基于DSP的机械臂约束预测控制系统设计

针对机械臂的实时控制问题,基于约束预测控制,提出了一种机械臂实时运动控制方法。介绍了机械臂动力学模型并进行了线性化处理,以降低算法复杂度、保证实时性。设计了轨迹跟踪控制器和约束预测控制器,其中轨迹跟踪控制器采用最优反馈控制律,可确保机械臂按参考轨迹运动;而约束预测控制器则在考虑机械臂物理约束的情况下,为跟踪控制器提供最优参考轨迹。以DSP作为核心控制器,搭建了机械臂控制系统,同时给出了硬件和软件设计方法。以梯形和三次多项式轨迹为例,进行了系统功能测试,测试结果表明了所述控制系统的可行性和有效性。     

机械臂固定时间观测器和自适应滑膜控制方法的设计

在机械臂轨迹跟踪控制过程中,当利用观测器对模型参数不确定性和外部未知动态扰动进行估计时,估计时间容易受扰动初值的影响,为此基于固定时间扰动观测器设计了一种自适应滑模轨迹跟踪控制方法。利用固定时间观测器的特性,在固定时间内获得机械臂内部模型误差和外部不确定扰动的估计,对扰动估计做出补偿,通过滑模控制策略实现机械臂的轨迹跟踪控制。针对滑模控制伴随抖震的特性,论文对滑模控制器的趋近律进行了抑制抖震的改进设计。通过仿真实验证明:基于固定时间扰动观测器的滑膜控制方法能够在固定时间内准确获取扰动的估计值,能够控制机械臂以高精度跟踪给定轨迹;通过与基于高阶扰动观测器的滑模控制方法进行仿真对比,验证了该方法在消除不确定扰动的基础上,能够有效地抑制系统抖振,并且跟踪误差能够在短时间内以指数速率完成收敛。     

基于熵聚类RBF神经网络的机械臂轨迹跟踪控制

为了提高机械臂轨迹跟踪控制的快速性和精确性,提出了基于熵聚类神经网络算法的机械臂运动控制器。分析了RBF神经网络原理,使用熵聚类算法得到原始数据的聚类中心数和聚类中心值,从而确定了神经网络结构和基函数中心值,避免了传统算法中使用K-means方法的重复迭代过程,使用梯度下降法调整神经网络传递权值;将神经网络辨识与神经网络控制相结合提出了机械臂运动控制器;经实验验证可以看出,相比于传统的RBF神经网络方法,基于熵聚类神经网络算法的控制器在轨迹跟踪快速性和精度上均具有明显优势。     

机械臂关节空间轨迹的神经网络滑模跟踪控制

为了提高机械臂对给定轨迹的跟踪精度且削弱滑模控制抖振问题,提出了基于RBF神经网络滑模控制的轨迹跟踪方法。建立了多连杆机械臂系统的运动学和动力学模型。首先忽略由建模误差和系统扰动产生的系统不确定项,建立了全局PID滑模控制器,设计了由等效控制律和切换控制律组成的全局滑模控制律;而后使用单隐含层RBF神经网络逼近系统不确定项,使用神经网络对不确定项的逼近值补偿建模误差和系统扰动,达到提高控制精度的目的。经仿真验证,在机械臂初始位置误差较大的情况下,神经网络滑模控制器的调节时间、超调量、驱动力矩抖振远小于全局PID滑模控制器,证明了神经网络滑模控制器在机械臂轨迹跟踪控制中的有效性。     

基于改进灰狼算法的冗余机械臂轨迹跟踪与避障

本文将冗余机械臂的轨迹跟踪和避障规划统一为优化问题,提出了一种基于改进灰狼算法的避障跟踪优化器。首先,基于包围盒法对避障空间进行了建模,使用GJK算法计算机械臂与障碍物之间的最小距离。其次,设计了适应度函数,引入避障奖励项对优化器进行主动奖励,使机械臂在跟踪目标轨迹的同时避开障碍物。然后,使用随机分散策略对灰狼算法进行了改进,以增强算法的全局搜索能力,从而更好地求解优化问题。最后,使用九自由度冗余机械臂验证了所提出方法的有效性和优越性。实验结果表明：对于圆形目标轨迹,机械臂的末端跟踪误差为0.21 mm;跟踪过程中,机械臂与障碍物的距离不小于70 mm;相比于经典灰狼算法,改进灰狼算法使跟踪精度提高了13%。本文提出的避障跟踪优化器能以毫米级的精度同时满足冗余机械臂的轨迹跟踪和避障任务;改进的灰狼算法能有效提高经典灰狼算法的收敛精度。     

变论域模糊补偿的机械臂积分终端滑模控制

为了减小机械臂在环境扰动、参数漂移和建模误差等影响下的轨迹跟踪误差,设计了基于积分终端滑模和变论域模糊补偿的组合控制器。采用拉格朗日方程建立了机械臂系统的动力学模型,制定了不确定因素影响下机械臂跟踪控制方案;设计的积分终端滑模控制器可以将系统初始状态限制在滑模面上,消除了控制过程的抖振并提高了跟踪速度;提出了自适应论域策略,该策略可以提高补偿力矩的输出细粒度,并将变论域模糊算法用于不确定因素补偿。经实验验证,变论域模糊补偿控制对关节1角位置的最大跟踪误差为0.103 rad,误差绝对均值为0.025 rad,对关节2角位置的最大跟踪误差为0.073 rad,误差绝对均值为0.012 rad,跟踪控制精度高于模糊补偿控制、RBF-BP控制和自适应鲁棒控制,验证了变论域模糊补偿控制方法的有效性和先进性。     

基于模型控制的液压机械臂高精度轨迹跟踪

液压机械臂具有高度非线动力学特性,末端轨迹跟踪误差大。为此,提出一种辨识动力学参数的基于模型的控制算法(Model-basedcontrol,MBC)。该控制算法由外环的液压缸位置反馈控制器、内环的力控制器以及前馈流量补偿控制器三部分输出叠加组成。力控制器充分考虑液压机械臂动力学模型,动态补偿惯性力、重力和摩擦力等干扰力对控制精度的影响;位置控制器用以消除液压执行器造成的力偏差;前馈流量补偿器根据液压执行器动力学模型计算流量补偿量,提高系统响应与精度。针对动力学模型中存在的参数不准确问题,采用了最小二乘参数辨识的方法,在激励轨迹下获取液压机械臂动力学参数精确值。试验结果表明,所提出的辨识动力学参数的MBC控制算法相比3D模型参数的MBC控制在自由空间运动位置跟踪精度提升了39.24%,相比与传统PID控制提升了93%,显著提高了轨迹跟踪精度。     

可重构机械臂构型自适应控制研究

针对可重构机械臂系统存在的不确定性及不同构型下的轨迹跟踪问题,提出了径向基函数(Radial Basis Function,RBF)神经网络鲁棒自适应补偿控制算法。设计了RBF神经网络补偿控制器自适应逼近补偿系统存在的未知项;为减小控制器逼近误差及适应构型变化时的鲁棒性,在控制律中引入了鲁棒项;基于李雅普诺夫(Lyapunov)稳定性理论设计了构型自适应调节律和鲁棒项并证明了闭环控制系统的稳定性。最后,以两种典型的可重构机械臂构型进行研究,结果表明所提算法能够适应系统构型的改变,同时有效地补偿系统存在的不确定性。     

机械臂运动的智能自适应模糊控制策略

为了提高机械臂轨迹跟踪控制精度同时节省驱动能量,提出了机械臂运动的智能自适应模糊控制策略。介绍了双连杆机械臂结构并建立了其动力学模型;设计了机械臂系统控制方案和智能自适应模糊控制器的实现方案;在粒子群算法基础上增加了多策略进化方法和多子群协同搜索方法,提出了多策略协同进化粒子群算法;以机械臂轨迹跟踪误差和驱动力矩最小为目标,以多策略协同进化算法为寻优算法,设计了具有智能自适应调节能力的模糊控制器。经仿真验证,自适应模糊控制器的跟踪误差幅值为PID控制误差幅值的26%左右,同时模糊控制器驱动力矩的平均振动幅值不足PID控制器力矩振动幅值的17%,充分证明了智能自适应模糊控制器能够以更小的力矩实现更小的跟踪误差。     

全方位移动机械手运动控制Ⅰ——建模与控制

针对一类由轮式驱动全方位移动平台和机械臂所组成的全方位移动机械手,首先通过对机械结构和运动特性的分析,建立一体化运动学模型,并利用拉格朗日力学法建立动力学模型,分析这两种模型的运动性质.然后根据所建立的模型,分别设计轨迹跟踪控制器,并对控制器的稳定性予以证明.在基于动力学模型的轨迹跟踪控制器中,通过结合全方位移动平台的运动学模型和全方位移动机械手的动力学模型,定量地分析移动平台运动状态对机械臂的耦合作用,并在相应的轨迹跟踪控制器中予以补偿.仿真结果不仅显示所提出两种模型的正确性和相应轨迹跟踪控制器的有效性,而且也说明所述方法可以作为一类移动机械手通用的建模和控制方法.     

改进狼群算法的SCARA机械臂自适应迭代学习控制

针对减小机器人重复运动的位置、速度跟踪误差的问题,给出一种基于狼群算法优化的机械臂自适应迭代学习控制策略。根据SCARA(Selective compliance assembly robot arm)机械臂驱动方程,设计动力学系统的迭代学习控制律。引入自适应步长的狼群算法,使狼群能够根据猎物气味浓度动态调整移动步长,提高了算法的收敛速度和精度。该策略对机械臂控制器参数KP、KD进行寻优时,得到了良好的控制效果,实现了对期望轨迹的有效跟踪。实验结果表明,该算法灵活性好,对系统期望轨迹具有较高的跟踪精度,有效降低了双关节机械臂的位置、速度跟踪误差,具有较强的可行性与有效性。     

机器人自适应模糊阻抗控制方法

针对机械臂在未知环境或环境参数存在变化的情况下无法有效跟踪目标接触力,提出一种在线调节参考轨迹自适应阻抗控制算法,该方法能够实现精确力控制,并保证机械臂系统的运动稳定。根据力误差信息调整参考轨迹以实现力跟踪。同时引入模糊调整器实时调整控制算法参数,优化机械臂运动性能。以RRR型三自由度机械臂为例对算法进行仿真验证。仿真结果表明,该方法提高了力控制精度与动态响应,其自适应算法有效增强了机械臂在与外界环境接触时对接触环境参数变换的鲁棒性。     

非完整移动机械臂的自适应模糊滑模控制研究

针对四轮二连杆非完整移动机械臂的轨迹跟踪问题,设计了一种结合自适应模糊控制和滑模控制的控制策略。首先建立了系统包含未知动力学模型不确定性和外部扰动的动力学控制模型,然后基于反演技术设计了控制器;采用了模糊控制来逼近系统未知时变总体不确定性,并采用了自适应机制动态优化模糊系统控制参数,进一步采用了指数趋近律滑模控制消除模糊逼近误差的影响。研究结果表明:该控制器对系统总体不确定性进行了有效补偿,保证了移动机械臂在复杂不确定环境下的良好轨迹跟踪性能。     

三关节移动机械臂轨迹跟踪控制的研究

三关节移动机械臂是由移动平台及固定在移动平台上的三关节机械臂组成的机器人系统。文章对三关节移动机械臂进行了运动学和动力学建模,提出了一种基于自适应动态滑模控制的轨迹跟踪控制方法。对受外界干扰影响的移动机械臂系统的数学模型进行了输入/输出线性化处理,并设计了一种带有不确定性上界估计的自适应动态滑模轨迹跟踪控制器。从理论上分析了闭环机器人控制系统的稳定性,并利用MATLAB轨迹跟踪控制仿真实验验证了所提出的轨迹跟踪控制方法的有效性。     

四旋翼飞行器非线性轨迹跟踪控制

针对四旋翼飞行器在复杂飞行条件下速度不可测的轨迹跟踪控制问题,考虑系统存在外界未知干扰和模型参数不确定的情况,提出了一种基于扩张观测器的轨迹跟踪控制方法。该方法设计了积分型反步法跟踪控制器,以降低系统的稳态误差,并引入了状态扩张观测器,来估计系统未知速度信息,同时对干扰和模型参数不确定因素进行实时估计并给予补偿;最后,选取李雅普诺夫函数证明了该控制系统的稳定性。以Quanser公司的Qball2四旋翼飞行器为研究对象和飞行实验平台,对所设计的控制器进行验证。实验结果表明,本文所设计的基于扩张观测器的轨迹跟踪控制器,能够有效地估计轨迹跟踪控制过程中的未知速度信息,解决外界未知干扰和模型参数不确定的问题,增强对环境的适应能力,有效提高了飞行器对未知干扰的鲁棒性和轨迹跟踪控制的精确性。     

基于指令滤波的机械臂有限时间输出约束阻抗控制

提出一种基于指令滤波的机械臂有限时间输出约束阻抗控制方法.通过阻抗控制技术来解决机械臂与环境之间的相互作用,使机械臂跟踪期望轨迹.通过有限时间控制提高机械臂控制的响应速度,缩小跟踪误差,并引入障碍Lyapunov函数对机械臂末端输出状态进行约束.采用模糊自适应技术处理机械臂系统中的未知摩擦量和外部扰动量.仿真结果表明:该方法实现了对期望轨迹的有效跟踪控制,并且使机械臂输出状态都限制在预定义的约束空间中,具有更快的响应速度和更好的跟踪效果.     

基于视觉反馈的机器人末端轨迹跟踪控制研究

工业机器人受机械本体间隙误差及外界干扰,在进行焊接、喷涂等工作时难以精确跟踪期望轨迹,严重影响工作效率和质量。根据视觉反馈控制原理,提出一种基于视觉反馈的末端位置动态补偿方法,设计视觉及末端执行器补偿机构,通过高速相机检测机械臂末端与期望轨迹的图像位置偏差,利用末端执行器进行位置补偿,可以快速高精度跟踪期望轨迹。通过实验对提出的方法进行验证,结果表明即使有外界干扰的情况下,机器人末端的跟踪误差最大为1.45 mm,显著提高了轨迹跟踪精度和跟踪速度,满足工业机器人末端快速、高精度的轨迹跟踪工况要求。     

干扰观测器与滑模控制结合的机械臂跟踪控制

为了提高机械臂轨迹跟踪的精度和速度,提出了干扰观测器与非线性滑模控制相结合的轨迹跟踪控制方法.建立了机械臂动力学模型,设计了机械臂轨迹跟踪控制方案.将机械臂受到的扰动分为可观测部分和不可观测部分,对于可观测部分,设计了干扰观测器用于估计扰动大小,依据扰动观测值对控制力矩进行补偿,主动消除可观测部分扰动的影响;对于不可观测部分,设计了非线性滑模控制器,用于减小不可观测扰动造成的跟踪误差与抖动.经仿真验证,与传统滑模控制和非线性滑模控制相比,干扰观测器与非线性滑模控制相结合的轨迹跟踪误差减小了一个数量级以上,且跟踪速度最快.     

基于干扰观测器的机械臂自适应模糊滑模控制

机械臂在轨迹跟踪控制中存在建模误差和外界干扰等问题。为了提高机械臂轨迹跟踪的精度和速度,设计了一种基于干扰观测器的机械臂自适应模糊滑模控制策略。首先,使用新型趋近律来减小机械臂滑模控制系统中抖振的影响;其次,采用干扰观测器对机械臂建模误差和外界干扰进行估计,根据干扰观测器的观测值对机械臂的输入力矩进行补偿;最后,对于无法观测的部分,采用模糊系统中的万能逼近原理对未知的干扰进行估计,进一步提高机械臂的轨迹跟踪性能。通过仿真试验表明,该控制策略不仅可以克服建模误差和外界干扰所带来的影响,还可以有效地削弱系统的抖振,保证了机械臂各关节位置跟踪的精度和速度。同时也说明了该控制策略的有正确性和有效性。     

球面3-RRR并联机构动力学建模与鲁棒-自适应迭代学习控制

采用Lagrange方法建立球面3-RRR并联机构基于动平台姿态参数的动力学模型。考虑在计算过程中采用线密度、厚度忽略等近似计算及工作过程中机构的磨损等微小变化造成的参数不确定性,进一步建立带参数不确定性的动力学模型。针对其在振动测试中的重复性动作等特点及参数不确定性设计鲁棒-自适应迭代学习控制器,并对此控制器进行稳定性证明。该控制器利用自适应算法对未知定常数的强大学习能力来补偿系统动力学模型的参数不确定项;利用迭代学习算法对期望轨迹进行零误差重复跟踪。由于该控制器吸取了系统动力学模型的已知信息,避免了一般模型未知系统迭代控制时必须满足的Lipschitz约束条件。仿真结果表明,在此控制器的作用下球面3-RRR并联机构能够很好地重复跟踪期望轨迹。