信延迟的情况下仍可实现力和位置的有限度双重协调，这为该方法在现实世界的遥操作场景中的应用提供了可能性。