CN110842913B - 一种单关节机械臂的自适应滑模迭代学习控制方法 - Google Patents
一种单关节机械臂的自适应滑模迭代学习控制方法 Download PDFInfo
- Publication number
- CN110842913B CN110842913B CN201910970712.9A CN201910970712A CN110842913B CN 110842913 B CN110842913 B CN 110842913B CN 201910970712 A CN201910970712 A CN 201910970712A CN 110842913 B CN110842913 B CN 110842913B
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- sliding mode
- joint
- iterative learning
- joint mechanical
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 15
- 230000006870 function Effects 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种单关节机械臂的自适应滑模迭代学习控制方法,旨在提供一种以一类重复运行的单关节机械臂为控制对象的自适应滑模迭代学习控制方法,其技术方案要点是,包括如下步骤:S1、建立单关节机械臂的动力学方程;S2、建立重复运行单关节机械臂的连续状态空间方程;S3、设计自适应滑模迭代学习控制器;S4、分析闭环控制系统误差收敛性。
Description
技术领域
本发明涉及机器人控制领域,具体涉及一种单关节机械臂的自适应滑模迭代学习控制方法。
背景技术
随着工业机器人技术的快速发展,关节机械臂在汽车制造、电子装备和工程机械等领域中受到了广泛应用,可以协助或替代人类完成长时间、重复和危险环境下的工作,从而有效提高生产效率。单关节机械臂由于具有结构简单、体积小、质量轻、能耗低等特点,非常适合于装配、定位和搬运等重复性任务。然而,单关节机械臂系统是一含有未知时变参数和外部扰动的非线性系统,因此,针对重复运行环境下研究单关节机械臂高精度轨迹跟踪控制具有重要意义。
学习是人类特有的智能行为和不断进步的驱动力,近年来,利用系统重复运行特性并通过不断反复学习和纠错的学习型控制器是当前的研究热点,迭代学习控制(Iterative Learning Control,ILC)作为数据驱动控制方法的一个重要分支,正是在这种实际背景下应运而生的,该方法不依赖于系统的动力学模型,简单易实现,可以有效提高不确定重复运行动态系统的瞬态响应和跟踪性能。
目前,公开号为CN106514650B的中国专利公开了一种基于CANopen的多机械臂同步跟随控制方法,它包括结合对象字典,基于PDO协议对多机械臂进行PDO配置;分别设置主、从机械臂的运动模式以及各关节电机的运动模式;设定多机械臂各关节参考位置;计算得到从机械臂各关节跟随力矩控制量;对从机械臂各关节电机发送控制指令。
这种基于CANopen的多机械臂同步跟随控制方法虽然是适用于多种总线形式下支持CANopen协议的电机伺服多机械臂系统,基于本方法的系统结构简单、易于实现,对于主机械臂关节电机控制模式没有限制要求,但是这类系统结构往往是非线性的,执行重复性任务容易受到未知扰动影响。
发明内容
本发明的目的本发明的目的是解决一种单关节机械臂的自适应滑模迭代学习控制问题,提高系统收敛速度和扰动抑制性能。针对一类含有未知时变输入增益和迭代变化有界扰动的单关节机械臂系统,设计一种基于滑模技术的自适应迭代学习控制方法,构建合适的组合能量函数,保证跟踪误差收敛到很小的可容忍范围之中的优点。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种单关节机械臂的自适应滑模迭代学习控制方法,包括如下控制计算步骤:
S1、建立单关节机械臂的动力学方程:
S2、建立重复运行单关节机械臂的连续状态空间方程:
S3、设计自适应滑模迭代学习控制器
定义如下滑模变量
对(6)求导数,得到
进而设计如下自适应滑模迭代学习控制律
其中,α,β1,β2和γ是控制器增益。
S4、分析闭环控制系统误差收敛性。通过采用上述技术方案,
进一步设置:所述S2中进一步考虑系统在有限时间区间[0,T]可重复运行,则式(2)可表示为系统(3)形式:
其中,下标i表示系统迭代次数,xi=[x1,i,x2,i,…,xn,i]T是系统状态向量,b(t)是未知时变输入增益,ξ(xi,t)是已知向量函数,θ(t)是未知时变参数向量,di(t)是未知有界扰动,x0是系统初始状态。
进一步设置:所述S2中控制目标是设计一个控制器ui(t)使得系统跟踪误差收敛到较小的可容忍范围中,系统参考轨迹由如下理想系统生成
其中,r=[r1,r2,…,rn]T,v是参考输入,h(r,t,v)是关于所有变量都连续的函数。
定义系统跟踪e1,i=r1-x1,i,并考虑其他状态跟踪误差,则有
综上所述,本发明具有以下有益效果:本发明以一类重复运行的单关节机械臂为控制对象,考虑系统存在未知有界扰动和未知时变参数情形,设计一种自适应滑模迭代学习控制律,通过定义合适的组合能量函数分析系统收敛性能并给出控制器设计参数,与传统的自适应迭代学习控制器相比,该控制器具有更好的鲁棒性能和收敛速度。
附图说明
下面结合附图对本发明进一步说明。
图1是为单关节机械臂自适应滑模迭代学习控制框图;
图2:为单关节机械臂系统误差随迭代次数的变化曲线。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
本发明所采用的技术方案是:如图1所示,单关节机械臂自适应滑模迭代学习控制框图包括存储器、ILC、自适应滑模控制器、单关节机械臂、滑模反馈等模块。
第一步:建立单关节机械臂的动力学方程
第二步:建立重复运行单关节机械臂的连续状态空间方程
进一步考虑系统在有限时间区间[0,T]可重复运行,则式(2)可表示为系统(3)形式
其中,下标i表示系统迭代次数,xi=[x1,i,x2,i,…,xn,i]T是系统状态向量,b(t)是未知时变输入增益,ξ(xi,t)是已知向量函数,θ(t)是未知时变参数向量,di(t)是未知有界扰动,x0是系统初始状态。
控制目标是设计一个控制器ui(t)使得系统跟踪误差收敛到较小的可容忍范围中,系统参考轨迹由如下理想系统生成
其中,r=[r1,r2,…,rn]T,v是参考输入,h(r,t,v)是关于所有变量都连续的函数。
定义系统跟踪e1,i=r1-x1,i,并考虑其他状态跟踪误差,则有
第三步:设计自适应滑模迭代学习控制器
定义如下滑模变量
对(6)求导数,得到
进而设计如下自适应滑模迭代学习控制律
其中,α,β1,β2和γ是控制器增益。
第四步:分析闭环控制系统误差收敛性
不妨假设系统未知有界扰动di(t)满足|b-1(t)di(t)|≤bm,bm是已知正常数,构造如下非负能量函数
进而计算Ei(t)在两次迭代间的差分,并根据式(10),有
进一步利用式(8)和(9),并利用符号函数性质,可以得到
接下来利用参数迭代学习律(11),得到
令β1=γ,β2=η,γbm=ηα,利用(13)、(14)、(15)和(16),得到
针对式(1)形式的单关节机械臂系统,机械臂质量m=(3+0.1sint)kg,机械臂长度l=1m,转动惯量I=0.5kg.m2,期望轨迹r1=sin(t),进而对比式(3)易得到ξ(xi,t)=cosx1,并定义第i次迭代过程的滑模变量σi(t)为σi(t)=3e1,i+e2,i
为了评价跟踪性能,定义下面的误差最大范数指标
对于上述情形,控制器参数选为k=3,q=10,β1=γ=0.2,β2=η=2和α=2,图2为系统最大范数误差随迭代次数变化曲线,从图2可以看出,系统最大范数误差迅速收敛到一较小容忍范围中,显示了所设计控制器在收敛速度上的优越性。
以上是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰,均属于发明技术方案的范围内。
Claims (3)
1.一种单关节机械臂的自适应滑模迭代学习控制方法,其特征在于:包括如下控制计算步骤:
S1、建立单关节机械臂的动力学方程:
S2、建立重复运行单关节机械臂的连续状态空间方程:
S3、设计自适应滑模迭代学习控制器:
定义如下滑模变量
对(6)求导数,得到
其中,α,β1,β2和γ是控制器增益;S4、分析闭环控制系统误差收敛性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910970712.9A CN110842913B (zh) | 2019-10-13 | 2019-10-13 | 一种单关节机械臂的自适应滑模迭代学习控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910970712.9A CN110842913B (zh) | 2019-10-13 | 2019-10-13 | 一种单关节机械臂的自适应滑模迭代学习控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110842913A CN110842913A (zh) | 2020-02-28 |
CN110842913B true CN110842913B (zh) | 2022-05-31 |
Family
ID=69596390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910970712.9A Active CN110842913B (zh) | 2019-10-13 | 2019-10-13 | 一种单关节机械臂的自适应滑模迭代学习控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110842913B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112068434B (zh) * | 2020-09-09 | 2021-09-21 | 北京航空航天大学 | 基于扩展状态观测器的康复机械装置迭代学习控制方法 |
CN113759725B (zh) * | 2021-09-17 | 2023-06-23 | 西安电子科技大学 | 一种机械臂控制方法 |
CN115202216A (zh) * | 2022-09-14 | 2022-10-18 | 沈阳工业大学 | 考虑输入约束的机械臂抗干扰有限时间控制方法 |
CN115610888A (zh) * | 2022-09-27 | 2023-01-17 | 广州上诺生物技术有限公司 | 血浆存取方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5049796A (en) * | 1989-05-17 | 1991-09-17 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Robust high-performance control for robotic manipulators |
CN104647378A (zh) * | 2015-01-21 | 2015-05-27 | 江南大学 | 一种单关节机械臂系统的迭代学习故障诊断方法 |
CN105773623A (zh) * | 2016-04-29 | 2016-07-20 | 江南大学 | 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法 |
CN106393116A (zh) * | 2016-11-18 | 2017-02-15 | 山东大学 | 具有初态学习的机械臂分数阶迭代学习控制方法及系统 |
CN107728628A (zh) * | 2017-08-25 | 2018-02-23 | 中国人民解放军火箭军装备研究院 | 角速度不可量测条件下航天器姿态有限时间追踪控制方法 |
CN108942942A (zh) * | 2018-08-16 | 2018-12-07 | 居鹤华 | 一种基于轴不变量的多轴机器人逆运动学建模与解算方法 |
-
2019
- 2019-10-13 CN CN201910970712.9A patent/CN110842913B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5049796A (en) * | 1989-05-17 | 1991-09-17 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Robust high-performance control for robotic manipulators |
CN104647378A (zh) * | 2015-01-21 | 2015-05-27 | 江南大学 | 一种单关节机械臂系统的迭代学习故障诊断方法 |
CN105773623A (zh) * | 2016-04-29 | 2016-07-20 | 江南大学 | 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法 |
CN106393116A (zh) * | 2016-11-18 | 2017-02-15 | 山东大学 | 具有初态学习的机械臂分数阶迭代学习控制方法及系统 |
CN107728628A (zh) * | 2017-08-25 | 2018-02-23 | 中国人民解放军火箭军装备研究院 | 角速度不可量测条件下航天器姿态有限时间追踪控制方法 |
CN108942942A (zh) * | 2018-08-16 | 2018-12-07 | 居鹤华 | 一种基于轴不变量的多轴机器人逆运动学建模与解算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110842913A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110842913B (zh) | 一种单关节机械臂的自适应滑模迭代学习控制方法 | |
CN111152225B (zh) | 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 | |
CN112757306B (zh) | 一种机械臂逆解多解选择和时间最优轨迹规划算法 | |
CN112904728B (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
CN110103220B (zh) | 机器人高速高精度运动轨迹规划方法、装置、设备及介质 | |
Wen et al. | Elman fuzzy adaptive control for obstacle avoidance of mobile robots using hybrid force/position incorporation | |
CN108453732B (zh) | 控制体系封闭机器人自适应动态力/位置混合控制方法 | |
Lin et al. | Digital signal processor-based cross-coupled synchronous control of dual linear motors via functional link radial basis function network | |
CN114536334A (zh) | 一种柔性机械臂系统高阶滑模抗干扰控制方法 | |
CN110744552A (zh) | 一种基于奇异摄动理论的柔性机械臂运动控制方法 | |
CN114750137A (zh) | 一种基于rbf网络的上肢外骨骼机器人运动控制方法 | |
CN107121930B (zh) | 基于虚拟模型的六自由度并联平台运动控制方法 | |
CN115256386A (zh) | 考虑跟踪误差约束的不确定机械臂神经自适应控制方法 | |
CN113219825B (zh) | 一种四足机器人单腿轨迹跟踪控制方法及系统 | |
Helian et al. | Constrained motion control of an electro-hydraulic actuator under multiple time-varying constraints | |
CN111590561B (zh) | 一种分布式机械臂系统鲁棒预设性能控制方法 | |
CN112847361A (zh) | 一种机器人柔性装配控制方法及系统 | |
CN117681186A (zh) | 一种基于不等式约束的高精度协作机械臂鲁棒控制方法 | |
CN116252300A (zh) | 基于摩擦力补偿的绳驱蛇形柔性臂的跟踪控制方法及设备 | |
Han et al. | Integral backstepping based computed torque control for a 6 DOF arm robot | |
CN110653825B (zh) | 一种基于全阶滑模的六自由度机械臂控制方法 | |
CN109794939B (zh) | 一种焊接机器人运动规划并行束方法 | |
Priyadarsini et al. | Motion control of AUV using IMC-PID controller | |
Ye et al. | Finite-Time Lyapunov-based Second-Order Sliding Mode Control for a Parallel Robot for Automobile Electro-Coating Conveying | |
Sun et al. | UVMS Controller Design Based on Double Close-Loop Integral Sliding Mode |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |