移動式救援機器(qì)人機械手臂(bì)的自適應控製問題
2017-7-26 來源:遼寧(níng)工程技術大學 作者(zhě):叢佩超 ,張欣
摘要:分析了移動式救援機器人係統參數存(cún)在(zài)誤差時 ,其機械臂工作端軌跡的跟蹤控製問(wèn)題 。 首先基(jī)於雅可比矩陣概念與歐拉-拉格朗日方法,建立了移動式救援(yuán)機器人係統(tǒng)的運動學(xué)與動力學模型。 然後,分析了係統的運動學與動(dòng)力學模型存在誤差時,對於逆(nì)動力學控(kòng)製算法的影響,為了克服這種影響,引入了參數在線識別算法-自適應控製,設計了新的自適(shì)應-逆動力學控製算法 。最後(hòu) ,通過計算(suàn)機數值仿真 ,驗證了(le)設計的自適(shì)應-逆動力學控製(zhì)算法的有效性。
關鍵詞:移動式(shì)救援機器人;雅可比矩陣;逆動力學控製;
自適應(yīng)控製(zhì)移動式(shì)救援機器人是機器人學的一個重要分(fèn)支,由(yóu)於(yú)能夠在各種(zhǒng)災害發生時,替代救(jiù)援人(rén)員完成相應任務, 近年來成為國內外眾多學者研究的熱點問題[1-4 ]。移動式救援機器人從廣義上可分為地下、地麵(miàn)、水下、航(háng)空和航天移動式救援機器人。其中(zhōng),地下、地麵移動式救援機器(qì)人又可分為履帶式、輪式、腿(tuǐ)足式及仿人形機器人等。 移動(dòng)式救援機器人係統主要由移動式基座(輪式/履帶式(shì))、機械手臂、導航係統(tǒng)、視覺係統、控製係統及輔助設(shè)備構成。在救援工作中,移動式救援機器人各種具體的操作動作是由其(qí)機械(xiè)手係統(tǒng)完成的。因此,移(yí)動式救援機器人係統的機械手臂(bì)控製問題,在其眾多(duō)關鍵技術中占有非常重要的地位(wèi)。國內外學者對相關問題進行了(le)大量的研(yán)究, 其中比較常見的控製算法有:PD 控製(zhì)、PID 控製[5-6]、逆動力學控製、變結構控製、模糊控製[7-10]等。
這些控(kòng)製算法應用的前提條件是: 移動式救援機器人係統及其操作目標(biāo)的參數精確已知(zhī)。一旦這一條件無法得到滿足(zú),傳統控製算法的控製特性將出現(xiàn)較大偏差 (工作端軌跡跟蹤出現較大誤差(chà))。為了解決(jué)上述問題,需要提出新的控製算法(fǎ)來加以克服。利用雅可比矩陣概念與變分法中的歐拉-拉格朗(lǎng)日方程, 分別建立了移動式救援機器人(rén)係統的運動學與動力(lì)學方程。基於得到的數學模(mó)型,進一步研究了移動式救援機器(qì)人(rén)係統參數存在誤差時,其工作端軌(guǐ)跡跟蹤控製問題,分析(xī)了此時傳統控製算法控製特性(xìng)所受(shòu)到的影響。 為了解(jiě)決這一影(yǐng)響,借助參數在線修正算(suàn)法(fǎ)-自適應控製, 設計了自適應-逆動力學控製算法。 最後,通過計算(suàn)機仿真驗證了所設計控製算法的有效性。
1.移動式救援機器人係統的運動學與動力學模型
如圖 1 所示, 移動式救(jiù)援(yuán)機器人係統主(zhǔ)要由移動基座和機械臂組成。
利用旋轉矩陣、 齊次轉(zhuǎn)換矩陣、D-H 轉換法及雅可(kě)比(bǐ)矩陣概念, 建立移動式救援機器(qì)人係統的運動學方程,具(jù)體形式如下(xià):
以方程(1)和方程(2)為基礎,利用受非完整約束條件限製的 Lagrange 第二方程,推導出了移動(dòng)式救援機器人係統的動力學方(fāng)程:
2.係統參數誤差對逆動力學控製算(suàn)法的影響
對於移動式救援機器人(rén)係統的控製, 主要是通過方程(3)中(zhōng)的控製力項 f 來加以實現,各種不同的控製算法都體現在該力矩項中。 選擇較為常用(yòng)的一種控製算法———逆動力學控製算法來(lái)分析(xī)移動式(shì)救援機器人係統參數誤差對於傳統控製算法控製特性的(de)影響。 逆動力學控製算(suàn)法屬於非線性(xìng)控製算法(fǎ)範疇, 其通用形式如下[11]:
方程(8)是移動式(shì)救援機器人係統機械(xiè)臂關節空(kōng)間控製的誤差(chà)方程(chéng)。 方程(4)與方(fāng)程(6)構成了移(yí)動式救援機器人係統機械臂的逆動力學控製算法(fǎ)。在移動式救援機器人係統開展救援工作過程中,
利(lì)用(yòng)以上設(shè)計的逆動力學(xué)控製算法對係統的機械臂進行控製時,需要對係統參數精(jīng)確掌握,一旦機器人係統所操作的目標參數未知,或係統自身(shēn)某(mǒu)些參數(shù)未知,以上得(dé)到(dào)的逆動力(lì)學控製算法的控(kòng)製性能將大打折扣,控製(zhì)精度將無法得到保證。當移動式救援機器人係統出現建模誤差、 計算誤差和操作未知目標等情況時,逆動力學控製算法(方程(4))所依據的係(xì)統動力學模(mó)型(方程(3))將發生變化,此時,方程(4)變為:
表 1 為一個帶兩關節機械臂的(de)移動式救援機器人係統的參數(shù), 通過該表分析係統參數不確定性對於(yú)逆動力學控製(zhì)算法的影響。 設移動式救援機器人的移動基座(zuò)質量沒有(yǒu)誤(wù)差,精確已知。已知(zhī)機械各關節質量分別為其真實值的 80%,利用方(fāng)程(3)、方程(chéng)(9)與方程(6),借(jiè)助 MATLAB 軟件進行移動式救援機器人係統的動力學仿真,仿(fǎng)真時間 T=8 s,仿真步長為 0.01 s。仿真結果如圖 2、圖 3 所示。
表 1 移動(dòng)式救援(yuán)機器人係統參數
圖 2基座移動時關(guān)節軌跡跟蹤誤差、各關節力矩、各轉鉸速度(m0=100 kg)
圖 3基座移動時關節軌(guǐ)跡跟蹤(zōng)誤差、各關節(jiē)力矩、各轉鉸速度(m0=500 kg)
通(tōng)過分析計算機(jī)仿(fǎng)真結果,可以(yǐ)得出以下結論:當移(yí)動式救援機器人係統工作時,由於各種原因,其(qí)自身的動(dòng)力學參數出現誤差, 傳統的逆動(dòng)力學控製(zhì)算法(fǎ)的控製(zhì)特性會出現較大偏差(如(rú)圖 2、圖(tú) 3 所示(shì))。 在仿真開始(shǐ)階段, 機械臂關(guān)節空間期望軌跡的跟(gēn)蹤(zōng)誤差穩定在一個較大(dà)值附近; 機械臂的驅(qū)動力矩(jǔ)保持在(zài) 6~7k N·m 之 間 ,這種情(qíng)況對於驅動(dòng)電機非常有害 ;與此(cǐ)同時,機械臂各關(guān)節轉速(sù)也在不斷增大。
3.自(zì)適應-逆動力學控製算法
文中分析得到了(le)移動式救援機器人係統參數(shù)存在誤差時,逆動力學控(kòng)製算法的控製特性偏(piān)差。為克服這一偏差,首先要找到出現這種控製偏(piān)差的原因。將方程(9)代入到方程(3)中得:
式(shì)(17)表示的 σ項就是移動式救援機(jī)器人係統的動力(lì)學參數誤差(chà)項(xiàng)。正是由(yóu)於它的存在,引起了逆動力(lì)學(xué)控製算法控製特性的偏差。 研究的自適應控製算法的控製目標是:利用參數在線修正原理,消除不確定項σ對逆動力學控(kòng)製算法的(de)影響。移動式(shì)救援機器人係統的動力學方程可化為如下線性形式[11]:
方程(24)是移動式救援機器人係統新的關節軌跡誤差(chà)方程。當這一條(tiáo)件成(chéng)立時,係統參數誤差對於控製算法控製特性的影響消失。 因此,設計新的自適應-逆動力學控製算法的(de)關鍵是找到合適的自適應率, 以滿足上述條件的成立。利用李雅普諾夫判據來確定自(zì)適應控製算法的(de)參數自適應率。 首先,選取李雅普(pǔ)諾夫函數為:
4.仿真(zhēn)驗證
仍以表 1 中給出的移動式救(jiù)援機器人係統模型為例,利(lì)用設計的自(zì)適應-逆動力學控製算法,對其進行計算機仿真(zhēn)。 仿真時間 T=5 s,仿真(zhēn)步(bù)長為 0.01 s,仿真(zhēn)結果如圖 4、圖(tú) 5 所示。
圖 4基座移動時關節軌跡跟蹤(zōng)誤差、各關節(jiē)力矩、各(gè)轉鉸速度(m0=100 kg)
圖 5基座移動(dòng)時關節(jiē)軌跡跟蹤誤差、各(gè)關節力(lì)矩、各轉鉸速度(m0=500 kg)
將以上仿真結果與圖 2、圖 3 的結果進行對比,可以得出(chū)如下結論:采用設計的自適應-逆動力學控製算法,無論移動式救援機器人係統的移(yí)動基座質量小還(hái)是大, 關(guān)節軌跡跟蹤誤差均被(bèi)控製在微小(xiǎo)值之內;與此同(tóng)時,機械臂各關節的(de)速度、 驅動力矩也均被控製在合理的範圍(wéi)之內,有效地(dì)保護了機械(xiè)臂各關節轉角及其驅動電(diàn)機。因此, 該控製算法有效地消(xiāo)除了係統動力學模(mó)型誤差對於逆(nì)動力學控製算法控製特性的影響。
5.結論
研究了移動式救援機器人(rén)係統存在參數誤(wù)差時,其機械手(shǒu)臂的自適(shì)應控製問題,得到如下結(jié)論:(1)基於係(xì)統的運動學與(yǔ)動(dòng)力學(xué)模型,設計了逆動力學控製算法, 並(bìng)分析了係(xì)統參數誤差對於該控製算法的影(yǐng)響,具體的影響表現為:軌跡跟蹤誤(wù)差(chà)出現較大偏(piān)差,轉鉸速度(dù)和驅動力矩(jǔ)變大。(2)針 對上述問題 ,借助自適應控製算法思想 ,將傳統的逆動(dòng)力學控製算法與自(zì)適應控製算法相融合,設計了全(quán)新的自適(shì)應-逆動力學控製算(suàn)法,該算法有效地消除了(le)移動(dòng)式救搖機器人係統參數不(bú)確定性(xìng)對於逆動力學控製算法的影(yǐng)響。(3)通過計算機仿真實例,驗證了控製算法的有效性。
投稿箱:
如果您有機床行業、企業(yè)相關新聞(wén)稿件發表,或進行資訊合作,歡迎聯係本網編輯部, 郵箱:skjcsc@vip.sina.com
如果您有機床行業、企業(yè)相關新聞(wén)稿件發表,或進行資訊合作,歡迎聯係本網編輯部, 郵箱:skjcsc@vip.sina.com
更多(duō)相關信息
業界視點
| 更多
行業數據
| 更多
- 2024年11月 金屬切削機床產(chǎn)量數(shù)據(jù)
- 2024年11月 分地區金(jīn)屬切削機床產量(liàng)數據
- 2024年11月 軸承出(chū)口情況
- 2024年(nián)11月 基本型(xíng)乘用車(轎車(chē))產量(liàng)數據(jù)
- 2024年11月 新能源(yuán)汽車產量數據
- 2024年(nián)11月 新能源汽車銷量情況
- 2024年10月 新能源汽車產量(liàng)數(shù)據(jù)
- 2024年10月 軸承出(chū)口情況
- 2024年10月 分地區金屬切削機(jī)床產量數據
- 2024年10月 金屬切削機床產量數據(jù)
- 2024年9月 新能(néng)源汽車銷量情況
- 2024年8月 新能源汽車產量數據
- 2028年8月 基本型乘用車(轎車)產量數據
博文選萃
| 更多
- 機械加工過程圖示
- 判斷一台加工中心精度的幾種(zhǒng)辦法
- 中走(zǒu)絲線切割機床的發展趨勢
- 國產數控係統和數控機(jī)床(chuáng)何去何從?
- 中國的技術(shù)工人(rén)都去哪裏(lǐ)了?
- 機械老板做了(le)十多年(nián),為何還(hái)是小作坊?
- 機械行業最新自殺性營銷,害人害己!不倒閉才
- 製造業(yè)大逃亡
- 智能時代(dài),少談(tán)點智造,多談點製造
- 現實麵前,國人沉默。製造業的騰飛,要從機床
- 一文搞懂數(shù)控車床加(jiā)工刀具補償(cháng)功能
- 車床鑽孔攻螺紋加工方法及工裝設計
- 傳統鑽削與螺(luó)旋(xuán)銑孔加工工藝(yì)的區別