机器人在线 > 资讯 > 技术干货 > 重载码垛机器人高速高精度控制算法研究现状

重载码垛机器人高速高精度控制算法研究现状

时间：2017-12-06 来源：机器人在线阅读：6672

重载码垛机器人高速高精度控制算法研究现状

合理的轨迹规划方法在一定程度上可以降低机器人的能耗，减小机器人运动的末端残余振动，但是也给机器人的控制带来了更大的挑战:传统的码垛机器人只需要保证机器人的重复定位精度即可，而在轨迹上的更高要求也使得码垛机器人的轨迹跟踪精度提高成为了评估其性能的重要指标。

机器人在高速重载情况下运行时，关节柔性与杆件柔性同时影响着机器人系统动力学，这使得机器人系统具有强非线性、不确定性和时变性的特点。在对机器人进行控制时，传统的控制方法如PID等算法难以满足对控制系统高精度以及快速响应的要求。相关学者在进行研究时，提出了诸多非线性控制方法。

常用的非线性控制方法多是基于机器人动力学模型的，如非线性PID、计算力矩法、PD+计算力矩法等。这些方法在动力学模型建立完全准确的前提下，具有很好的控制效果，但是高速重载的工作状况决定了动力学模型的建立不可避免地存在误差。为了减小模型误差带来的影响，学者将模型建立误差视为扰动，提出了重力补偿摩擦补偿等多种补偿算法，补偿模型建立的非线性误差，提高控制系统的控制精度。

其中，摩擦补偿算法的引入较为常见。为了在控制算法中加入较为准确的摩擦补偿项，需要对机器人关节处的摩擦模型进行参数辨识。常用的摩擦模型分为静摩擦模型和动摩擦模型两种，在进行摩擦补偿时，由于动摩擦模型能更好地反映摩擦力大小随速度大小变化而变化的规律，通常采用动摩擦模型进行补偿。丛爽等人开展了对针对线性系统的摩擦模型研究，其选用了库仑模型对摩擦模型进行描述，最终得出的模型仿真结果与实际结果一致，但是仅能针对线性系统进行摩擦辨识。Check等人在己知伺服电机模型参数的情况下，利用线性优化算法对电机系统的非线性摩擦模型完成了较为准确的辨识。王广雄等人在不反馈加速度信号的前提下，利用最小二乘法对摩擦力进行了参数辨识，这种方法在电机低速运行情况下具有较高的精度。由于高速重载机器人高速运转情况下摩擦力影响较小，但是低速情况(启停)下摩擦力影响较大，所以考虑采用最小二乘法对摩擦力进行辨识，进而在控制系统中引入摩擦补偿以提高精度。

此外，随着智能算法的不断发展，神经网络、模糊控制、自适应控制等多种高级算法也引入到了对机器人的非线性控制中。Ge利用神经网络系统对机器人关节柔性进行线性化处理，通过对反馈信号的处理来近似机器人动力学模型，得到了鲁棒性较强、轨迹跟踪性能较好的控制系统，但是其反馈量的获取上也存在一定漏洞。 Morris针对机器人系统的不确定性，基于机器人刚体动力学模型，利用模糊算法设计了模糊控制器，并在模糊算法的基础上结合神经网络较好地逼近了机器人的刚柔祸合运动，实现了对机器人的高动态控制。Spong基于其建立的针对刚柔祸合动力学模型的奇异摄动降阶方程，将自适应控制引入到了降阶后得到的慢速系统中，得到了基于奇异摄动方法的关节柔性机器人的自适应控制方法，较好地解决了动力学模型中参数不确定性的问题。上述高级算法在解决非线性、不确定性的问题上均有其独到之处，但是这些算法的设计较依赖于经验，神经网络等方法也依赖于较长周期的自学习过程，计算量较大，对处理器的计算能力要求较高，所以这些算法大多处于仿真阶段，工程上并未得到大量应用。

实际控制器设计过程中，考虑将智能算法与传统算法相结合，对高速重载码垛机器人的不确定性进行更好的逼近，并保证控制器在工程上的可实现性，改善对机器人的控制性能。