码垛机器人运动学分析与仿真

为了评价码垛机器人的工作能力和实现作业的精确控制,需对码垛机器人进行工作空间计算和轨迹规划。以ABB IRB660码垛机器人为例,建立D-H矩阵并对其工作空间进行仿真;然后对码垛机器人完成特定码垛任务进行轨迹规划。工作空间仿真结果表明,码垛机器人杆件参数和关节参数设计满足工作要求;对拟定的码垛任务轨迹规划结果表明,此轨迹规划达到了考虑速度、加速度等边界条件的前提下运动时间最优的目的,验证了机构设计的合理性。本研究有利于码垛机器人的结构设计和动作控制,并为码垛机器人的精确控制和动力学研究奠定了基础。     

基于电机转矩曲线下码垛机器人轨迹函数的优化研究

针对工程实际中由于机器人电机速度滞后于关节速度带来的振动问题,首先,对机器人关节进行了轨迹函数的规划和关节运动方程的分析,建立了电机转矩与轨迹函数之间的关系,应用Solidworks和Matlab软件,绘制出了机器人运动关节轨迹函数的速度—转矩曲线。其次,参考伺服电机速度—转矩特性曲线,分析了关节最大转矩与电机转矩之间的相互影响。最后,提出了一种基于电机转矩曲线下优化轨迹函数的简单方法,推导出了轨迹函数中与关节最大转矩相关的变量,进行了轨迹函数的优化,并利用机器人实验平台进行了轨迹函数优化后的测试。研究结果表明,通过该方法调整轨迹函数后,码垛速度从4.5 s/包提高到3.96 s/包,并且在相同速度下,调整后的关节没有产生冲击,验证了该方法在优化轨迹函数方面的合理性。     

基于机器视觉的表针自动码垛系统

为了解决表针生产过程中的自动码垛问题,设计了基于机器视觉的表针自动码垛系统。在表针自动码垛系统中,通过安装在平面关节型机器人上的工业相机,对送料转盘进行图像采集。结合几何轮廓定位和斑点分析等图像处理技术,对图像特征进行提取,获取送料转盘上随机分布的表针位置信息与正反面信息。借助优化后的表针吸嘴和手眼标定技术,通过平面关节型机器人以一定间隔交替分拣正面表针和反面表针。正面表针由平面关节型机器人直接码垛,反面表针经过180°旋转机构翻转后再进行码垛,从而实现表针的全自动码垛。通过试验确认,基于机器视觉的表针自动码垛系统可以满足多种不同规格表针的码垛要求,定位精度、效率与稳定性高,误差小。     

码垛机器人的轨迹规划与仿真分析

针对码垛机器人在高速运行过程中产生的冲击问题,以优化运行节拍提高效率为目的对码垛机器人的运动轨迹进行规划。利用笛卡尔空间圆弧插补方法对运行轨迹进行优化,并在此基础上利用三次曲线插补对r关节运动轨迹进行了再次修正,基于Matlab建立模型对规划结果进行了仿真。结果表明通过轨迹曲线规划方法使得码垛机器人在运行过程当中满足了减小运行冲击和提高运行效率的要求。     

基于双S形速度曲线的混联码垛机器人轨迹规划

针对搬运码垛机器人快速与平稳的运动控制问题,对码垛机器人在关节空间中运动轨迹规划方法进行了研究,提出了基于双S型速度曲线的码垛机器人轨迹曲线的规划方法。以混联式圆柱坐标构型的码垛机器人为研究对象,首先在机器人正、逆运动学分析的基础上,获取了机器人各个关节位置相对时间的序列值;其次,在关节空间中引入双S型速度曲线对机器人进行了各个关节的插值计算。仿真结果表明:该轨迹规划方法保证了机器人关节位移、速度、加速度、Jerk曲线的连续光滑,有效解决了码垛机器人在频繁地快速启动与停止过程中对机械结构产生的冲击和磨损问题。     

基于智能蚁群算法的移动机器人轨迹规划

为了提高移动机器人工作效率,减小能量损耗,优化机器人运动轨迹。建立了移动机器人运动学模型,在此基础上提出了一种智能蚁群算法的机器人误差补偿轨迹优化方法。通过蚁群搜索算法对关节空间内的驱动轮进行轨迹优化,从而实现移动机器人轨迹规划过程中的误差补偿轨迹优化。仿真结果表明,所提出的方法能够有效对机器人误差进行补偿,实现了机器人运动过程中的轨迹跟踪,保证了机器人的运动精度。     

改进B样条曲线应用于6R机器人轨迹优化

利用D-H标架法建立了机器人的运动学模型,并在分析轨迹规划流程基础上将改进B样条曲线用于机器人关节空间轨迹插值;在论述改进原因并详细阐述改进B样条曲线的生成方法后,给出改进B样条曲线应用时的速度与加速度性质及算法实现细节;在MATLAB 2014a平台上进行仿真实验,利用改进方法实现圆弧轨迹运动。结果表明,该方法能够有效提高机器人在关节运动及空间轨迹的平滑性,进而可优化机器人的轨迹运动。     

大范围平动并联机器人运动学解耦与速度自适应规划

并联机器人是一种多支链、多关节、强耦合非线性系统,具有高速、高刚度和大负载等明显优势而被广泛应用到工业领域。然而,随着关节数量的增加导致该类机器人运动学解耦和高精度平稳控制的难度较大。为实现大范围平动3-RRRU并联机器人自动化轨迹跟踪和控制的平稳性,针对运动学解耦和速度自适应规划方法展开了系统、深入地研究。首先,应用DH法建立了机器人运动学模型,基于结构约束条件完成运动学解耦计算,并在S型控制策略中加入速度自适应修正机制,依据不同轨迹可自动计算并修正最大速度参数,实现自适应优化;其次,采用激光跟踪仪对机器人轨迹进行动态跟踪,对比分析了S型速度和梯型速度控制策略下的跟踪精度,梯型速度规划下其最大误差高达4.513 mm,是S型控制策略的3倍,且位置误差曲线出现多个尖峰值,说明因速度突变导致运动平稳性较差;最后,测试S型速度规划下采用自适应修正机制前、后机器人的平稳性以及轨迹跟踪精度。实验结果表明:当规划路径难以实现机器人加速到原预设最大速度时,在轨迹末端存在较大的惯性速度,产生位置尖峰误差为2.676 mm,是修正后最大误差的2.4倍,且伴随着明显的冲击效应。引入自适应修正机制后圆轨迹的起点和终点位置误差分别为0.722 mm和0.382 mm,二者相对位置偏差仅为0.34 mm,且末端定位误差相比修正前降低了一个数量级,有效解决了机器人存在惯性冲击效应的难题,大幅提高了机器人整体轨迹跟踪的精度和控制的平稳性。     

不确定性机器人轨迹跟踪控制的粒子群算法

由于机器人动力学系统中存在的不确定项以及外部干扰信号等因素的影响,传统控制方法实现机器人系统的轨迹跟踪时存在较大的跟踪误差。针对这一问题,提出了一种基于粒子群算法的机器人轨迹跟踪的学习补偿控制方法。首先利用PD控制的计算力矩法控制机器人系统的精确已知部分,再利用粒子群算法的进化学习功能对机器人系统中存在的不确定性因素进行补偿,消除不确定性因素对系统的影响,实现机器人系统运动轨迹跟踪的良好控制。文末以PUMA560型机器人为受控对象,给出了仿真算例,仿真结果表明了该方法的有效性。     

基于改进粒子群算法的并联机器人运动学精度提高新方法

针对并联机器人在基于给定工作任务进行轨迹规划过程中,存在因机构误差引起的期望轨迹与理想轨迹之间的偏差,由此造成并联机器人运动学精度降低的问题,提出了一种并联机器人运动学精度提高新方法。首先将连续工作任务离散化为满足精度要求的若干理想位姿点,在建立并联机器人位姿误差模型基础上,将机构误差项转化为驱动杆误差;基于种群排列熵模型和粒子速度激活机制改进了粒子群算法,并利用改进的粒子群算法组合优化驱动杆参数,补偿并联机器人位姿误差,进而修正期望轨迹以提高并联机器人运动学精度。通过MATLAB和ADAMS仿真验证了所提出方法的可行性和有效性。     

基于鲁棒迭代学习控制的永磁同步电机转矩脉动抑制

为了提高永磁同步电机转速伺服系统的性能,抑制转矩脉动对控制系统的影响,提出了滑模控制与迭代学习控制相结合的鲁棒迭代学习控制方法(RILC)。设计了迭代学习控制器抑制周期性转矩脉动,提出了滑模控制器提高系统的抗扰动性能,保证系统强鲁棒性及响应快速性。实验结果显示,电机以900r/min的速度运行时,采用鲁棒迭代学习控制可将速度脉动6次谐波幅值由0.89降低到0.56;加入0.5N·m的负载扰动后,转速波动最大值为22r/min,比PI-迭代学习控制法得到的值减小了1.8%。电机以60r/min运行时,采用鲁棒迭代学习控制可将速度脉动6次谐波幅值由4.87降低到0.45;加入0.5N·m的负载扰动的,转速波动最大值为24r/min,比PI-迭代学习控制法得到的值减小了23%。得到的结果表明,鲁棒迭代学习控制方法可有效抑制转矩脉动,同时可提高永磁同步电机转速伺服系统的鲁棒性和动态响应性能。     

B-spline network-based iterative learning control for trajectory tracking of a piezoelectric actuator

This paper presents the trajectory tracking approach of a piezoelectric actuator using an iterative learning control (ILC) scheme based on B-spline network (BSN) filtering. The ILC scheme adopts a state-compensated iterative learning formula, which compensates for the state difference between two consecutive iterations in order that the iterative learning can learn from the tracking errors of the previous iteration effectively. The BSN is used to attenuate the noises and retrieve the signals of the tracking errors for the ILC. The BSN serves as a unique filter which generally does not have zero-phase responses. Design details on the ILC scheme using BSN filtering are discussed in the paper. Extensive experiments of tracking two desired trajectories for a piezoelectric actuator are presented. The experimental results show that the state-compensated ILC scheme using BSN filtering can achieve fast error convergence and keep small steady-state tracking errors close to the system noise level. This research thus relaxes the restriction of the zero-phase criterion commonly applied to the ILC filtering in the literature.     

基于分数阶微积分的机械臂迭代滑模控制策略研究

为提高工业机械臂的控制性能,将分数阶微积分理论与迭代学习控制及滑模控制相结合,提出一种有效的分数阶迭代滑模控制策略.在控制器的设计过程中,分别采用分数阶趋近律与分数阶滑模控制律两种方法将分数阶微积分引入到迭代滑模控制中,提出分数阶迭代滑模控制策略.并使用李雅普诺夫理论分析系统的稳定性.然后以一个两关节机械臂为例,通过MATLAB仿真对所提出的控制策略进行了验证.实验表明:分数阶迭代滑模控制策略可以有效提高关节的跟踪速度和跟踪精度,减小跟踪误差,具有较强的鲁棒性,并有效地抑制了滑模控制的抖振现象.     

基于分数阶微积分的机械臂迭代滑模控制策略研究

为提高工业机械臂的控制性能,将分数阶微积分理论与迭代学习控制及滑模控制相结合,提出一种有效的分数阶迭代滑模控制策略.在控制器的设计过程中,分别采用分数阶趋近律与分数阶滑模控制律两种方法将分数阶微积分引入到迭代滑模控制中,提出分数阶迭代滑模控制策略.并使用李雅普诺夫理论分析系统的稳定性.然后以一个两关节机械臂为例,通过MATLAB仿真对所提出的控制策略进行了验证.实验表明:分数阶迭代滑模控制策略可以有效提高关节的跟踪速度和跟踪精度,减小跟踪误差,具有较强的鲁棒性,并有效地抑制了滑模控制的抖振现象.     

Large dynamic range nanopositioning using iterative learning control

This paper presents the control system design and tracking performance for a large range single-axis nanopositioning system that is based on a moving magnet actuator and a flexure bearing. While the physical system is designed to be free of friction and backlash, the nonlinearities in the electromagnetic actuator as well as the harmonic distortion in the drive amplifier degrade the tracking performance for dynamic commands. It is shown that linear feedback and feedforward proves to be inadequate to overcome these nonlinearities. This is due to the low open-loop bandwidth of the physical system, which limits the achievable closed-loop bandwidth given actuator saturation concerns. For periodic commands, like those used in scanning applications, the component of the tracking error due to the system nonlinearities exhibits a deterministic pattern and repeats every period. Therefore, a phase lead type iterative learning controller (ILC) is designed and implemented in conjunction with linear feedback and feedforward to reduce this periodic tracking error by more than two orders of magnitude. Experimental results demonstrate the effectiveness of ILC in achieving 10 nm RMS tracking error over 8 mm motion range in response to a 2 Hz band-limited triangular command. This corresponds to a dynamic range of more than 10⁵ for speeds up to 32 mm/s, one of the highest reported in the literature so far, for a cost-effective desktop-sized single-axis motion system.     

具有转速辨识永磁同步电机的自适应后推控制

针对无速度测量设备的永磁同步电机(PMSM),提出了一种应用于永磁同步电机的无速度传感器转度跟踪控制器.该控制器包括非线性后推控制器和用来估计转速的转速观测器.为了简化结构,扩宽应用空间,提高系统的可靠性,大多数的永磁同步电机没有转速测量设备;但是,为了达到控制目的必须测量转速,因此使用后推观测器来估计转速,采用基予后推算法的非线性控制器作用于永磁同步电机.仿真实验表明,所提出的控制策略不但能使永磁同步电机稳定,还能使转速跟踪误差渐进趋近于零.     

Iterative learning-based decentralized adaptive tracker for large-scale systems: a digital redesign approach

In this paper, a digital redesign methodology of the iterative learning-based decentralized adaptive tracker is proposed to improve the dynamic performance of sampled-data linear large-scale control systems consisting of N interconnected multi-input multi-output subsystems, so that the system output will follow any trajectory which may not be presented by the analytic reference model initially. To overcome the interference of each sub-system and simplify the controller design, the proposed model reference decentralized adaptive control scheme constructs a decoupled well-designed reference model first. Then, according to the well-designed model, this paper develops a digital decentralized adaptive tracker based on the optimal analog control and prediction-based digital redesign technique for the sampled-data large-scale coupling system. In order to enhance the tracking performance of the digital tracker at specified sampling instants, we apply the iterative learning control (ILC) to train the control input via continual learning. As a result, the proposed iterative learning-based decentralized adaptive tracker not only has robust closed-loop decoupled property but also possesses good tracking performance at both transient and steady state. Besides, evolutionary programming is applied to search for a good learning gain to speed up the learning process of ILC.     

双柔性臂机器人的建模和主动振动控制

针对双柔性臂机器人在操作过程中出现的结构振动和残余振动影响控制精度的问题,提出了采用多组压电换能器对柔性臂进行主动振动的控制方法.设计了基于超声电机驱动的双柔性臂机器人,采用拉格朗日法和假设模态法对双柔性臂进行了动力学建模,并考虑了在协作搬运过程中双柔性臂机器人需要满足的闭链约束条件.提出了采用独立关节PD反馈控制器和正位置反馈控制器相结合的混合控制方法.Matlab仿真表明,所提出的混合控制器能使柔性机器人在准确完成目标物体轨迹运动的同时,实现对柔性臂的振动抑制,提高了双柔性臂机器人的搬运精度和效率.     

液压挖掘机器人多关节协调控制研究

针对挖掘机器人位置伺服控制中,各关节伺服控制子系统相互独立,关节间速度无法匹配引起的轨迹轮廓误差问题,提出了一种基于交叉耦合路径预补偿算法的挖掘机器人多关节协调控制方法.以一台小型液压挖掘机为实验对象,实验结果表明该方法可以有效地提高斗齿尖轨迹的跟踪精度.     

A novel design strategy for iterative learning and repetitive controllers of systems with a high modal density: Theoretical background

This paper discusses the design and application of iterative learning control (ILC) and repetitive control (RC) for high modal density systems. Typical examples of these systems are structural and acoustical systems considered in active structural acoustic control (ASAC) and active noise control (ANC) applications. The application of traditional ILC and RC design techniques, which are based on a parametric system model, on systems with a high modal density has several important drawbacks: the design procedure is complex, the controllers require much computational power and the robustness of the controllers is low. This paper describes a novel strategy to design noncausal ILC and RC filters, which is especially suited for high modal density systems. Since it does not require a parametric system model, the novel strategy avoids several drawbacks of the traditional techniques: no cumbersome parametric model estimation is required; the ILC and RC controllers are robust to small changes of the poles and zeros of the controlled system; and the complexity of the ILC and RC control filters is restricted. A crucial element in the proposed strategy is the noncausal filtering in the ILC and RC controllers, which requires the availability of a trigger signal to announce a new ILC trial or RC period in advance. A numerical validation on a simulation model proves the potential of the developed strategy.