【摘要】：智能化、集成化、高性能運動是工業(yè)機(jī)器人發(fā)展的主要趨勢。其中,高性能運動是機(jī)器人加工質(zhì)量和工作效率的重要基礎(chǔ),要求控制器具有高的動態(tài)響應(yīng)和高的魯棒性。常規(guī)閉環(huán)控制器雖結(jié)構(gòu)簡單、易于實現(xiàn),但通常針對線性定常系統(tǒng),而機(jī)器人系統(tǒng)具有非線性、強耦合時變特性,尤其是高速運動時,關(guān)節(jié)力矩耦合強烈,慣性變化較大,非線性效應(yīng)顯著。采用常規(guī)控制方法,易產(chǎn)生較大控制偏差,其保守的控制參數(shù)限制了系統(tǒng)增益帶寬,影響系統(tǒng)動態(tài)特性,導(dǎo)致大的遲滯誤差,且大的慣量變化可能引起系統(tǒng)振蕩,破壞系統(tǒng)穩(wěn)定性。對此,本文進(jìn)行基于動力學(xué)的機(jī)器人高性能運動控制技術(shù)研究。主要內(nèi)容如下:對6R工業(yè)機(jī)器人進(jìn)行動力學(xué)建模分析,根據(jù)其非線性、強耦合時變特性,采用動力學(xué)前饋控制總體結(jié)構(gòu),通過與常規(guī)閉環(huán)反饋控制結(jié)構(gòu)對比仿真,表明動力學(xué)前饋控制能有效改善機(jī)器人動態(tài)性能和運動精度。由于實際工作中機(jī)器人的精確模型參數(shù)難以獲取,且工作過程存在不確定性擾動,為提高控制的魯棒性,結(jié)合自抗擾控制(Active Disturbance Rejection Control,ADRC)結(jié)構(gòu)簡單、抗擾能力強、且不拘于受控模型等特點,提出基于動力學(xué)前饋的自抗擾控制策略,并針對機(jī)器人多關(guān)節(jié)耦合問題,通過動力學(xué)特性進(jìn)行控制解耦;繼而,研究了基于動力學(xué)前饋的ADRC串級控制結(jié)構(gòu)與算法。結(jié)果表明,基于動力學(xué)前饋的ADRC控制器對不確定性擾動具有良好魯棒性。精確的動力學(xué)控制要求精確的動力學(xué)模型參數(shù)。為提高動力學(xué)模型參數(shù)獲取精度,針對常規(guī)參數(shù)辨識方法過程復(fù)雜、累積誤差大、受負(fù)載影響大等問題,基于最小慣性參數(shù)模型,從以下方面進(jìn)行參數(shù)辨識研究:在辨識策略方面,提出“高位統(tǒng)一,低位逐一”辨識策略,改善統(tǒng)一辨識時多關(guān)節(jié)耦合干擾問題和逐一辨識時誤差逐級傳遞問題;在負(fù)載慣性參數(shù)辨識方面,提出“空載與帶載力矩差值辨識策略”,將空載狀態(tài)下的關(guān)節(jié)實測力矩信息,替換相同軌跡下帶載本體動力學(xué)預(yù)測模型,通過差值重構(gòu)負(fù)載的動力學(xué)參數(shù)辨識模型,避免了對本體慣性參數(shù)的重復(fù)調(diào)用和誤差引入以及動力學(xué)在線計算,從而提高了辨識精度和效率;在估算方法方面,將加權(quán)最小二乘法和遺傳算法有效結(jié)合,提高參數(shù)估計精度。為降低摩擦力不確定性對動力學(xué)模型精度的影響,提高運動控制性能,針對常規(guī)摩擦模型存在差異性和擬合不充分問題,即難以用統(tǒng)一形式充分?jǐn)M合實際實驗特征,提出一種基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)摩擦模型,相比而言,具有更高的擬合精度。此外,減少控制器采樣噪聲,提高反饋信號品質(zhì),是改善閉環(huán)系統(tǒng)動態(tài)特性,實現(xiàn)高性能運動控制的基礎(chǔ)。針對常規(guī)微分跟蹤器穩(wěn)定性差、輸出振顫、形式復(fù)雜等問題,提出一種穩(wěn)定性高、收斂快的非線性微分跟蹤器,具有信號跟蹤準(zhǔn)確、響應(yīng)快、過渡平穩(wěn)等優(yōu)點,對信號的導(dǎo)數(shù)估計具有良好逼近與濾波效果�；谏鲜鲅芯�,根據(jù)機(jī)器人控制系統(tǒng)總體結(jié)構(gòu),研制了運動控制實驗平臺,設(shè)計了運動控制軟件結(jié)構(gòu),實現(xiàn)機(jī)器人運動控制、動力學(xué)參數(shù)辨識等基本功能;并開展了動力學(xué)參數(shù)辨識和空間軌跡跟蹤等實驗研究。結(jié)果表明,本文提出的基于動力學(xué)前饋的ADRC控制器能有效提高機(jī)器人的跟蹤精度、動態(tài)響應(yīng)和魯棒性。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP242.2
【圖文】：

的平均形變;0 為毛刺剛度，1 ( )為阻尼系數(shù)擦系數(shù)。函數(shù) g ( )描述摩擦力在低速狀態(tài)下 St+-+ + +- - -( ) 0( )=( ) 0( (0 ) (0 )) / 2 0ssvc s c svc s c ssF F F egF F F eg g 為庫倫摩擦系數(shù)和靜態(tài)摩擦系數(shù)，sv 為 StribecuGre 模型而言，通常其內(nèi)部狀態(tài)變量 z 很難測量估技術(shù)進(jìn)行估測。Olsson[101]和 Lischinsky[113]等借制系統(tǒng)中采用小幅度超慢速變力矩輸入實驗實現(xiàn)較為繁瑣，難以普及。關(guān)于 LuGre 模型參數(shù)辨識

圖 2- 1 關(guān)節(jié) i 受力分析下，當(dāng)計算出各連桿質(zhì)心的線速度和角加速度后上的慣性力和力矩，即：( )ci i cici ci i i ci i m F aN I ε ω I ω桿質(zhì)心處的合力與合力矩，cia 為連桿質(zhì)心處線度和角速度，ciI表示相對連桿質(zhì)心的機(jī)械臂慣法主要分為兩部分，即運動學(xué)外推和動力學(xué)內(nèi)桿i 上的力，in 為連桿 作用在連桿 上的力矩表示連桿 n 作用于外界環(huán)境的力和力矩，iz {i}中的表達(dá)，即 [0,0,1]Tz ，i1i p 為坐標(biāo)系{i}的連桿{i}的質(zhì)心 ci 在坐標(biāo)系{i}中的位置矢量，連桿 1 到 n 向外迭代算出各連桿的速度和加速

其中f1ffn YYY，n (3 n)f Y R ，p人動力學(xué)模型可得關(guān)節(jié)所需驅(qū)動力矩為：links fr 為方便摩擦力參數(shù)辨識，保證其時效性，激勵軌跡與本體慣性參數(shù)統(tǒng)一辨識，從而b lf links fric b Y p 其中， χ 為動力學(xué)參數(shù)，相應(yīng)的觀測矩陣2.2.4 關(guān)節(jié)負(fù)載力矩線性化模型

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉一莎;楊晟萱;王偉;;四旋翼飛行器的自抗擾飛行控制方法[J];控制理論與應(yīng)用;2015年10期

2 黎柏春;王振宇;Alexey Demin;于天彪;王宛山;;一種改進(jìn)的機(jī)器人動力學(xué)參數(shù)辨識方法[J];中國工程機(jī)械學(xué)報;2015年05期

3 周濟(jì);;智能制造——“中國制造2025”的主攻方向[J];中國機(jī)械工程;2015年17期

4 丁亞東;陳柏;吳洪濤;申浩宇;;一種工業(yè)機(jī)器人動力學(xué)參數(shù)的辨識方法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2015年03期

5 周濤;;基于反雙曲正弦函數(shù)的擴(kuò)張狀態(tài)觀測器[J];控制與決策;2015年05期

6 曾U喺

本文編號：2754836