機器人控制

《機器人控制》由會員分享，可在線閱讀，更多相關(guān)《機器人控制（76頁珍藏版）》請在裝配圖網(wǎng)上搜索。

機器人控制,參考書目,Bruno Siciliano, Lorenzo Sciavicco, et al. Robotics: Modeling, planning and control. 蔡自興. 機器人學(xué)（第二版）. 北京：清華大學(xué)出版社，2009 譚民，徐德，侯增廣等.先進機器人控制. 北京：高等教育出版社， 2007.,本章內(nèi)容,機器人控制概述 機器人控制分類 機器人控制系統(tǒng)硬件配置及結(jié)構(gòu) 機器人的位置控制 機器人的力控制 總結(jié),學(xué)習(xí)目標(biāo),了解機器人控制的基本概念 掌握機器人控制的分類及特點 掌握機器人的位置控制方法 深入理解機器人的力控制方法，包括直接力控制，阻抗控制等,一. 機器人控制技術(shù)綜述,“控制”的目的 是使被控對象產(chǎn)生控制者所期望的行為方式 “控制”的基本條件是了解被控對象的特性 “實質(zhì)”是對驅(qū)動器輸出力矩的控制,輸入X,,被控對象的模型,,輸出Y,目 的,,機器人控制的兩個問題：1）求機器人的動態(tài)模型（動力學(xué)問題）；2）根據(jù)動態(tài)模型設(shè)計控制規(guī)律,,機器人技術(shù)與控制學(xué)科的關(guān)系,機器人控制國際視野,IEEE/RSJ International Conference on Intelligent Robots and Systems,二. 機器人控制的分類,1）按照有無反饋分為： 開環(huán)控制 閉環(huán)控制,開環(huán)精確控制的條件：精確地知道被控對象的模型，并且這一模型在控制過程中保持不變,,,,如果被控對象的模型能夠精確知道，但模型是變化的，怎么辦？,如果模型的變化是可以預(yù)測的,,,,開環(huán)預(yù)測控制,如果模型的變化是可以實時辯識的,,,開環(huán)辨識控制,,以被控對象的實際輸出構(gòu)成某種評價標(biāo)準(zhǔn)來修正控制器的輸入信號，以使對象的輸出接近期望值----閉環(huán)反饋控制,被控對象的特性（數(shù)學(xué)模型）不能完全確定或完全不能確定的情況下，怎么辦？,最常用的評價標(biāo)準(zhǔn)就是輸入與輸出（期望的輸出與實際輸出）之間的偏差,,,,例如：,按照期望控制量分為：位置控制，力控制,智能化的控制方式,模糊控制(fuzzy control ) 自適應(yīng)控制（ adaptive control ） 最優(yōu)控制(optimal control) 神經(jīng)網(wǎng)絡(luò)控制(neuro control ) 模糊神經(jīng)網(wǎng)絡(luò)控制 專家控制(expert control) Others,三. 控制系統(tǒng)硬件配置及結(jié)構(gòu),電氣硬件 軟件架構(gòu),高性能機器人運動控制卡,主控芯片,５１單片機 dsp tms320c6713 —— DSP Digital signal processing Samsung S5L8900B01——ARM ＥＰＩＣ３Ｔ１４４——FPGA Field Programmable Gate Array （現(xiàn)場可編程邏輯陣列）,ＤＳＰ架構(gòu),Code Composer Studio (CCStudio) 集成開發(fā)環(huán)境,編程環(huán)境,例：靈巧手控制系統(tǒng),底層由手指DSP和FPGA實現(xiàn)傳感器數(shù)據(jù)采集、處理及電機驅(qū)動； 在通訊層由手掌FPGA傳遞傳感器信號并且為各手指分配控制命令； 高層由高速浮點DSP執(zhí)行各種任務(wù)規(guī)劃及多指協(xié)調(diào) 整個系統(tǒng)控制周期為200μs 頂層由計算機來提供多種人機接口,總體架構(gòu) 1）傳感器信號采集及處理系統(tǒng),,,驅(qū)動電路系統(tǒng),基于PWM的三相全橋控制,,電源系統(tǒng),實現(xiàn)電壓轉(zhuǎn)換,PID控制器的基本原理,反饋控制實例：PID,被控參數(shù)（位置、力、速度、溫度、流量、液位等）以怎樣的途徑，多長時間到達期望值,PID 控制方法,以單個關(guān)節(jié)的角度控制為例,,定義e(t)為輸入輸出之差的時間函數(shù),控制器公式,比例+積分控制器（P+I）,比例+積分+微分控制器（PID）,比例+微分控制器（PD）,比例控制器（P）,數(shù)字PID控制算法,計算機控制系統(tǒng)多數(shù)是采樣-數(shù)據(jù)控制系統(tǒng)。連續(xù)-時間信號——采樣、量化——數(shù)字量 積分，微分——采用數(shù)值逼近的方法。,采用矩形積分,差分代替微分,代入ＰＩＤ的公式整理,做代換,得：,當(dāng)不需要控制量的絕對值，而是增量時（例如控制步進電機）采用增量式ＰＩＤ控制方法,做差,優(yōu)點：抗積分飽和（當(dāng)控制變量達到一定值后，系統(tǒng)的輸出不再增長）,ＰＩＤ算法流程,Matlab/simulink 模型,,仿真結(jié)果分析,PID控制器具有一定的魯棒性，但對干擾抑制效果不是很好,PID參數(shù)對控制系統(tǒng)性能的影響,Kp--影響系統(tǒng)的響應(yīng)速度，Kp越大，響應(yīng)速度越快,增大Kp可能會引起系統(tǒng)超調(diào)，甚至振蕩和不穩(wěn)定；,Ki--影響系統(tǒng)的靜態(tài)精度，有利于消除系統(tǒng)的靜態(tài)誤差，但Ki過大也可能會引起系統(tǒng)超調(diào)，甚至振蕩和不穩(wěn)定；,Kd--影響系統(tǒng)的響應(yīng)速度，通?？杉涌煜到y(tǒng)的穩(wěn)定時間，但微分環(huán)節(jié)也會把外部的干擾放大，微分作用過強，可能會引起系統(tǒng)的振蕩和不穩(wěn)定；,傳統(tǒng)PID參數(shù)整定方法,PID控制器參數(shù)整定的一般規(guī)律,先調(diào)節(jié) Kp, 至系統(tǒng)出現(xiàn)振蕩,設(shè)此時比例增益為Kp’ 取Kp = Kp’/2, 逐漸增大Ki,直至出現(xiàn)振蕩,記Ki’ 取Ki=Ki’/3, 調(diào)節(jié)Kd, 直至獲得滿意的系統(tǒng)特性,機器人的位置控制,機器人系統(tǒng)的特點：電機驅(qū)動，動態(tài)特性非線性，關(guān)節(jié)彈性及摩擦存在,在建立模型時，提出下列兩個假設(shè)： （1）機器人的各段是理想剛體，因而所有關(guān)節(jié)都是理想的，不存在摩擦和間隙。 （2）相鄰兩連桿間只有一個自由度，要么為完全旋轉(zhuǎn)的．要么是完全平移的。,笛卡爾空間位置控制,Xd為笛卡爾空間期望位置，Xe為實際位置,,,從穩(wěn)定性和精度的觀點看，要獲得滿意的伺服傳動性能，必須在伺服電路內(nèi)引入補償網(wǎng)絡(luò)。,,1．機器人位置控制任務(wù)分類：點到點的控制(如搬運、點焊機器人)或連續(xù)路徑的控制（如弧焊、噴漆機器人）。,2. 位置控制方法：關(guān)節(jié)空間控制結(jié)構(gòu)和直角坐標(biāo)空間控制結(jié)構(gòu)，分別見圖5.11（a）和（b）所示。,位置、速度反饋控制,速度環(huán)：使關(guān)節(jié)電機表現(xiàn)出期望的速度特性，通常通過驅(qū)動器的電流環(huán)控制 位置環(huán)：使關(guān)節(jié)電機運動到期望的位置，由控制器實現(xiàn)。,速度、加速度前饋補償控制,當(dāng)機器人處于高度運動時，位置、速度反饋的精度大幅降低，此時通過速度、加速度前饋補償提高跟蹤精度。,速度、加速度前饋補償,,,,,鎖住機器人的其他各關(guān)節(jié)而依次移動一個關(guān)節(jié)，這種工作方法顯然是低效率的。這種工作過程使執(zhí)行規(guī)定任務(wù)的時間變得過長，因而是不經(jīng)濟的。不過，如果要讓一個以上的關(guān)節(jié)同時運動，那么各運動關(guān)節(jié)間的力和力矩會產(chǎn)生互相作用，而且不能對每個關(guān)節(jié)適當(dāng)?shù)貞?yīng)用前述位置控制器。因此，要克服這種互相作用，就必須附加補償作用。要確定這種補償，就需要分析機器人的動態(tài)特征。 1．動態(tài)方程的拉格朗日公式 動態(tài)方程式表示一個系統(tǒng)的動態(tài)特征。我們已討論過動態(tài)方程的一般形式的拉格朗日方程如下：,,多關(guān)節(jié)位置控制器,二自由度機械手簡圖,二自由度機械手的動力學(xué)方程,分解控制,基于計算力矩前饋補償?shù)亩嚓P(guān)節(jié)分解控制,專家控制系統(tǒng)(Expert Control System) 幾乎所有的專家控制都包括：knowledge base(知識庫), reasoning engineer (推理機), rule set (控制規(guī)則集) and/or control algorithm.,,模糊控制系統(tǒng)(Fuzzy Control System) A new mechanism of control law of knowledge-based (rule-based) and even language-description. An improved alternative method to non-linear control.,神經(jīng)控制系統(tǒng)(Neuro-Control System) 控制系統(tǒng)基于 Artificial Neural Network (ANN-based control), 簡稱為neural control or NN control.,教師學(xué)習(xí) Supervised neural controller structure,例：基于神經(jīng)網(wǎng)絡(luò)的位置控制,,五. 機器人的力控制,力控制簡介 直接力控制（Direct force control） 間接力控制（Indirect force control） 應(yīng)用舉例,力控制簡介,目的: 控制機器人各關(guān)節(jié)使其末端表現(xiàn)出一定的力或力矩特性。,為什么采用力控制？,軸孔配合,,,形狀適應(yīng)性,,接觸碰撞,,,,直接力控制,作用：實現(xiàn)機器人與環(huán)境作用力的精確控制 實例：力的PI控制方法,特點：直接力控制具有力回路，直接控制期望力,直接力控制,間接力控制,分類：主動柔順-阻抗控制；被動柔順-變剛度,特點：間接力控制（阻抗控制、力/位混合控制）通過控制位置實現(xiàn)力控制，沒有明確力回路,,單自由度系統(tǒng)柔順控制,寫成狀態(tài)圖的形式為：,,在PD控制下,聯(lián)立得：,閉環(huán)系統(tǒng)狀態(tài)圖為：,傳遞函數(shù)為：,閉環(huán)系統(tǒng)的拉氏變換為：,穩(wěn)態(tài)位置為：,穩(wěn)態(tài)接觸力為：,當(dāng)：,二自由度機械臂與平面接觸的柔順控制,包含阻尼項的阻抗控制模型,阻抗控制分類,區(qū)別在內(nèi)環(huán),基于位置的笛卡爾空間阻抗控制,基于力的笛卡爾空間阻抗控制,例：機械臂笛卡爾阻抗控制,末端期望軌跡：X-Y平面內(nèi)直徑300mm的圓。 障礙物：圓柱形杯子。,各關(guān)節(jié)位置響應(yīng),笛卡爾位置響應(yīng),機械臂末端接觸力響應(yīng)曲線,末端接觸力,各關(guān)節(jié)力矩響應(yīng)曲線,關(guān)節(jié)力矩,被動柔順控制,目的：基于安全性考慮 阿西莫夫三定律： 1950年,美國作家埃薩克·阿西莫夫在科幻小說《I，Robot》中首次使用了“Robotics” ，即“機器人學(xué)”。阿西莫夫提出了“機器人三定律”： 1、機器人不應(yīng)傷害人類,且在人類受到傷害時不可袖手旁觀； 2、機器人應(yīng)遵守人類的命令，與第一條違背的命令除外； 3、機器人應(yīng)能保護自己，與第一條相抵觸者除外。,工業(yè)機器人通常遠(yuǎn)離人，但當(dāng)人進入其工作范圍，會造成意外傷害,與人交互需求,安全性是第一位的,從仿人的角度,變剛度,,,人體關(guān)節(jié)構(gòu)造,前臂肘關(guān)節(jié),仿生機器人關(guān)節(jié),,,,,