基于准连续高阶滑模观测器的机械臂执行器故障重构

针对传统滑模观测器在执行器故障重构中出现的精度低、抖振大及渐进收敛等问题,将准连续高阶滑模控制思想应用于滑模观测器的设计中,提出了机械臂执行器故障重构方法。利用RBF神经网络逼近建模不确定部分和未知干扰部分,构建准连续高阶滑模观测器保证状态估计误差有界稳定,采用等效输出误差注入方法,在有限时间内完成对执行器故障的重构。选取双关节机械臂进行仿真验证,结果表明,准连续高阶滑模观测器能够使滑模运动在有限时间内到达滑模面,使状态估计误差和输出估计误差分别稳定在0.002 rad和0.004 rad/s范围内,进而重构执行器故障,执行器1和2的故障重构误差分别小于0.05 rad和0.02 rad,同时有效消除了抖振,提高了机械臂在实际应用中的精度和安全性。