CN104339351A - 机器人控制装置 - Google Patents

Abstract

本发明涉及机器人控制装置。根据实施例的机器人控制装置包括：观测器，接收电动机的角速度和电流指令值，从电动机的角速度控制系统的仿真模型中估计连杆的角加速度、以及连杆和电动机的角速度；第一反馈单元，从由观测器所估计的连杆和电动机的角速度之差计算轴扭转角速度，并提供反馈给角速度控制系统；第二反馈单元，反馈由观测器所估计的连杆的角加速度给角速度控制系统；以及第一反馈常数计算单元，其当非线性动力学模型中的端部执行器负载具有低惯性时，在第二反馈单元上补偿端部执行器负载质量并增加惯性。

Description

机器人控制装置

技术领域

本文所描述的实施例一般涉及机器人(robot)控制装置。

背景技术

为了抑制多连杆(link)机器人的远端的振动，轴扭转(torsion)角速度(连杆角速度和电动机角速度之差)需要从安装在驱动各轴的电动机中的编码器所测量的电动机角速度中来估计，并被反馈给电动机角速度控制系统。在该估计中，要求基于非线性动力学模型的非线性观测器(observer)考虑弹性关节，并且非线性干扰促使连杆之间的作用。

为了实现这种多路输入/输出非线性观测器，需要建立一种精确的动力学模型，并且要求对有效载荷和摩擦转矩中的变化具有鲁棒性。按照惯例，通常使用基于一路输入/输出的线性模型的近似观测器，以便减小控制操作中的计算量，该线性模型执行“在每一个连杆上的弹性关节模型中的来自另一个连杆的干扰估计和补偿”。

近几年来，CPU和存储器在性能上已经有了提高，现在机器人控制装置能够具有增加的计算能力和大存储器容量的优点。

然而，因为这样的一种观测器是基于近似法的，振动抑制效果并不稳健，并且最重要的是，实施控制定律和调整控制增益所要求的工程成本是巨大的。

同样，因为目前角速度传感器可以容易地被获得，通过在机器人臂的每一个连杆上安装角速度传感器、直接测量轴扭转角速度、以及执行反馈，可以抑制振动。然而，这种技术需要大量布线，从而在某些情况下导致诸如高成本的问题。

而且，在执行轴扭转角速度的反馈的振动抑制控制系统中，当端部执行器(effector)负载很小或具有低惯性时，存在振动抑制控制的减振效果降低的问题，而不管轴扭转角速度是由状态观测器来估计还是被直接测量。

发明内容

根据一个实施例，提供了一种机器人控制装置，其控制具有位于电动机的旋转轴和连杆的旋转轴之间的弹性机构的机器人臂，并且具有角速度控制系统，该角速度控制系统对电动机的角速度执行比例/积分控制，并输出电流指令值给电动机，该机器人控制装置包括：观测器，其被配置为接收电动机的角速度和电流指令值作为输入，具有机器人臂的非线性动力学模型，并从受到使用等价于角速度控制系统的增益的比例/积分控制的电动机的角速度控制系统的仿真模型中估计连杆的角加速度、连杆的角速度、以及电动机的角速度；第一反馈单元，其被配置为从由观测器所估计的连杆的角速度与由观测器所估计的电动机的角速度之差计算轴扭转角速度，并提供反馈给角速度控制系统；第二反馈单元，其反馈由观测器所估计的连杆的角加速度给角速度控制系统；以及第一反馈常数计算单元，其当非线性动力学模型中的端部执行器负载具有低惯性时，在第二反馈单元上补偿端部执行器负载质量并增加惯性。

附图说明

图1是根据第一实施例的作为由机器人控制装置所控制的一个示例对象的机器人臂的剖视图；

图2是图1所示的机器人臂的一个连杆的示意图；

图3是显示一般位置和速度控制系统的框图；

图4(a)和4(b)是显示利用非线性优化的物理参数精细调节的图形；

图5是显示根据第一实施例的机器人控制装置的观测器的框图；

图6是显示根据第一实施例的机器人控制装置的框图；

图7(a)和7(b)是显示根据第一实施例的振动抑制控制的一个示例的图形；

图8(a)和8(b)是显示根据第一实施例的振动抑制控制的另一个示例的图；

图9(a)和9(b)是显示根据第一实施例的振动抑制控制的效果的图；

图10是显示根据第二实施例的机器人控制装置的观测器的框图；

图11是显示根据第三实施例的机器人控制装置的观测器的框图；

图12是显示根据第四实施例的机器人控制装置的观测器的框图；以及

图13是显示根据第五实施例的机器人控制装置的观测器的框图。

具体实施方式

以下是实施例参照附图的详细描述。

引起本实施例的情况在说明各个实施例之前被首先描述。

图1是作为由根据每个实施例的机器人控制装置所控制的一个示例目标的两连杆的机器人臂的剖视图。该机器人臂包括底座(mount)1、第一连杆3、第一电动机4、第一减速器(reduction gear)5、第一编码器6、第二连杆8、第二电动机9、第二减速器10、以及第二编码器11。第一连杆3的一端被附接到底座1的上部，并且第二连杆8被附接到第一连杆3的另一端。负载12被施加在第二连杆8的端部。

控制装置13借助第一电动机4、第一编码器6和具有弹簧特性的第一减速器5的组合，使第一连杆3相对于底座1围绕第一轴2水平旋转。该控制装置13还借助第二电动机9、第二编码器11和具有弹簧特性的第二减速器10的组合，使第二连杆8相对于第一连杆3围绕第二轴7水平旋转。

图2是该机器人臂的一个连杆的示意图。这被称为双惯性系统。参照图1和2，该机器人臂可以作为具有弹性关节的串联双连杆臂而被变为非线性动力学模型。在图2中，第一轴作为典型示例来显示，就物理参数而言，例如惯性力矩、摩擦系数和弹簧系数，这对于描述连杆的非线性动力学模型是必需的。在图2所示的示例中，连杆30通过减速器25由电动机20来驱动和控制。作为第一轴的物理参数，输入到电动机20的转矩通过u₁来表示，电动机20的惯性力矩通过m_M1来表示，电动机20的旋转角度或通过编码器检测到的输出通过θ_M1来表示，电动机20的粘性摩擦系数通过d_M1来表示，电动机20的库伦摩擦转矩通过f_M1来表示，减速器25的衰减系数通过d_G1来表示，减速器25的弹簧系数通过k_G1来表示，连杆30的惯性力矩通过m_L1来表示，连杆30的粘性摩擦系数通过d_L1来表示，连杆30的旋转角度通过θ_L1来表示。

具有弹性关节的串联双连杆臂的非线性动力学模型是由电动机侧的等式(1)来表达，以及由连杆侧的等式(2)来表达。

$\begin{array}{c}{M}_M{\stackrel{\·\·}{\mathrm{\θ}}}_M+D_M{\stackrel{\·}{\mathrm{\θ}}}_M+f_M\mathrm{sgn}\left({\stackrel{\·}{\mathrm{\θ}}}_M\right)\\ =E_u-N_G[K_G(N_G{\mathrm{\θ}}_M-{\mathrm{\θ}}_L)\\ +D_G(N_G{\stackrel{\·}{\mathrm{\θ}}}_M-{\stackrel{\·}{\mathrm{\θ}}}_L)]\end{array}---\left(1\right)$

$\begin{array}{c}{M}_L\left({\mathrm{\θ}}_L\right){\stackrel{\·\·}{\mathrm{\θ}}}_L+c_L({\stackrel{\·}{\mathrm{\θ}}}_L,{\mathrm{\θ}}_L)+D_L{\stackrel{\·}{\mathrm{\θ}}}_L\\ =K_G(N_G{\mathrm{\θ}}_M-{\mathrm{\θ}}_L)+D_G(N_G{\stackrel{\·}{\mathrm{\θ}}}_M-{\stackrel{\·}{\mathrm{\θ}}}_L)\end{array}---\left(2\right)$

在上述等式中，

θ_M＝[θ_M1，θ_M2]^T：电动机的旋转角度(下标1和2是轴编号)，

θ_L＝[θ_L1，θ_L2]^T：连杆的旋转角度，

α＝[α₁,α₂]^T：连杆的平移加速度，

M_L(θ_L)εR^2×2：连杆的惯性矩阵，

c_L(dθ_L/dt,θ_L)εR^2×1：离心力和科里奥利力矢量，

M_M＝diag(m_M1,m_M2)：电动机和减速器的高速档(high gear)惯性，

D_M＝diag(d_M1,d_M2)：电动机轴的粘性摩擦系数，

D_L＝diag(d_L1,d_L2)：连杆轴的粘性摩擦系数，

K_G＝diag(k_G1,k_G2)：减速器的弹性系数，

D_G＝diag(d_G1,d_G2)：减速器的衰减系数，

N_G＝diag(n_G1,n_G2)：减速比(n_G1,n_G2≤1)，

f_M＝[f_M1,f_M2]^T：电动机轴的库伦摩擦转矩，

E＝diag(e₁,e₂)：转矩/电压(电流指令值)常数，和

u＝[u₁,u₂]^T：输入电压(给电动机电流控制系统的指令的值)。

这里，等式(1)中的sgn(a)表示符号函数，并且具有依赖于a的值的值1、-1，或0，它是正值，负值，或0。此外，diag(a,b)表示具有a和b作为对角矩阵元素的对角矩阵。

其中α、β和γ是构成连杆的长度、重心的位置、质量、以及惯性的基本参数，连杆的惯性矩阵被表达为如等式(3)所示。

$M_L\left({\mathrm{\θ}}_L\right)=\left[\begin{array}{cc}\mathrm{\α}+\mathrm{\β}+2\mathrm{\γ}\cos \left({\mathrm{\θ}}_{L2}\right)& \mathrm{\β}+\mathrm{\γ}\cos \left({\mathrm{\θ}}_{L2}\right)\\ \mathrm{\β}+\mathrm{\γ}\cos \left({\mathrm{\θ}}_{L2}\right)& \mathrm{\β}\end{array}\right]---\left(3\right)$

上述基本参数被具体表达为如以下的表达式(4)所示。

α＝m₁l_g1 ²+I_z1+m₂l₁ ²

β＝m₂l_g2 ²+I_z2              (4)

γ＝m₂l₁I_g1

在上述等式(4)中，

l_i：每个连杆的长度(i是轴编号)，

m_i：每个连杆的质量

l_gi：每个连杆的重心的位置(每个连杆在纵向方向上是对称的)和

I_zi：围绕每个连杆的重心的惯性力矩。

当端部执行器负载12变化时，该端部执行器负载12被施加到的连杆的质量m₂也发生变化，并且所有的基本参数α、β和γ也发生改变。

离心力和科里奥利力矢量被表达为如等式(5)所示。

$c_L({\stackrel{\·}{\mathrm{\θ}}}_L,{\mathrm{\θ}}_L)=\left[\begin{array}{c}-\mathrm{\γ}(2{\stackrel{\·}{\mathrm{\θ}}}_{L1}{\stackrel{\·}{\mathrm{\θ}}}_{L2}+{{\stackrel{\·}{\mathrm{\θ}}}_{L2}}^2)\sin \left({\mathrm{\θ}}_{L2}\right)\\ \mathrm{\γ}{{\stackrel{\·}{\mathrm{\θ}}}_{L1}}^2\sin \left({\mathrm{\θ}}_{L2}\right)\end{array}\right]---\left(5\right)$

至于电动机角速度控制系统，通过显示作为FF-I-P(前馈-积分-比例)控制的PI(比例/积分)控制来表达两自由度PI控制的等式(6)被用在基本配置中。

$\begin{array}{c}{u}_i=k_{\mathrm{FVi}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}+k_{\mathrm{IVi}}\∫({\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}-{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}})\mathrm{dt}\\ -k_{\mathrm{PVi}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}},(i=\mathrm{1,2})\end{array}---\left(6\right)$

在等式(6)中，

dθ_MRi/dt：电动机的角速度的目标值(i是轴编号)，

dθ_Mi/dt：电动机的角速度，

k_FVi：电动机的角速度的目标值的前馈控制增益，

k_IVi：电动机的角速度的偏差积分的反馈控制增益，

k_PVi：电动机的角速度的比例的反馈控制增益，和

u_i：输入电压(给电动机电流控制系统的指令(转矩输入)的值)。

如图3所示，该两自由度的PI速度控制系统被设计为在位置控制系统(P控制)中级联的控制系统。图3显示了用于第一轴的两自由度PI速度控制系统。

在下面的描述中，注意力都集中在除去位置控制系统的角速度控制系统上，并且该电动机的角速度控制系统被描述为其中控制周期被假设为是相当短的连续系统。

首先，例如，如图1所示的双连杆臂的端部执行器负载12被设置为5kg，并且如等式(1)所示的物理参数(在下文中包括基本参数α、β和γ)通过使用已知的识别方法来估计。这种识别方法可以是在非专利文献1(Kobayashi等人，ACTUALS OF ROBOT CONTROL,Chapter 3,Identification Method of Robot,Corona publishing company,1997,pp.62-85(机器人控制的实际，第三章，机器人的识别方法，Corona出版公司，1997年，第62至85页))中公开的识别方法，考虑如JP-2772064B所公开的机器人模型的关节刚度的识别方法，或诸如此类。

这些估计的物理参数以及电动机速度控制增益被代入表示动力学模型的等式(1)和表示速度反馈控制定律的等式(6)。其结果是，串联双连杆臂的速度控制系统的时间响应仿真器被建立，并且检查被执行以确定时间响应仿真器是否与实际机器人的时间响应同步。

如果物理参数通过上述识别方法被精确估计，这些时间响应应该是相互同步的。如果时间响应是少量的不同步，通过使用根据使用上述时间响应仿真器的非线性最小二乘法(例如Levenberg-Marquardt方法)的优化计算来精细调整这些物理参数。图4(a)显示了优化之前的角速度阶跃响应(step response)的示例，并且图4(b)显示了优化之后的角速度阶跃响应的示例。在图4(a)和图4(b)的各自图中，横坐标轴表示时间，纵坐标轴表示角速度，实线表示实际机器人的响应，虚线表示仿真器的响应的结果。正如从图4(b)所看到的，仿真器和实际的机器人能够具有彼此类似的角速度阶跃响应，因为物理参数被优化。

鉴于此，在本实施例中，从由编码器测量的电动机的角速度中估计连杆的角速度的观测器被建立，并且不仅电动机的角速度测量值而且连杆的角速度的估计值都被反馈，从而机器人臂被高精度操作，同时机器人臂的端部的振动被抑制。

在其中通过使用由观测器估计的值来执行状态反馈的情况中，该观测器的反馈增益和状态反馈的增益需要被设置和调整。根据现代控制理论，在状态变量通过观测器被再现之后，执行反馈控制，因此，观测器的极(pole)在复平面中被设置为比状态反馈的极更接近于平面的左半部分(负实部区域)。

然而，在实践中，这种高增益不能被设置在具有各种不同的噪声和建模误差的观测器中。当观测器的极的位置根据实际机器人的响应被调整时，该观测器的极可能被设置成接近于状态反馈的极。

如果使用卡尔曼滤波器，观测器能够被系统地设计。然而，在这种情况下，必须设定假定噪声模型的参数。此外，在既不涉及观测器，也不涉及状态反馈的诸如H^∞控制(H-无限大(infinity)控制)的鲁棒控制中，控制系统可以通过实际考虑噪声和建模误差来进行设计。然而，任何一种方法都要求CAE(计算机辅助工程)工具的使用，因此，难以在工作现场执行手动调整。

鉴于上述情况，在下文所述的每一个实施例中，注意力集中于这样的事实：速度受控的实际机器人和仿真器的时间响应是彼此相似的，并且利用物理参数的估计值的高精度的观测器被形成。根据各个实施例的观测器被描述如下。

(第一实施例)

图5显示了根据第一实施例的机器人控制装置的观测器。第一实施例的观测器200包括第一轴和第二轴PI控制器201和202，双连杆臂非线性动力学模型203，对非线性动力学模型203的输出积分的积分器204a、204b、204c、204d、205a、205b、205c和205d。PI控制器201基于驱动第一轴的电动机的速度dθ_M1/dt相对于驱动第一轴的电动机的旋转角度的估计值的偏差执行PI控制。PI控制器202基于驱动第二轴的电动机的速度dθ_M2/dt相对于驱动第二轴的电动机的旋转角度的估计值的偏差执行PI控制。双连杆臂非线性动力学模型203基于非线性动力学模型估计第一和第二连杆的角加速度，该非线性动力学模型是基于作为PI控制器201的输出与第一轴的控制输入u₁之和的第一输入τ₁，以及作为PI控制器202的输出与第二轴的控制输入u₂之和的第二输入τ₂。该双连杆臂非线性动力学模型203也估计驱动第一和第二连杆的各个电动机的角加速度。该双连杆臂非线性动力学模型203输出估计的角加速度。

积分器204a对从非线性动力学模型203中输出的第一连杆的角加速度的估计值积分，并输出角速度的估计值。积分器204b对积分器204a的输出积分，并输出第一连杆的旋转角度的估计值。积分器204c对从非线性动力学模型203中输出的驱动第一连杆的电动机的角加速度的估计值积分，并且输出电动机的角速度的估计值。积分器204d对积分器204c的输出积分，并输出驱动第一连杆的电动机的旋转角度的估计值。

积分器205a对从非线性动力学模型203中输出的第二连杆的角加速度的估计值积分，并且输出角速度的估计值。积分器205b对积分器205a的输出积分，并输出第二连杆的旋转角度的估计值。积分器205c对从非线性动力学模型203中输出的驱动第二连杆的电动机的角加速度的估计值积分，并输出电动机的角速度的估计值。积分器205d对积分器205c的输出积分，并输出驱动第二连杆的电动机的旋转角度的估计值。

第一和第二连杆的角加速度的估计值、第一和第二连杆的角速度的估计值、驱动第一和第二连杆的电动机的角速度的估计值、以及电动机的旋转角度的估计值被从观测器200中输出。

而且，在观测器200中，第一连杆的扭转角速度的估计值是基于第一连杆的角速度的估计值、位于第一连杆和驱动第一连杆的电动机之间的减速器的减速比n_G1、以及驱动第一连杆的电动机的角速度的估计值来计算的。这个估计值随后被输出。同样地，第二连杆的扭转角速度的估计值是基于第二连杆的角速度的估计值、位于第二连杆和驱动第二连杆的电动机之间的减速器的减速比n_G2、以及驱动第二连杆的电动机的角速度的估计值来计算的。该估计值随后被输出。

第一实施例的观测器200完全充当仿真器，因为观测器200包含了整个机器人臂非线性动力学模型203，并且PI控制器201和202的观测器增益是机器人臂的各个轴的现有的速度控制系统的PI控制增益。也就是说，PI控制器201和202的观测器增益等同于速度控制。因为包括积分控制，所以也包括调节输出估计值的稳态偏差的功能。在安装观测器200期间不存在近似和增益调节所需的工程成本。

基于非线性动力学模型的PI控制观测器被表达为如由转化等式(1)所生成的等式(7)所示的两阶微分的形式。在等式(7)中，符号“^”表示估计值。

$\begin{array}{c}{\widehat{\stackrel{\·\·}{\mathrm{\θ}}}}_M={M_M}^{-1}\{-D_M{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_M-f_M\mathrm{sgn}\left({\widehat{\stackrel{\·}{\mathrm{\θ}}}}_M\right)\\ +E_{\mathrm{\τ}}-N_G[K_G(N_G{\widehat{\mathrm{\θ}}}_M-{\widehat{\mathrm{\θ}}}_L\\ +D_G(N_G{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_M-{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_L)\left]\right\}\\ \widehat{\stackrel{\·\·}{\mathrm{\θ}}}=M_L{\left({\widehat{\mathrm{\θ}}}_L\right)}^{-1}[-c_L({\widehat{\stackrel{\·}{\mathrm{\θ}}}}_L,{\stackrel{\·}{\mathrm{\θ}}}_L)-D_L\widehat{\stackrel{\·}{\mathrm{\θ}}}\\ +K_G(N_G{\widehat{\mathrm{\θ}}}_M-{\widehat{\mathrm{\θ}}}_L)+D_G(N_G{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_M-{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_L)]\\ \mathrm{\τ}=K_{\mathrm{PV}}({\stackrel{\·}{\mathrm{\θ}}}_M-{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_M)+K_{\mathrm{IV}}\∫({\stackrel{\·}{\mathrm{\θ}}}_M-{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_M)\mathrm{dt}+u\end{array}---\left(7\right)$

在等式(7)中，

dθ_M/dt＝[dθ_M1/dt,dθ_M2/dt]^T：给观测器的电动机角速度输入，

u＝[u₁,u₂]^T：给观测器的输入(电动机电路指令值)，

K_PV＝diag(k_PV1,k_PV2)：速度偏差比例控制增益，

K_IV＝diag(k_IV1,k_IV2)：速度偏差积分控制增益，和

τ＝[τ₁,τ₂]^T：给观测器的输入(电动机电流指令值)。

这里，与实际机器人的速度环的FF-I-P控制(双自由度PI控制)的P和I的那些相同的增益被选择作为PI控制器201和202的观测器增益。在这种情况中，仅仅观测器的下列特性的自由度被考虑，因此，具有前馈系统作为比例系统的PI控制，或FF＝P，被设置为PI控制。该系统是一类具有恒定增益的非线性观测器。而且，因为积分控制被包括在内，输出估计值的稳态偏差变为0，并且作为外部干扰去除观测器的功能被包括在内。

由等式(7)所表示的状态观测器被安装在机器人控制装置13中，并且状态可以通过利用如图5所示的积分器实时执行两次积分来估计。被实际执行的积分是数值积分。

在双惯性系统的角速度控制中，电动机的角速度、连杆的角速度、以及电动机和连杆的轴扭转角速度的三个状态量都被反馈。以这种方式，极可以被设置在期望的位置上，并且就绪度(readiness)(达到目标值的控制系统的角度)和衰减率可以被自由设置。然而，这伴随着现有的PI控制系统的再调节，因此，执行该处理是困难的。鉴于此，仅使用从观测器200输出的轴扭转角速度(连杆角速度和电动机角速度之差)的估计值，首先执行状态反馈。在轴扭转角速度的反馈中，期望在不改变PI控制的增益交叉频率的情况下的仅增加衰减率的效果(非专利文献2(Sugimoto等，THEORY AND ACTUAL DESIGN OF AC SERVO SYSTEM,Chapter 7,Design of Velocity control system and Position control system,Sougou-denshi-shuppansha,1990,pp.153-179(AC伺服系统的理论及实际设计，第7章，速度控制系统与位置控制系统的设计，Sougou-denshi-shuppansha，1990年，第153至179页)))。因此，在工作现场的手动调整是容易的，并且特别地，该观测器容易被引入用于工业机器人的控制装置。

图6是使用如图5所示的观测器200的状态反馈控制的框图。用于电动机驱动器的电动机角速度(编码器差分)和输入电压(电流指令值)被输入给观测器200。从PI控制观测器200中接收关于第一和第二连杆的轴扭转角速度的估计值的状态反馈单元301、302、303和304可以通过把这些值代入如等式(7)所示的双自由度PI控制(FF-I-P控制)中来实现，并且具有由等式(8)表达的控制定律。

$\begin{array}{c}{u}_i=k_{\mathrm{FVI}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}+k_{\mathrm{IVi}}\∫({\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}-{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}})\mathrm{dt}\\ -{k_{\mathrm{PVi}}}^{}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}}\\ -k_{\mathrm{TVi}}({\widehat{\stackrel{\·}{\mathrm{\θ}}}}_{\mathrm{Li}}/n_{\mathrm{Gi}}-{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_{\mathrm{Mi}}),(i=\mathrm{1,2})\end{array}---\left(8\right)$

轴扭转角速度的估计值的状态反馈控制增益k_TVi(i＝1,2)可以参照时间响应波形容易地进行手动调节。因为基于具有弹性关节的机器人臂的精确非线性动力学模型的观测器被使用，通过在由串联连杆构成的机器人臂上所执行的振动抑制控制中仅对第一轴的状态反馈，可以实现足够的效果。尽管用于增加惯性的连杆角加速度的反馈常数计算单元305被显示在图6中，该反馈常数计算单元305的功能将在后面进行描述。

图7(a)和7(b)分别显示了在端部执行器负载12为5kg且没有轴扭转角速度反馈控制被执行的情况下的第一轴的速度阶跃响应波形，以及在端部执行器负载12为5kg且轴扭转角速度反馈控制被执行的情况下的第一轴的速度阶跃响应波形。在图7(a)和7(b)中，连杆响应的波形和电动机响应的波形被调整到同一时间轴上，并考虑减速比。在该观测器中，具有5kg的端部执行器负载的动力学模型被使用。正如从图7(a)中所看到的，仅在PI控制下(在无观测器的情况下)的响应的振动幅度很大，以及衰减慢。在另一方面，正如从图7(b)中所看到的，在还涉及轴扭转角速度的反馈的控制之下(在有观测器的情况下)的响应的振动幅度很小，以及衰减快。也就是说，如图7(b)所示的在涉及轴扭转角速度的反馈的控制之下的响应与如图7(a)所示的仅在PI控制下的响应相比具有好得多的连杆角速度响应。

图8(a)和8(b)分别显示了在没有施加负载，或者端部执行器负载12为0kg，并且没有轴扭转角速度反馈控制被执行的情况下的第一轴的速度阶跃响应波形，以及在端部执行器负载12为0kg，并且轴扭转角速度反馈控制被执行的情况下的第一轴的速度阶跃响应波形。在图8(a)和8(b)中，连杆响应的波形和电动机响应的波形被调整到同一时间轴上，并考虑减速比。在该观测器中，其中端部执行器负载12为0kg的动力学模型被使用。正如从图8(a)中所看到的，仅在PI控制下(在无观测器的情况下)的响应的振动幅度很大，以及衰减慢的。在另一方面，正如从图8(b)中所看到的，在还涉及轴扭转角速度的反馈的控制之下(在有观测器的情况下)的响应的振动幅度很小，以及在上升时衰减慢。也就是说，如图8(b)所示的在涉及轴扭转角速度的反馈的控制之下的响应与如图8(a)所示的仅在PI控制下的响应相比，除了具有较低的上升时衰减之外，具有更好的连杆角速度响应。

这是因为，当端部执行器负载很小，或当惯性很低的时候，通过轴扭转角速度的反馈执行的振动抑制控制的衰减效应变得更小。换句话说，这被认为由于双惯性系统中在连杆侧和电动机侧之间的惯性力矩比的降低，或惯性比的降低，导致衰减控制性能的退化(非专利文献3(Takesue et al.,A Consideration on Inertia-Ratio and Damping Property of Vibration ofTwo-Inertia System,IEEJ,D,Vol.121,2,2001,pp.283-284(Takesue等，关于双惯性系统的惯性比以及振动衰减性的考虑，IEEJ，D，第121卷，2001年2月，第283至284页)))。

鉴于上述情况，本实施例使用惯性增大控制，以便当端部执行器负载很小的时候，连杆侧的惯性显得较大。控制定律是通过将连杆角加速度的估计值的负反馈加到等式(8)中来形成的(如图6所示的状态反馈单元303和304)，并且被表达为如等式(9)所示。

$\begin{array}{c}{u}_i=k_{\mathrm{FVi}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}+k_{\mathrm{IVi}}({\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}-{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}})\mathrm{dt}\\ -k_{\mathrm{PVi}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}}\\ -k_{\mathrm{TVi}}({\widehat{\stackrel{\·}{\mathrm{\θ}}}}_{\mathrm{Li}}/n_{\mathrm{Gi}}-{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_{\mathrm{Mi}})\\ -k_{\mathrm{AVi}}{\widehat{\stackrel{\·\·}{\mathrm{\θ}}}}_{\mathrm{Li}},(i=\mathrm{1,2})\end{array}---\left(9\right)$

这里，角加速度的估计值的状态反馈控制增益k_AVi具有连杆惯性力矩维度(dimension)，并且被认为能够补偿机器人臂的端部执行器负载的惯性变化Δm。例如，当等式(3)中的惯性矩阵按照Δm来变化(减小)时，基本参数α、β和γ分别变为α'、β'和γ'，如等式(10)所示。

α’＝α-Δm

β’＝β-Δm           (10)

γ’＝γ-Δm

如果在如等式(10)中表达的机器人臂的端部执行器负载的惯性变化后的α'、β'和γ'被分配给等式(3)中的惯性矩阵的(1，1)分量，等式(11)被获得，并考虑减速比n_G1。

k_AV1＝(2+2cos(θ_L2))Δm×n_G1      (11)

根据等式(11)，第一轴的角加速度的估计值的状态反馈控制增益能够被计算。等式(11)代表了用于增大惯性的连杆角加速度的如图6所示的反馈常数计算单元305的功能。

图9(a)和9(b)分别显示了在端部执行器负载12为0kg，并且轴扭转角速度反馈控制和连杆角加速度反馈都没有被执行的情况下的第一轴的速度阶跃响应波形，以及在端部执行器负载12为0kg，并且轴扭转角速度反馈控制和连杆角加速度反馈都被执行的情况下的第一轴的速度阶跃响应波形。在图9(a)和9(b)中，连杆响应的波形和电动机响应的波形被调整到同一时间轴上，并考虑减速比。在该观测器中，其中端部执行器负载12为0kg的动力学模型被使用。正如从图9(a)中所看到的，仅在PI控制下(在无观测器的情况下)的响应的振动幅度很小，并且在上升时衰减慢。在另一方面，正如从图9(b)中所看到的，在轴扭转角速度反馈和连杆角加速度反馈被执行的情况下的波形的振动幅度很小，并且衰减快。也就是说，与如图8(a)所示的在仅PI控制被执行的情况下，以及甚至如图8(b)所示的在仅轴扭转角速度反馈被添加的情况下相比，如图9(b)所示的在轴扭转角速度反馈和连杆角加速度反馈被添加的情况下，连杆角速度响应好得多。在如图9(b)所示的情况下，提高控制效果的惯性是明显的。

(第二实施例)

图10显示了根据第二实施例的机器人控制装置。该第二实施例的控制装置具有通过惯性的增长和稳定控制连杆角加速度反馈的功能，以及计算反馈控制的增益的功能。

上述惯性的下降不仅发生在端部执行器负载为小的时候，而且也发生在机器人臂的姿势发生变化的时候。例如，在双连杆机器人臂中，因为第二轴的角度变得更大，则围绕第一轴的惯性减小。鉴于此，由于姿势变化引起的惯性的减小应该通过连杆角加速度反馈来进行补偿。

如果从如等式(3)所示的惯性矩阵的(1，1)分量的最大值的惯性减小被考虑在双连杆机器人臂中，等式(12)被建立。

k_AV1＝2γ(1-cos(θ_L2))n_G1       (12)

根据等式(12)，第一轴的连杆角加速度的反馈的控制增益可以被计算。通过该反馈，恒定惯性被保持而不管臂的姿势如何，或者惯性固定控制被实现，并且等同于上述惯性增大控制的振动抑制效果被实现。

有可能同时使用第一实施例的惯性固定控制和惯性增大控制。其中等式(11)和等式(12)被组合，等式(13)被获得。

k_AV1＝[(2+2cos(θ_2L))Δm+2γ(1-cos(θ_L2))]n_G1    (13)

根据等式(13)，借助在第一轴上的惯性增大和固定控制，连杆角加速度的反馈控制增益可以被计算。这是使用惯性增大和定位控制的用于连杆角加速度的如图10所示的反馈常数计算单元305A的功能。

此外，当注意力被集中在如等式(3)所示的惯性矩阵的非对角元素上时，针对(1，2)分量和(2，1)分量，通过对较高且恒定的惯性进行控制的连杆角加速度的反馈控制增益k_BV1和k_BV2可被计算，如等式(14)和(15)所示。

k_BV1＝[(1+cos(θ_2L))Δm+γ(1-cos(θ_L2))]n_G1     (14)

k_BV2＝[(1+cos(θ_2L))Δm+γ(1-cos(θ_L2))]n_G1     (15)

通过使用k_BV1和k_BV2，第二轴的角加速度的反馈在等式(9)中被添加给第一轴，并且第一轴的角加速度的反馈在等式(9)中被添加给第二轴，等式(16)被获得。

$\begin{array}{c}{u}_i=k_{\mathrm{FVi}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}+k_{\mathrm{IVi}}({\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{MRi}}-{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}})\mathrm{dt}\\ -k_{\mathrm{PVi}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{Mi}}\\ -k_{\mathrm{TVi}}({\widehat{\stackrel{\·}{\mathrm{\θ}}}}_{\mathrm{Li}}/n_{\mathrm{Gi}}-{\widehat{\stackrel{\·}{\mathrm{\θ}}}}_{\mathrm{Mi}})\\ -k_{\mathrm{AVi}}{\widehat{\stackrel{\·\·}{\mathrm{\θ}}}}_{\mathrm{Li}}\\ -k_{\mathrm{BVi}}{\widehat{\stackrel{\·\·}{\mathrm{\θ}}}}_j,(i=\mathrm{1,2},j=\mathrm{2,1})\end{array}---\left(16\right)$

使用这种方式，获得进一步对较高惯性和恒定惯性执行一般控制的振动抑制控制系统。图10是进一步对较高惯性和恒定惯性执行控制的整个振动抑制控制系统的框图。

(第三实施例)

图11显示了根据第三实施例的机器人控制装置的观测器。该第三实施例的观测器200A与图5所示的第一实施例的观测器200相同，除了进一步包括物理参数切换单元206之外。如图11所示，第三实施例的观测器200A使用物理参数切换单元206，针对端部执行器负载的变化、以及伴随端部执行器负载变化的摩擦力变化，执行用于非线性动力学模型203的物理参数集的切换(增益调度)，以便振动抑制性能变得稳健，而不管机器人中的端部执行器负载和摩擦力的变化如何。为了明确切换物理参数集，例如，诸如“有效载荷(5kg)”的机器人语言被输入，并且在端部执行器负载变化的时候被使用。物理参数集包括质量、惯性力矩、摩擦系数、弹簧系数，及诸如此类。

在如图11所示的示例中，物理参数切换单元206需要用于5kg、4kg、3kg、2kg、1kg和0kg的端部执行器负载的六个物理参数集。然而，只要用于5kg的物理参数集被精确估计，用于4kg的端部执行器负载的物理参数集可以通过上述使用非线性最小二乘法的优化技术来产生。使用同样的方式，用于3kg的物理参数集可以从用于4kg的物理参数集中产生，用于2kg的物理参数集可以从为3kg的物理参数集中产生，用于1kg的物理参数集可以从用于2kg的物理参数集中产生，用于0kg的物理参数集可以从用于1kg的物理参数集中产生。

(第四实施例)

图12显示了根据第四实施例的机器人控制装置的观测器。该第四实施例的观测器200B与图5所示的第一实施例的观测器200相同，除了进一步包括物理参数切换单元206A之外。该第四实施例的观测器200B考虑到在端部执行器负载的应用位置上存在偏移的情况。在这种情况下，端部执行器负载的惯性力矩变化很大。因此，如图12所示，物理参数切换单元206A执行物理参数调度，并考虑偏移量(例如以下的三种类型：0.0m、0.1m和0.2m)。例如，诸如“有效载荷(5kg，0.1m)”的机器人语言被输入，并且在端部执行器负载变化的时候被使用。每个物理参数包括质量、惯性力矩、摩擦系数、弹簧系数，及诸如此类，正如图11所示的第三实施例中那样。

(第五实施例)

图13显示了根据第五实施例的机器人控制装置的观测器。第五实施例的观测器200C不同于图5所示的第一实施例的观测器200，进一步包括表存储单元207，阶跃响应数据比较单元208，和物理参数优化单元209。该第五实施例的观测器200C可以具有偏离诸如5kg、4kg、3kg、2kg、1kg或0kg数值的端部执行器负载。在图13中，表存储单元207被准备用于存储预先获得的端部执行器负载的各个质量(5kg、4kg、3kg、2kg、1kg和0kg)的速度阶跃响应数据，以及对应于质量的物理参数集。

首先，具有未知端部执行器负载的实际机器的速度阶跃响应数据被获得。在阶跃响应数据比较单元208中，将获得的速度阶跃响应数据与存储在表存储单元207中的各个端部执行器负载的速度阶跃响应数据进行比较。基于比较的结果，从存储在表存储单元207中的例如5kg、4kg、3kg、2kg、1kg和0kg的端部执行器负载中选择与对应于实际机器的速度阶跃响应数据的端部执行器负载最接近的端部执行器负载。对应于所选择的端部执行器负载的物理参数集被设为初始值。在选择与对应于实际机器的速度阶跃响应数据的端部执行器负载最接近的端部执行器负载中，选择使实际机器的速度阶跃响应数据与存储在表存储单元207中的各个端部执行器负载的速度阶跃响应数据之差的平方和最小的端部执行器负载。

此外，物理参数优化单元209通过使用被选择作为初始值的上述物理参数集来执行优化计算。该优化计算与使用非线性最小二乘法的上述技术是完全相同的。使用这种方式，甚至针对未知的端部执行器负载可获得精确的物理参数集。因此，高精度的观测器可以被构造，并且有效的振动抑制控制可以被提供。

如上所述，根据各个实施例，在用于多连杆机器人臂的端部的振动抑制控制中，从电动机角速度中估计连杆角速度的观测器的工程成本可被显著地降低。而且，即使端部执行器负载和机器人的摩擦力发生变化，稳健的振动抑制性能可以被实现。

其中当诸如振动抑制控制和惯性增长控制的额外反馈被从中分离时，现有的速度PI控制系统不需要被重新调整，并返回至原来的PI控制系统的机制满足工作现场的需要。

其中基于非线性动力学模型的该实施例的整个仿真器被包括在控制装置中的结构，可以被用在具有比机器人的时间轴大100倍或更多倍的时间轴的过程控制的领域中。然而，该方法的目的是以最佳的方式来执行进一步的设置点控制(用于液位、压力、温度，或诸如此类)，以便节省能量，并且不适合于用于使用机器人或类似物来实时实现目标值跟随性能的伺服控制。

通过在JP2005-120212A等中公开的方法，基于非线性动力学模型中的某种近似法的观测器被使用。因此，鲁棒振动控制性能不能在宽操作范围内被实现，即使能够获得第一流的数据。而且，用于缩减计算量和观测器增益调节的工程成本变得更高。

电动机驱动器制造商已经为振动抑制控制建议了许多其它的技术，例如振动抑制控制技术以及自适应控制和自动调整技术。然而，这些技术是基于使用弹性关节模型的通用目的观测器和被作为电动机上的负载的用于每个连杆的外部干扰估计，因此，相对于明确地考虑多连杆机器人臂动力学模型的技术，在性能上当然是低下的。

在本实施例中，在另一方面，基于非线性动力学模型并且不具有近似法的观测器被使用，并且还按照端部执行器负载和摩擦力的变化执行物理参数增益调度。因此，鲁棒振动控制性能能够在宽操作范围内来实现。而且，由端部执行器负载的变化所导致的摩擦力的变化也被考虑到，并且对摩擦系数以及质量和惯性也执行增益调度。而且，因为没有必要设计观测器增益，则不需要任何工程成本，这是超越传统技术的巨大的优势。

虽然某些实施例已经被描述了，这些实施例仅通过示例的方式已经被提出，并且不意在限制本发明的范围。实际上，本文所描述的新颖的方法和系统可以以各种其它的形式来体现；而且，对本文所描述的方法和系统的形式的各种省略、替代和改变可以在不脱离本发明的精神的情况下来实现。所附权利要求书及其等同物意在覆盖这样的属于本发明的范围和精神的形式或修改。

Claims (6)

1.一种机器人控制装置，其控制具有位于电动机的旋转轴和连杆的旋转轴之间的弹性机构的机器人臂，并且具有角速度控制系统，该角速度控制系统对电动机的角速度执行比例/积分控制，并输出电流指令值给电动机，

该机器人控制装置包括：

观测器，其被配置为接收电动机的角速度和电流指令值作为输入，具有机器人臂的非线性动力学模型，并从受到使用等价于角速度控制系统的增益的比例/积分控制的电动机的角速度控制系统的仿真模型中估计连杆的角加速度、连杆的角速度、以及电动机的角速度；

第一反馈单元，其被配置为从由观测器所估计的连杆的角速度与由观测器所估计的电动机的角速度之差计算轴扭转角速度，并提供反馈给角速度控制系统；

第二反馈单元，其反馈由观测器所估计的连杆的角加速度给角速度控制系统；和

第一反馈常数计算单元，其当非线性动力学模型中的端部执行器负载具有低惯性时，在第二反馈单元上补偿端部执行器负载质量并增加惯性。

2.根据权利要求1的装置，进一步包括：

第二反馈常数计算单元，其被配置为在第二反馈单元上，补偿由机器人臂中的姿势变化所导致的惯性减小，并使惯性恒定，而不管姿势变化如何。

3.根据权利要求1的装置，进一步包括：

物理参数切换单元，其被配置为根据机器人臂的端部执行器负载的质量的分类来切换物理参数集，每个物理参数集包括被设置在非线性动力学模型中的惯性力矩、摩擦系数和弹簧系数。

4.根据权利要求1的装置，进一步包括：

物理参数切换单元，其被配置为根据机器人臂的端部执行器负载的质量的分类和在端部执行器负载的位置上的偏移量的分类来切换物理参数集，每个物理参数集包括被设置在非线性动力学模型中的惯性力矩、摩擦系数和弹簧系数。

5.根据权利要求1的装置，其中物理参数切换单元包括：

表存储单元，其被配置为存储预先准备的各个端部执行器负载质量的速度阶跃响应数据、以及在获取速度阶跃响应数据中所使用的物理参数；

阶跃响应数据比较单元，其被配置为将机器人臂的速度阶跃响应数据与存储在表存储单元中的速度阶跃响应数据进行比较，并且基于比较的结果选择物理参数的初始值；和

物理参数优化单元，其被配置为获取机器人臂的速度阶跃响应数据，将所获取的速度阶跃响应数据与存储在表存储单元中的各个端部执行器负载质量的速度阶跃响应数据进行比较，基于比较的结果估计物理参数的初始值，通过使用所估计的物理参数的初始值来执行非线性优化计算以调节机器人的模拟阶跃响应波形以适合机器人的实际阶跃响应波形，以及优化物理参数。

6.根据权利要求5的装置，其中物理参数优化单元在表存储单元中存储的端部执行器负载当中，选择使所获取的速度阶跃响应数据与各个端部执行器负载质量的速度阶跃响应数据之差的平方和最小的端部执行器负载，并且估计与所选择的端部执行器负载相对应的物理参数作为物理参数的初始值。