[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN105652667B - 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法 - Google Patents

一种模型不确定双关节机械手的高精度轨迹跟踪控制方法 Download PDF

Info

Publication number
CN105652667B
CN105652667B CN201610197379.9A CN201610197379A CN105652667B CN 105652667 B CN105652667 B CN 105652667B CN 201610197379 A CN201610197379 A CN 201610197379A CN 105652667 B CN105652667 B CN 105652667B
Authority
CN
China
Prior art keywords
control
fuzzy
manipulator
error
joint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610197379.9A
Other languages
English (en)
Other versions
CN105652667A (zh
Inventor
万敏
吴晓航
陈鲲鹏
陈海锋
李晓霞
杨腾宇
朱耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Petroleum University
Original Assignee
Southwest Petroleum University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN201610197379.9A priority Critical patent/CN105652667B/zh
Publication of CN105652667A publication Critical patent/CN105652667A/zh
Application granted granted Critical
Publication of CN105652667B publication Critical patent/CN105652667B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

一种机械手轨迹跟踪的高精度控制方法。传统控制器的设计通常采用基于被控对象模型的设计方法,但实际工程中要得到机械手精确的数学模型非常困难,导致这类方法难以得到实际应用。模糊控制器的设计无需知道被控对象的精确数学模型,尤其适合模型不确定机械手的控制,但由于控制规则有限,使模糊控制的控制精度不高。本发明在模糊控制的基础上引入变论域思想,实现机械手的高精度轨迹跟踪控制。该控制方法具有良好的适应性、鲁棒性、抗干扰能力,同时控制精度很高,并且能够解决各关节之间耦合影响造成的控制困难,对于模型不确定多关节机械手来说具有较高的应用价值。

Description

一种模型不确定双关节机械手的高精度轨迹跟踪控制方法
技术领域
本发明涉及一种变论域模糊控制方法,用于模型不确定双关节机械手的轨迹跟踪控制。
背景技术
机械手轨迹跟踪是通过各个关节的控制器输出驱动力矩控制各关节位置、速度等变量高精度地跟随给定轨迹变化,以使机械手实现期望理想路径的操作过程。传统控制器的设计通常采用基于被控对象模型的设计方法,通过建立机械手动力学方程,依据传统控制理论设计控制律。在实际应用中,由于负载质量、连杆质心、动/静摩擦力、以及环境干扰等不确定性因素,要想得到机械手精确的数学模型十分困难,并且机械手在运动过程中由于环境、负载等变化导致模型和参数也在实时改变,使这类方法难以得到实际应用。模糊控制器的设计无需知道被控对象的精确数学模型,尤其适合模型不确定机械手的控制,但由于模糊控制器的控制规则有限,对于高精度的控制问题,效果不理想。神经网络等其它智能控制方法也存在计算复杂、实时性不高等问题。
发明内容
为了解决传统控制和普通模糊控制等方法在机械手控制方面的不足,本发明在普通模糊控制的基础上引入变论域思想,并通过在输入变量中引入伸缩因子的方式来实现变论域的目的,针对模型不确定双关节机械手设计了一种自适应模糊控制器。该控制方法不仅具有良好的适应性、鲁棒性和抗干扰能力,同时控制精度很高,并且能够解决各关节之间耦合影响造成的控制困难。该控制方法还适用于单关节、三关节等其它自由度的机械手控制,对于不确定多关节机械手系统来说具有较高的应用价值。
附图说明
图1是双关节机械手的变论域模糊控制框图。
图2是变论域模糊控制器的结构框图。
图3是关节1的轨迹跟踪曲线。
图4是关节2的轨迹跟踪曲线。
图5是关节1的轨迹跟踪误差曲线。
图6是关节2的轨迹跟踪误差曲线。
具体实施方式
图1所示的双关节机械手的变论域模糊控制框图中,被控对象为双关节机械手,故采用了两个相同结构的变论域模糊控制器分别控制两个关节的轨迹跟踪。对于多关节的机械手可根据关节数确定控制器个数,每个关节各需要一个控制器。变论域模糊控制器采用双输入单输出的二维模糊控制器,其中输入变量为偏差及偏差的变化率,控制器输出变量为机械手关节控制力矩。
图1中的双关节机械手,其动力学模型为:
式中q∈Rn为关节角位移量,M(q)∈Rn×n为机械手的惯性矩阵,表示离心力和哥氏力,G(q)∈Rn为重力项,τ∈Rn为控制力矩,d∈Rn为外加扰动。
双关节的初始状态为:[0.9,0.3,0.6,0.5]。双关节的给定轨迹分别为:
qd1=1+0.2sin(0.5πt)
qd2=1-0.2cos(0.5πt)
图2中模糊控制器为mamdani型,模糊推理系统的基本属性设定为:“与”运算采用极小运算(min),“或”运算采用极大运算(max),蕴含运算采用极小运算(min),模糊规则的综合运算采用极大运算(max),解模糊化采用最大隶属度平均值(mom)。模糊控制器的输入输出变量的论域和隶属函数分布如表1所示。模糊控制器的推理规则如表2所示。
图2中控制误差为给定轨迹与实际轨迹之间的误差,误差伸缩因子和误差变化率伸缩因子相同,其系数可根据实际情况调节,本例中均设定为:其中x为误差e或误差变化率de。比例因子可根据实际情况进行选择,本例中关节1变论域模糊控制器的比例因子设为250,关节2变论域模糊控制器的比例因子设为100。
图3、图4所示分别为实施例关节1和关节2的轨迹跟踪仿真波形,仿真时间为20s,仿真结果表明两个关节在变论域模糊控制器的控制下均能很快的跟踪给定轨迹。说明机械手模型不确定且存在干扰的情况下,该控制方法都能实现很好的控制目标,且对参数的变化不敏感,具有较强的鲁棒性,该控制方法可以很好地解决机器人两个关节的耦合影响。
图5、图6所示分别为关节1和关节2的轨迹跟踪误差变化曲线,可以看出两个关节的误差很快收敛到零,基本上没有稳态误差,说明该控制方法能够实现高精度轨迹跟踪控制。
表1模糊控制器输入输出变量论域及其隶属函数
表2模糊控制规则表

Claims (2)

1.一种变论域模糊控制方法,用于模型不确定双关节机械手的轨迹跟踪控制,在普通模糊控制的基础上引入变论域思想,构成变论域模糊控制器,其特征是:
a.机械手各关节采用结构完全相同的变论域模糊控制器分别进行轨迹跟踪控制,变论域模糊控制器具体由模糊控制器、误差伸缩因子、误差变化率伸缩因子和比例因子构成;
b.误差伸缩因子和误差变化率伸缩因子能够根据输入信号进行实时调节,从而改变输入信号的论域;
c.伸缩因子其中x为误差或者误差变化率;
d.输出论域固定,比例因子为常数,整个控制过程中保持恒定不变。
2.如权利要求1所述的变论域模糊控制方法,其特征是:模糊规则的设置如表1所示,
表1 模糊控制规则表
其中e和de是输入信号,τ是输出信号。
CN201610197379.9A 2016-03-31 2016-03-31 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法 Expired - Fee Related CN105652667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610197379.9A CN105652667B (zh) 2016-03-31 2016-03-31 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610197379.9A CN105652667B (zh) 2016-03-31 2016-03-31 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法

Publications (2)

Publication Number Publication Date
CN105652667A CN105652667A (zh) 2016-06-08
CN105652667B true CN105652667B (zh) 2019-12-27

Family

ID=56495966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610197379.9A Expired - Fee Related CN105652667B (zh) 2016-03-31 2016-03-31 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法

Country Status (1)

Country Link
CN (1) CN105652667B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106154829B (zh) * 2016-08-23 2018-11-30 南京航空航天大学 一种基于离散时延估计的机械手轨迹跟踪控制方法
CN110250926A (zh) 2017-08-09 2019-09-20 沙克忍者运营有限责任公司 烹饪系统
CN111694273A (zh) * 2019-03-11 2020-09-22 富辐鼎智能科技(苏州)有限公司 一种双关节机械手模糊自适应控制的设计方法
CN110339016A (zh) * 2019-07-08 2019-10-18 北京航空航天大学 一种基于自适应学习控制的康复机械手
CN110471281B (zh) * 2019-07-30 2021-09-24 南京航空航天大学 一种轨迹跟踪控制的变论域模糊控制系统及控制方法
CN111856926A (zh) * 2020-06-11 2020-10-30 马鞍山职业技术学院 模糊神经网络控制器

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102554938B (zh) * 2010-12-31 2014-12-03 北京中科广视科技有限公司 机器人的机械手末端轨迹跟踪方法
CN102183957B (zh) * 2011-03-04 2013-03-20 哈尔滨工程大学 船舶航向变论域模糊与最小二乘支持向量机复合控制方法
CN102645893A (zh) * 2012-04-19 2012-08-22 哈尔滨工程大学 船舶航向变论域模糊控制方法
CN102720634B (zh) * 2012-07-09 2014-05-21 兰州交通大学 一种优化参数的变论域模糊电动变桨控制方法
CN104201955A (zh) * 2014-08-12 2014-12-10 中国南方电网有限责任公司超高压输电公司广州局 一种基于变论域模糊的特高压换流变分接开关控制方法

Also Published As

Publication number Publication date
CN105652667A (zh) 2016-06-08

Similar Documents

Publication Publication Date Title
CN105652667B (zh) 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法
CN108942924A (zh) 基于多层神经网络的模型不确定性机械臂运动控制方法
Yu Nonlinear PD regulation for ball and beam system
CN107894708A (zh) 一种环形耦合型多轴机器人系统的同步控制方法
CN104493826A (zh) 结合神经网络控制的重载机器人位置控制器
Antic et al. Anti-swing fuzzy controller applied in a 3D crane system
Li et al. Anti-swing control for an overhead crane with fuzzy compensation
CN115157238A (zh) 一种多自由度机器人动力学建模和轨迹跟踪方法
CN111428317A (zh) 一种基于5g和循环神经网络的关节摩擦力矩补偿方法
CN114942593A (zh) 一种基于干扰观测器补偿的机械臂自适应滑模控制方法
Zhang et al. Error analysis and compensation method of 6-axis industrial robot
Nokhbeh et al. Modelling and control of ball-plate system
CN115990888A (zh) 一种具有死区和时变约束功能的机械臂控制方法
CN109062039B (zh) 一种三自由度Delta并联机器人的自适应鲁棒控制方法
Cruz et al. Application of robust discontinuous control algorithm for a 5-DOF industrial robotic manipulator in real-time
CN108693776A (zh) 一种三自由度Delta并联机器人的鲁棒控制方法
Okuma et al. A neural network compensator for uncertainties of robotic manipulators
Guo et al. The robot arm control based on rbf with incremental pid and sliding mode robustness
Dong et al. Robot visual servo control based on fuzzy adaptive PID
Xie et al. Research on the Control Performance of Depth‐Fixed Motion of Underwater Vehicle Based on Fuzzy‐PID
Yang et al. Multi-degree-of-freedom joint nonlinear motion control with considering the friction effect
Wang et al. Path tracking of snake-like robot based on neural network identifier
Yang et al. Tracking control of wheeled mobile robot based on RBF network supervisory control
Dragoicea et al. Adaptive neural control for mobile robots autonomous navigation
CN106292678B (zh) 一种针对目标操作的空间机器人基座解耦控制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191227

Termination date: 20210331