CN111546350B - 一种多关节重载液压机器人系统及高精度运动控制方法 - Google Patents

Abstract

本发明公开了一种多关节重载液压机器人系统及高精度运动控制方法，该系统由动力系统、传感检测和数据采集系统、计算机控制系统和机械臂本体系统组成，该方法建立液压机器人动力学模型，考虑系统不确定性和建模误差进行系统补偿，在不同负载质量条件下不改变控制参数也能精确跟踪控制；非线性自适应鲁棒控制方法将机械和液压耦合的系统分层，引入自适应更新率，克服系统不确定性和外界干扰的影响，使关节角度跟踪误差渐进趋于零，提高系统的暂态、稳态性能以及抗干扰性能力；控制器参数物理含义明确，参数数目少，控制器参数的整定较为简单且有理论依据；利用李雅普诺夫稳定性函数保证系统的稳定性和收敛性，从而保证所有信号的全局鲁棒稳定性。

Description

一种多关节重载液压机器人系统及高精度运动控制方法

技术领域

本发明属于液压机器人系统及控制领域，尤其涉及一种多关节重载液压机器人系统及高精度运动控制方法。

背景技术

液压机器人因其具有更大的负载能力、高负载功率比、传动结构简单、易于过载保护等优点，在矿山、航天航空、核工业等大负载领域具有广阔的应用前景。然而，液压驱动系统由于执行器摩擦力、驱动电压饱和、阀口开闭直接变化、阀芯死区遮盖等带来的强非线性和模型、参数的不确定性，再加上重载货物带来的高惯性、高压力和大流量使得机械臂的可控性大大降低、稳定性难以证明、高精度控制器难以设计等问题。对于多关节液压重载机器人，传统PID控制无法实现严格的稳定性证明和精确控制，液压系统本身的非线性会对PID控制性能产生较大影响；除液压系统非线性外，还需要考虑多关节机器人连杆之间存在的动力学耦合，尤其是在高速重载情况下，连杆动力学耦合问题更加严重；此外，机器人系统的参数和干扰往往是不确定性的，要想实现高精度运动控制，则必须要考虑实际系统存在的不确定性和干扰情况。

发明内容

本发明的目的在于针对现有技术的不足，提供一种多关节重载液压机器人系统及高精度运动控制方法。本发明应用于重载搬运场景，在保证稳定性的前提下实现机器人末端位姿的精确控制。

本发明的目的是通过以下技术方案来实现的：一种多关节重载液压机器人系统，它由动力系统、传感检测和数据采集系统、计算机控制系统和机械臂本体系统等组成。所述动力系统由液压泵和阀系统组成；所述传感检测和数据采集系统由传感器组成；所述机械臂本体系统包括机械本体和液压系统；所述液压泵为液压系统提供动力。所述阀系统由电磁阀组成；所述传感器包括压力传感器、角度编码器和位移传感器。所述机械本体包括基座、拐臂、大臂、小臂、摆臂和末端执行器；所述液压系统包括拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸和旋转液压缸；其中，位移传感器分别测量拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的活塞杆的直线位移，角度编码器测量旋转液压缸的角位移。电磁阀分别控制拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的活塞杆直线位移y₁,y₂,y₃,y₄和旋转液压缸的角位移q₅；压力传感器分别测量拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸和旋转液压缸中无杆腔压力p_a和有杆腔压力p_b。基座与拐臂液压缸固定连接，基座与拐臂通过转动连接，拐臂液压缸和拐臂转动连接，大臂液压缸和大臂分别与拐臂转动连接，小臂液压缸分别与大臂、小臂转动连接，摆臂液压缸分别与小臂、摆臂转动连接，旋转液压缸和摆臂转动连接，末端执行器与旋转液压缸固定连接；传感器将检测结果发送给计算机控制系统，计算机控制系统通过设置电磁阀输入电压u控制机械本体的关节转角q。

一种上述多关节重载液压机器人系统的高精度运动控制方法，包括以下步骤：

(1)建立多关节重载液压机器人系统的数学模型，并将其转化为状态空间方程；所述数学模型包括机械本体动力学模型、电磁阀的流量模型、液压缸两腔压力微分模型和类流量-阀芯非线性映射模型；包括以下子步骤：

(1.1)建立机械本体动力学模型：

式中，M(q)为机械本体惯性矩阵，

为包含科里奥利力、离心力和关节阻尼影响的矩阵，G(q)是重力矩阵，τ是机械本体关节输入力矩，τ_c为关节阻尼力矩，d_t(t)为机械本体建模误差和干扰项；

(1.2)建立电磁阀的流量模型：

式中，Q_a、Q_b分别为无杆腔、有杆腔流量，c_p1,c_p2,c_n1,c_n2是阀口流量系数，p_s,p_r分别为供油压力和回油压力，x_v是电磁阀阀芯位移，ν(Δp),S(x_v)为如下形式：

(1.3)建立液压缸两腔压力微分模型：

式中，β_e是有效体积模量，y是活塞杆位移，l_s是液压缸有效行程，A_a,A_b分别是液压缸活塞在无杆腔、有杆腔的面积；V_a,V_b分别是液压缸无杆腔、有杆腔的容腔体积，V_a＝V_a0+A_ay，V_b＝V_b0+A_b(l_s-y)，V_a0,V_b0分别是液压缸无杆腔、有杆腔的死容腔体积；d_p1(t)为无杆腔压力动态未建模误差和干扰项；d_p2(t)为有杆腔压力动态未建模误差和干扰项；

(1.4)建立类流量-阀芯非线性映射模型：

式中，u_f为待求的类似流量变量；

(1.5)计算液压缸由两腔压力差引起的推力f_p：

f_p＝A_ap_a-A_bp_b

(1.6)计算液压缸摩擦力f_f：

式中，A_f是库伦摩擦力系数，b_v是黏性摩擦力系数；k_f是常数，且k_f≥600。

(1.7)计算液压缸输出力f_c：

f_c＝f_p-f_f

(1.8)令多关节重载液压机器人系统的状态变量

得到多关节重载液压机器人系统的状态空间方程：

式中，λ为各液压缸长度，λ₀为各液压缸初始长度，J_λq是驱动雅可比矩阵，f₁(y),f₂(y)形式如下：

式中，D是旋转液压缸排量，q₅是旋转液压缸角位移；y₁,y₂,y₃,y₄分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的活塞杆位移，l_s1,l_s2,l_s3,l_s4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的有效行程，A_a1,A_a2,A_a3,A_a4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸活塞在无杆腔的面积；A_b1,A_b2,A_b3,A_b4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸活塞在有杆腔的面积；V_a01,V_a02,V_a03,V_a04分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸无杆腔的死容腔体积，V_a05是旋转液压缸无杆腔初始容积；V_b01,V_b02,V_b03,V_b04分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸有杆腔的死容腔体积，V_b05是旋转液压缸有杆腔初始容积。

(2)根据步骤(1)得到的状态空间方程和理想关节转角q_d，通过设置电磁阀输入电压u改变机械本体的关节转角q：

(2.1)根据理想关节转角q_d计算用于改变当前关节转角q的理想关节力矩τ_d：

τ_d＝τ_da+τ_ds

z₁＝q-q_d

τ_ds＝-M(q)K₂z₂

式中，τ_da是关节力矩模型补偿项，τ_ds是关节力矩鲁棒反馈量；K₁是关节转角误差增益系数，z₁为关节轨迹跟踪误差，

为机械本体未知干扰估计；Γ₂是机械本体自适应学习率，Proj为参数自适应映射函数，z₂为类似滑模变量；K₂是关节转角反馈增益系数；

(2.2)根据步骤(2.1)得到的理想关节力矩τ_d计算期望类似流量变量u_fd：

u_fd＝u_fda+u_fds

f_cd＝J_λq ^-T(q)τ_d

z₃＝f_c-f_cd

u_fds＝-K₃z₃

式中，u_fd为期望类似流量变量，u_fda为类似流量变量模型补偿量，u_fds为类似流量变量鲁棒反馈项；

为液压系统未知干扰估计；Γ₃是液压系统自适应学习率，z₃为液压缸输出力误差，ω₃是缩放系数；f_cd为期望液压缸输出力；K₃是液压缸输出力误差增益系数；

(2.3)计算电磁阀输入电压u：

u＝K_v ^-1x_vd

式中，K_v是电磁阀电压增益矩阵；x_vd为期望电磁阀阀芯位移，由将步骤(2.2)得到的期望类似流量变量u_fd作为待求的类似流量变量u_f代入步骤(1.4)建立类流量-阀芯非线性映射模型中得到。

本发明的有益效果是：

1、本发明建立了包含液压系统动力学的完整液压机器人动力学模型，并考虑了系统不确定性和建模误差的影响，在控制率设计中对系统进行精确的模型补偿，在不同负载质量条件下，在不改变控制参数的情况下，也能进行精确的跟踪控制；

2、本发明基于反步法设计的非线性自适应鲁棒控制方法将机械和液压耦合的系统分层设计，引入自适应更新率，克服了系统不确定性和外界干扰对系统性能的影响，使关节角度跟踪误差渐进趋于零，提高了系统的暂态、稳态性能以及抗干扰性能力；

3、本发明控制器参数物理含义明确，参数数目少，控制器参数的整定较为简单且有理论依据；

4、本发明利用李雅普诺夫稳定性函数保证系统的稳定性和收敛性，从而保证所有信号的全局鲁棒稳定性。

附图说明

图1是本发明提出的多关节重载液压机器人系统组成示意图；

图2是本发明提出的重载液压机器人采用的液压系统示意图；

图3是本发明提出的重载液压机器人末端轨迹自适应鲁棒控制框图；

图4是本发明的液压缸活塞杆跟踪曲线和笛卡尔位姿跟踪曲线图；其中，(a)是各液压缸活塞杆位置跟踪情况图；(b)是各液压缸活塞杆速度跟踪情况图；(c)是机器人末端在笛卡尔空间的位姿分量跟踪情况图；(d)是机器人末端在笛卡尔空间的位姿速度分量跟踪情况图；

图中，基座1、拐臂液压缸2、拐臂3、大臂4、小臂液压缸5、摆臂液压缸6、摆臂7、末端执行器8、旋转液压缸9、小臂10、大臂液压缸11。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和具体实施例，对本发明进行进一步详细说明。

如附图1所示，本发明提出的五自由度重载液压机器人包括：基座1，拐臂液压缸2，拐臂3，大臂4，小臂液压缸5，摆臂液压缸6，摆臂7，末端执行器8，旋转液压缸9，小臂10，大臂液压缸11，泵源单元，控制阀单元，功率放大单元，实时控制器，传感检测单元。所述基座1与拐臂液压缸2通过轴承座连接，位移传感器测量拐臂液压缸2活塞杆的直线位移，基座1与拐臂3通过销轴连接，大臂液压缸11和大臂4分别通过销轴与拐臂3连接，位移传感器测量大臂液压缸11活塞杆的直线位移，小臂液压缸5通过销轴分别与大臂4、小臂10进行连接，位移传感器测量小臂液压缸5活塞杆的直线位移，摆臂液压缸6分别与小臂10、摆臂7通过销轴连接，位移传感器测量摆臂液压缸6活塞杆的直线位移，末端执行器8与旋转液压缸9通过螺纹连接，角度编码器测量旋转液压缸9的角位移。附图1中箭头表示信号流过程，如泵源向机械臂提供液压动力，传感检测单元获取系统的压力、活塞杆位移信号，并给到控制器进行控制计算，控制输入经功率放大传送到控制阀，控制阀对机械臂进行控制，并回油到泵源单元。

本发明提出的液压机器人液压系统如附图2所示，液压缸与电磁阀相连，电磁阀与伺服放大板相连，压力传感器用来测量液压缸两腔的压力，位移传感器、角度编码器和压力传感器均与实时控制器相连。所述电磁阀可采用的型号为力士乐4WRPEH10-C4B-50L-L，但不限于此。

为了克服机器人建模过程中存在的不确定的影响，实现末端位姿轨迹的高精度跟踪控制，本发明中的控制策略采用自适应鲁棒控制，自适应鲁棒控制的原理是通过设计自适应率来不断调整模型参数，对控制模型进行前馈补偿来保证静态下零跟踪误差，通过设计鲁棒反馈来保证液压机器人系统的动态性能和稳定性。同时，利用反步设计法设计多层控制器，实现对机器人末端执行器姿态的轨迹规划和轨迹跟踪，本发明控制算法易于工程实现且控制灵活。

附图3是本发明五自由度多关节重载液压机器人末端位姿轨迹规划和自适应鲁棒控制框图，具体包括如下步骤：

步骤1，一种五自由度重载液压机器人的系统组成，具体为：

本发明的机器人系统组成如附图1所示，主要由动力系统、传感检测和数据采集系统、计算机控制系统和机械臂本体系统组成；所述动力系统由液压泵(变量泵或定量泵)和阀系统组成；所述传感检测和数据采集系统由传感器组成；所述机械臂本体系统包括机械本体和液压系统；所述液压泵为液压系统提供动力；所述阀系统由电磁阀组成；所述传感器包括压力传感器、角度编码器和位移传感器；所述机械臂本体系统包括机械本体和液压系统；所述机械本体主要包括基座1、拐臂3、大臂4、小臂10、摆臂7和末端执行器8；所述液压系统包括拐臂液压缸2、大臂液压缸11、小臂液压缸5、摆臂液压缸6和旋转液压缸9。液压机器人整体采用串联连杆原理，各运动部件以销轴铰接，由液压缸的伸缩或旋转液压缸的转动动作来完成作业；具体地，拐臂液压缸2的伸缩动作使机械臂整体绕垂直于地面的拐臂转轴旋转，大臂液压缸11的伸缩动作使大臂4绕拐臂3上绞点转动实现大臂4的上升和下降，小臂液压缸5的伸缩动作使小臂10绕大臂4的下绞点转动实现小臂10的前后动作，摆臂液压缸6的伸缩动作使摆臂7绕小臂10下绞点相对转动，旋转液压缸9固定在摆臂7上通过转动实现末端执行器8角度的变化。这样液压机器人就构成了一个五自由度的串联机器人系统，传感器将检测结果发送给计算机控制系统，计算机控制系统通过设置电磁阀输入电压u控制机械本体的关节转角q。

步骤2，建立五自由度重载液压机器人的物理模型，并将其转化为状态空间方程；所述物理模型包括机械臂动力学模型、电磁阀的流量模型、液压缸两腔压力微分模型和类流量-阀芯非线性映射模型，具体为：

(2.1)建立重载液压机器人动力学建模，主要包括：

根据拉格朗日力学建立多关节机械臂动力学模型：

式中，q是机械臂关节转角，M(q)为机械臂惯性矩阵，

为包含科里奥利力、离心力和关节阻尼影响的矩阵，G(q)是重力矩阵，τ是机械臂关节输入力矩，d_t(t)为机械臂系统建模误差和干扰项。

(2.2)液压驱动系统采用普通机械联动式阀控液压缸系统，如附图2所示，液压缸A腔(无杆腔)、B腔(有杆腔)流量模型为：

式中，Q_a、Q_b分别为无杆腔、有杆腔流量，c_p1,c_p2,c_n1,c_n2是阀口流量系数，p_s,p_r分别为供油压力和回油压力，p_a,p_b分别是A腔、B腔压力，x_v是电磁阀阀芯位移，ν(Δp),S(x_v)形式如下式所示：

(2.3)液压缸A腔、B腔压力微分模型为：

式中，β_e是有效体积模量，y是活塞杆位移，l_s是液压缸有效行程，A_a,A_b分别是液压缸活塞在无杆腔、有杆腔的面积，V_a,V_b分别是液压缸无杆腔、有杆腔的容腔体积，V_a＝V_a0+A_ay，V_b＝V_b0+A_b(l_s-y)，V_a0,V_b0分别是液压缸无杆腔、有杆腔的死容腔体积，d_p1(t)为无杆腔压力未建模误差和干扰项；d_p2(t)为有杆腔压力未建模误差和干扰项。

(2.4)类流量-阀芯非线性映射模型为：

式中，u_f为待求的类似流量变量。

(2.5)液压缸压由两腔压力差引起的推力f_p为：

f_p＝A_ap_a-A_bp_b (9)

(2.6)液压缸摩擦力f_f模型为：

式中，A_f是库伦摩擦力系数，b_v是黏性摩擦力系数；k_f是一个较大的常值正数，一般k_f≥600，本发明实施例取900。

(2.7)液压缸输出力f_c为：

f_c＝f_p-f_f (11)

(2.8)令状态变量

考虑系统中存在的模型不确定性，可得液压机器人完整系统的状态空间方程：

式中，λ为各液压缸长度，λ₀为各液压缸初始长度，J_λq是驱动雅可比矩阵，f₁(y),f₂(y)形式如下：

式中，D是旋转液压缸排量，q₅是旋转液压缸角位移；y₁,y₂,y₃,y₄分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的活塞杆位移，l_s1,l_s2,l_s3,l_s4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的有效行程，A_a1,A_a2,A_a3,A_a4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸活塞在无杆腔的面积；A_b1,A_b2,A_b3,A_b4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸活塞在有杆腔的面积；V_a01,V_a02,V_a03,V_a04分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸无杆腔的死容腔体积，V_a05是旋转液压缸无杆腔初始容积；V_b01,V_b02,V_b03,V_b04分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸有杆腔的死容腔体积，V_b05是旋转液压缸有杆腔初始容积。

步骤3，多关节液压机器人末端位姿自适应鲁棒控制算法设计，基于步骤2推导的完整液压机器人状态方程，设计基于反步法的重载液压机器人的自适应鲁棒控制算法，其设计步骤可分为三层，第一层计算期望的机械臂关节力矩τ_d，第二层计算期望的类流量变量u_f，第三层计算电磁阀电压，具体为：

(3.1)第一层：设计理想的关节力矩τ_d，使机械臂关节转角q跟踪理想关节转角q_d；

(3.1.1)定义关节轨迹跟踪误差z₁＝q-q_d，关节轨迹角速度跟踪误差

定义类似滑模变量z₂：

式中，K₁是正定的对角矩阵，是关节转角误差增益系数；类似滑模变量z₂的误差动力学为：

(3.1.2)设计期望输入力矩τ_d作为第一层的虚拟控制量：

τ_d＝τ_da+τ_ds (17)

式中，τ_ds是鲁棒反馈量，τ_da是模型补偿项，为：

其中，机械系统未知干扰估计

由参数自适应率来更新：

式中，Γ₂是机械系统自适应学习率；参数自适应映射函数Proj为：

其中，

是参数β的估计值，

是参数β的估计误差，β_max,β_min是估值参数上下界，δ是参数自适应映射函数的输入参数。

(3.1.3)设计鲁棒反馈项τ_ds为：

τ_ds＝-M(q)K₂z₂ (21)

其中，K₂是关节转角反馈增益系数，是正定的对角矩阵。

(3.1.4)定义期望液压缸输出力f_cd与实际输出力f_c之间的输出力误差z₃＝f_c-f_cd，则机械臂的关节输入力矩τ为：

τ＝J_λq(q)^Tf_c＝τ_d+J_λq(q)^Tz₃ (22)

f_cd＝J_λq ^-T(q)τ_d

(3.1.5)设计第一层的李雅普诺夫函数V₂为：

(3.1.6)设计带有参数自适应的增广李雅普诺夫函数V_2a为：

式中，

是机械臂系统集中干扰估计误差。

(3.1.7)增广李雅普诺夫函数V_2a对时间的微分为：

当输出力误差z₃＝0时，将自适应率公式(19)代入到公式(23)，增广李雅普诺夫函数V_2a恒小于等于0，稳定性得以证明。

(3.2)第二层：设计类似流量变量u_f，使输出力误差z₃趋向于零，并在保证误差收敛的前提下使系统具有较好的动态性能。

(3.2.1)液压缸输出力的误差动力学为：

式中，d_p(t)＝A_ad_p1(t)-A_bd_p2(t)为输出力微分方程建模误差和外部干扰的集中干扰，期望输出力对时间的微分

为：

(3.2.2)设计第二层的虚拟控制量期望类流量变量u_fd为：

u_fd＝u_fda+u_fds (28)

其中，u_fda为模型补偿量，u_fds为鲁棒反馈项。

设计所述模型补偿量u_fda为：

式中，液压系统未知干扰估计

由以下自适应率来更新：

式中，ω₃为缩放系数，本发明实施例的ω₃取

Γ₃是液压系统自适应学习率。

设计所述鲁棒反馈项u_fds为：

u_fds＝-K₃z₃ (31)

式中，K₃是正定的对角矩阵，是液压缸输出力误差增益系数。

(3.2.3)定义第二层的李雅普诺夫函数V₃为：

(3.2.4)定义第二层带参数自适应的增广李雅普诺夫函数V_3a为：

式中，

是液压动态集中干扰估计误差。

(3.2.5)第二层李雅普诺夫函数的微分

为：

将自适应率公式(30)代入公式(34)中，第二层李雅普诺夫函数微分

恒小于等于零，稳定性得以证明。

(3.3)第三层：公式(31)得到的期望类似流量变量u_f可通过非线性映射方程(8)得到期望电磁阀阀芯位移x_vd，电磁阀输入电压u为：

u＝K_v ^-1x_vd (35)

式中，K_v是电磁阀电压增益矩阵。

为了验证上述理论的可行性，在MATLAB下进行仿真实验，仿真实验验证了本发明提出的多关节重载液压机器人系统的自适应鲁棒控制的效果，仿真参数选取如下：

表1：控制器参数

控制器参数	数值
		K<sub>1</sub>	diag([30,30,30,30])
K<sub>2</sub>	diag([30,30,30,30])
		K<sub>3</sub>	110*diag([2,4,4,6])
Γ<sub>2</sub>	10<sup>-2</sup>*diag([0.63,1,0.2,9.84])
		Γ<sub>3</sub>	10<sup>6</sup>*diag([0.275,1.1,4.4,27.5])

设置系统参数为：负载质量m_L＝500Kg，p_s＝31MPa，A腔初始压力p_a0＝8MPa，关节阻尼系数矩阵C_s＝diag([5000,10000,2000,400])(单位：Ns/rad)，液压缸静摩擦力系数矩阵A_f＝diag([5000,10000,1000,100])(单位：Ns/m)，液压缸黏性摩擦系数矩阵b_v＝1800*diag([1,1,1,1])(单位：Ns/m)，液压系统有效弹性模量β_e＝1.1*10⁹Pa，液压缸活塞直径120mm，活塞杆直径70mm。机械臂系统集中干扰和液压系统集中干扰d_t,d_p＝0，机械系统参数估计最小值设为

最大值

液压系统参数估计最小值设为

控制器参数见表1。

取液压机器人末端轨迹为XZ平面上点到点的笛卡尔运动轨迹，末端姿态使用Z-Y-Z型欧拉角表示，起始点姿态为Ω₀＝(0.3,0,-1.5,0,-π,0)，终止点姿态为Ω_f＝(1.0,0,-0.5,0,-π,0)，速度规划采用梯形速度规划，规划期望轨迹全长14秒，其中0-1秒，11-14秒为静平衡状态，1-11秒为运动状态。

附图4是500Kg负载下期望轨迹驱动空间和笛卡尔空间位置跟踪和速度跟踪结果图。液压缸活塞杆位置最大跟踪误差和0.056mm，活塞杆最大跟踪误差0.301mm/s，笛卡尔合成路径最大跟踪误差

能够保证暂、动态稳定性且达到高精度轨迹跟踪效果。

以上描述了本发明的基本原理，主要特征，并非限制本发明所描述的技术方案，一切不脱离发明精神和范围的技术方案及其改进，均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种多关节重载液压机器人系统，其特征在于，它由动力系统、传感检测和数据采集系统、计算机控制系统和机械臂本体系统组成；所述动力系统由液压泵和阀系统组成；所述传感检测和数据采集系统由传感器组成；所述机械臂本体系统包括机械本体和液压系统；所述液压泵为液压系统提供动力；所述阀系统由电磁阀组成；所述传感器包括压力传感器、角度编码器和位移传感器；所述机械本体包括基座、拐臂、大臂、小臂、摆臂和末端执行器；所述液压系统包括拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸和旋转液压缸；其中，位移传感器分别测量拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的活塞杆的直线位移，角度编码器测量旋转液压缸的角位移；电磁阀分别控制拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的活塞杆直线位移y₁,y₂,y₃,y₄和旋转液压缸的角位移q₅；压力传感器分别测量拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸和旋转液压缸中无杆腔压力p_a和有杆腔压力p_b；基座与拐臂液压缸固定连接，基座与拐臂通过转动连接，拐臂液压缸和拐臂转动连接，大臂液压缸和大臂分别与拐臂转动连接，小臂液压缸分别与大臂、小臂转动连接，摆臂液压缸分别与小臂、摆臂转动连接，旋转液压缸和摆臂转动连接，末端执行器与旋转液压缸固定连接；传感器将检测结果发送给计算机控制系统，计算机控制系统通过以下步骤设置电磁阀输入电压u控制机械本体的关节转角q：

(1)建立多关节重载液压机器人系统的数学模型，并将其转化为状态空间方程；所述数学模型包括机械本体动力学模型、电磁阀的流量模型、液压缸两腔压力微分模型和类流量-阀芯非线性映射模型；

(2)根据理想关节转角q_d和步骤(1)得到的状态空间方程，通过设置电磁阀输入电压u改变机械本体的关节转角q。

2.一种如权利要求1所述多关节重载液压机器人系统的高精度运动控制方法，其特征在于，包括以下步骤：

(1)建立多关节重载液压机器人系统的数学模型，并将其转化为状态空间方程；所述数学模型包括机械本体动力学模型、电磁阀的流量模型、液压缸两腔压力微分模型和类流量-阀芯非线性映射模型；包括以下子步骤：

(1.1)建立机械本体动力学模型：

式中，M(q)为机械臂惯性矩阵，

是科里奥利与离心力矩阵，

是关节阻尼矩阵，G(q)是重力矩阵，τ是机械本体关节输入力矩，d_t(t)为机械本体建模误差和干扰项；

(1.2)建立电磁阀的流量模型：

式中，Q_a、Q_b分别为无杆腔、有杆腔流量，c_p1,c_p2,c_n1,c_n2是阀口流量系数，p_s,p_r分别为供油压力和回油压力，x_v是电磁阀阀芯位移，ν(Δp),S(x_v)为如下形式：

(1.3)建立液压缸两腔压力微分模型：

式中，β_e是有效体积模量，y是活塞杆位移，A_a,A_b分别是液压缸活塞在无杆腔、有杆腔的面积；V_a,V_b分别是液压缸无杆腔、有杆腔的容腔体积，V_a＝V_a0+A_ay，V_b＝V_b0+A_b(l_s-y)，V_a0,V_b0分别是液压缸无杆腔、有杆腔的死容腔体积；d_p1(t)为无杆腔压力动态未建模误差和干扰项；d_p2(t)为有杆腔压力动态未建模误差和干扰项；

(1.4)建立类流量-阀芯非线性映射模型：

式中，l_s是液压缸有效行程，u_f为待求的类似流量变量；

(1.5)计算液压缸由两腔压力差引起的推力f_p：

f_p＝A_ap_a-A_bp_b

(1.6)计算液压缸摩擦力f_f：

式中，A_f是库伦摩擦力系数，b_v是黏性摩擦力系数；k_f是常数，且k_f≥600；

(1.7)计算液压缸输出力f_c：

f_c＝f_p-f_f

(1.8)令多关节重载液压机器人系统的状态变量

得到多关节重载液压机器人系统的状态空间方程：

式中，τ_c为关节阻尼力矩，λ为各液压缸长度，λ₀为各液压缸初始长度，J_λq是驱动雅可比矩阵，f₁(y),f₂(y)形式如下：

式中，D是旋转液压缸排量，q₅是旋转液压缸角位移；y₁,y₂,y₃,y₄分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的活塞杆位移，l_s1,l_s2,l_s3,l_s4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸的有效行程，A_a1,A_a2,A_a3,A_a4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸活塞在无杆腔的面积；A_b1,A_b2,A_b3,A_b4分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸活塞在有杆腔的面积；V_a01,V_a02,V_a03,V_a04分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸无杆腔的死容腔体积，V_a05是旋转液压缸无杆腔初始容积；V_b01,V_b02,V_b03,V_b04分别是拐臂液压缸、大臂液压缸、小臂液压缸、摆臂液压缸有杆腔的死容腔体积，V_b05是旋转液压缸有杆腔初始容积；

(2)根据理想关节转角q_d和步骤(1)得到的状态空间方程，通过设置电磁阀输入电压u改变机械本体的关节转角q：

(2.1)根据理想关节转角q_d计算用于改变当前关节转角q的理想关节力矩τ_d：

τ_d＝τ_da+τ_ds

z₁＝q-q_d

τ_ds＝-M(q)K₂z₂

式中，τ_da是关节力矩模型补偿项，τ_ds是关节力矩鲁棒反馈量；K₁是关节转角误差增益系数，z₁为关节轨迹跟踪误差，

为机械本体未知干扰估计；Γ₂是机械本体自适应学习率，Proj为参数自适应映射函数，z₂为类似滑模变量；K₂是关节转角反馈增益系数；

(2.2)根据步骤(2.1)得到的理想关节力矩τ_d计算期望类似流量变量u_fd：

u_fd＝u_fda+u_fds

f_cd＝J_λq ^-Tτ_d

z₃＝f_c-f_cd

u_fds＝-K₃z₃

式中，u_fd为期望类似流量变量，u_fda为类似流量变量模型补偿量，u_fds为类似流量变量鲁棒反馈项；

为液压系统未知干扰估计；Γ₃是液压系统自适应学习率，z₃为液压缸输出力误差，ω₃是缩放系数；f_cd为期望液压缸输出力；K₃是液压缸输出力误差增益系数；

(2.3)计算电磁阀输入电压u：

u＝K_v ^-1x_vd

式中，K_v是电磁阀电压增益矩阵；x_vd为期望电磁阀阀芯位移，由将步骤(2.2)得到的期望类似流量变量u_fd作为待求的类似流量变量u_f代入步骤(1.4)建立类流量-阀芯非线性映射模型中得到。

Images