工業(yè)機器人控制策略

1、工業(yè)機器人控制策略探討前言工業(yè)機器人（機械手）是一個十分復雜的多輸入多輸出非線性系統(tǒng)，它具有時變、強耦 合和非線性的動力學特征， 因此帶來了控制的復雜性。 由于測量和建模的不精確， 再加上負 載的變化以及外部擾動等不確定性的影響， 難以建立工業(yè)機器人精確、 完整的運動模型。 現(xiàn) 代工業(yè)的快速發(fā)展需要高品質(zhì)的工業(yè)機器人為之服務， 而高品質(zhì)的機器人控制必須綜合考慮 各種不確定性因素的影響， 因此針對工業(yè)機器人的非線性和不確定性的控制策略成為了工業(yè) 機器人研究的重點和難點。工業(yè)機器人的控制策略針對工業(yè)機器人的多變量、 非線性、 強耦合以及不確定性， 目前采用或正在大力研究的主要 有如下幾種控制策略：

2、變結(jié)構(gòu)控制20 世紀 60 年代， 前蘇聯(lián)學者提出了變結(jié)構(gòu)控制。 20 世紀 70 年代以來， 變結(jié)構(gòu)控制經(jīng)過 控制學者的傳播和研究工作，經(jīng)歷 40 多年來的發(fā)展，在國際范圍內(nèi)得到廣泛的重視，形成 了一門相對獨立的控制研究分支。變結(jié)構(gòu)控制方法對于系統(tǒng)參數(shù)的時變規(guī)律、非線性程度以及外界干擾等不需要精確的數(shù) 學模型， 只要知道它們的變化范圍， 就能對系統(tǒng)進行精確的軌跡跟蹤控制。 變結(jié)構(gòu)控制方法 設(shè)計過程本身就是解耦過程， 因此在多輸入多輸出系統(tǒng)中， 多個控制器設(shè)計可按各自獨立系 統(tǒng)進行，其參數(shù)選擇也不是十分嚴格?；Ｗ兘Y(jié)構(gòu)控制系統(tǒng)快速性好，無超調(diào)，計算量小， 實時性強。變結(jié)構(gòu)控制本身的不連續(xù)性以及

3、控制器頻繁的切換動作有可能造成跟蹤誤差在零 點附近產(chǎn)生抖動現(xiàn)象， 而不能收斂于零， 這種抖動輕則會引起執(zhí)行部件的機械磨損， 重則會 激勵未建模的高頻動態(tài)響應特別是考慮到連桿柔性的時候，容易使控制失效。自適應控制控制器參數(shù)的自動調(diào)節(jié)首先于 20 世紀 40 年代末被提出來討論，同時自適應控制的名稱 首先用來定義控制器對過程的靜態(tài)和動態(tài)參數(shù)的調(diào)節(jié)能力。 自適應控制的方法就是在運行過 程中不斷測量受控對象的特性， 根據(jù)測得的特征信息使控制系統(tǒng)按最新的特性實現(xiàn)閉環(huán)最優(yōu) 控制。自適應控制能認識環(huán)境的變化， 并能自動改變控制器的參數(shù)和結(jié)構(gòu)， 自動調(diào)整控制作用，以保證系統(tǒng)達到滿意的控制品質(zhì)。自適應控制不是一

4、般的系統(tǒng)狀態(tài)反饋或系統(tǒng)輸出反饋控制， 而是一種比較復雜的反饋控制，實時性要求嚴格，實現(xiàn)比較復雜，特別是當存在非參數(shù)不確定性時，自適應控制難以保證系統(tǒng)的穩(wěn)定性。即使線性定常的控制對象，其自適應控制也是非線性時變反饋控制系統(tǒng)。2.3魯棒控制魯棒控制(RobustControl)的研究始于20世紀50年代。經(jīng)歷了多年的發(fā)展，目前已經(jīng)成為一個實用的系統(tǒng)分析與設(shè)計方法。魯棒控制可以在不確定因素的一定變化范圍內(nèi)，保證系統(tǒng)穩(wěn)定和維持一定的性能指標， 它是一種固定控制，比較容易實現(xiàn)。一般魯棒控制系統(tǒng)的設(shè)計是以一些最差的情況為基礎(chǔ)， 因此一般系統(tǒng)并不工作在最優(yōu)狀態(tài)。魯棒自適應控制對控制器實時性能要求比較嚴格。2

5、.4智能控制薩里迪斯在1977年首次提出了分層遞階的智能控制結(jié)構(gòu)。整個控制結(jié)構(gòu)由上往下分為3個層次，組織級、協(xié)調(diào)級和執(zhí)行級。其控制精度由下往上逐級遞減，智能程度由下往上逐級增加。根據(jù)機器人的任務分解，在面向設(shè)備的基礎(chǔ)級可以采用常規(guī)的自動控制技術(shù)，如PID控制、反饋控制等。在協(xié)調(diào)級和組織級，存在不確定性，控制模型往往無法建立或建立的模 型不夠精確，無法取得良好的控制效果。因此，需要采用智能控制方法，如模糊控制、神經(jīng) 網(wǎng)絡(luò)控制、專家控制以及集成智能控制。(1 )模糊控制1965年美國著名控制論學者 L.A.Zadeh首次提出一種完全不同于傳統(tǒng)數(shù)學與控制理論的 模糊集合理論，把信息科學推進到人工智能

6、的新方向。模糊邏輯系統(tǒng)或模糊控制系統(tǒng)是由模糊規(guī)則基、模糊推理、模糊化算子和解模糊化算子4個部分組成，其基本結(jié)構(gòu)如下圖所示。工業(yè)機器人的模糊控制有它獨特的優(yōu)勢一簡化了控制算法。模糊系統(tǒng)理論還有一些重要的理論問題沒有得到很好的解決，因而研究模糊控制的理論問題遠非像現(xiàn)代控制理論那么簡單。模糊控制系統(tǒng)的可控性和可觀性問題還沒有得到解決，模糊控制器的設(shè)計沒有統(tǒng)一的設(shè)而且假計準則，控制器的設(shè)計存在隨意性。模糊系統(tǒng)穩(wěn)定性判據(jù)都是基于具體的控制對象,設(shè)條件千差萬別，沒有統(tǒng)一的方法。模糊控制系統(tǒng)具有魯棒性都只是基于計算機仿真的結(jié)論, 并不是基于理論分析的結(jié)果。(2)神經(jīng)網(wǎng)絡(luò)控制(人工神經(jīng)元)相互連接組BP網(wǎng)絡(luò)，

7、下圖是其模型結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)是由許多具有并行運算功能的、簡單的信息處理單元神經(jīng)網(wǎng)絡(luò)控制模型建立后，在輸入狀態(tài)信息不完備的情況下，也能快速做出反應，進行模型辨識，這對于工業(yè)機器人的智能控制是十分理想的。神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有快速并行處理運算能力、很強的容錯性和自適應學習能力的特點。神經(jīng)網(wǎng)絡(luò)控制主要處理傳統(tǒng)技術(shù)不能解決的復雜的非線性、不確定、不確知系統(tǒng)的控制問題。神經(jīng)網(wǎng)絡(luò)控制存在自學習的問題，當環(huán)境發(fā)生變化時，原來的映射關(guān)系不再適用，需要重新訓練網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)控制目前還沒有一個較系統(tǒng)的方法來確定網(wǎng)絡(luò)的層數(shù)和每層的接點數(shù)，仍主要憑借經(jīng)驗和試湊。工業(yè)機器人控制策略發(fā)展趨勢到目前為止，多數(shù)商品化工業(yè)機器人控制

8、器下級的控制策略基本上是獨立關(guān)節(jié)PID伺服算法。這種控制方法的主要缺點是，反饋增益是預先確定的常量，它不能在有效載荷變化的情況下改變反饋增益。機器人高速運動時，其動力學效應十分顯著。為解決上述問題，就要根據(jù)機器人手臂的動態(tài)模型求出施加于機器人手臂的力矩。于是就提出了諸如計算力矩法、 非線性解耦反饋控制、前饋補償控制算法等方案。但這些算法大多過于復雜，難以實時計算。 故研究人員一方面研究簡化模型、簡化計算方法，提出一些有效的并行算法、遞推算法等；另一方面又研究對系統(tǒng)參數(shù)變化及擾動不敏感，或不過分依賴準確的系統(tǒng)動態(tài)模型的控制方法。最后，充分考慮各控制算法的優(yōu)缺點，取長補短，在一個工業(yè)機器人當中采用

9、多種控制算法的結(jié)合處理。開展對控制方案、動態(tài)控制模型以及控制算法的研究，以求改善機器人系統(tǒng)的動態(tài)控制性能。工業(yè)機器人控制策略主要向以下3個方面發(fā)展。3.1力和位置混合控制工業(yè)機器人在實際應用中都不可避免地要與環(huán)境接觸，比如生產(chǎn)裝配、焊接等，它們不再是簡單的位置控制，而需要機械手具有感覺和觸覺，將面臨更多的不確定性，故力和位置混合控制將成為未來工業(yè)機器人控制的一個研究方向，如下圖所示。系統(tǒng)具有位置控制回路、力控制回路和速度阻尼回路。力和位置混合控制系統(tǒng)中的力控制與位置控制互不影響?；旌峡刂葡到y(tǒng)中的力控制子系統(tǒng)的性能，對整個系統(tǒng)產(chǎn)生重要的作 用。協(xié)調(diào)并行處理復合控制由于微電子技術(shù)的發(fā)展，微型計算機的性能提高、成本降低。從而可以利用多個微型處理器對各種工業(yè)機器人的感覺 （如視覺、觸覺等）信息進行并行處理，并控制機器人多功能的 手，快速地完成更復雜的工作，如下圖所示。叢覆性PI控制器 凹斗 更一-一 必 北分解控制分解控制是單獨對工業(yè)機器人的各個關(guān)節(jié)進行控制，由于反饋信息是局部的，它不會因為某一關(guān)節(jié)的傳感器損壞而影響其他關(guān)節(jié)的工作，這便于故障檢測和排除，加強了控制系統(tǒng)的可靠性；分散控制不需要系統(tǒng)的全部模型信息，因此它對系統(tǒng)的不確定性具有很強的魯棒性。所以分解控制也將是未來工業(yè)機器人控制技術(shù)的一個研究方向，如圖5所示。機睥人唐