CN114706312B - 一种绳索牵引并联机器人高精度自适应协同控制方法 - Google Patents
一种绳索牵引并联机器人高精度自适应协同控制方法 Download PDFInfo
- Publication number
- CN114706312B CN114706312B CN202210627091.6A CN202210627091A CN114706312B CN 114706312 B CN114706312 B CN 114706312B CN 202210627091 A CN202210627091 A CN 202210627091A CN 114706312 B CN114706312 B CN 114706312B
- Authority
- CN
- China
- Prior art keywords
- rope
- vector
- representing
- parallel robot
- moving platform
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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]
Abstract
本发明公开了一种绳索牵引并联机器人高精度自适应协同控制方法,包括:步骤1,建立绳索牵引并联机器人的完整动力学模型及参数线性化方程;步骤2,根据完整动力学模型设定绳长跟踪误差、绳索的全局协同误差和绳索的耦合误差向量;步骤3,根据耦合误差向量设定绳长滑模向量和动平台位姿滑模向量,根据绳长滑模向量、动平台位姿滑模向量和完整动力学模型确定高精度自适应协同控制律;步骤4,根据绳长滑模向量和动平台位姿滑模向量,设定使高精度自适应协同控制律中动力学参数快速收敛的参数自适应律;步骤5,利用高精度自适应协同控制律协同控制机器人驱动各卷筒的电机。该方法能加快控制过程中动力学参数收敛速度,提升机器人运动控制精度。
Description
技术领域
本发明涉及绳索牵引并联机器人控制领域,尤其涉及一种绳索牵引并联机器人高精度自适应协同控制方法。
背景技术
不同于传统的并联机器人,绳索牵引并联机器人通过调节各绳索的长度,来控制各绳索连接的动平台沿着设定的期望轨迹进行运动。得益于多绳索牵引的结构,绳索牵引并联机器人具有工作空间大、运动惯量小、环境适应性强等特点。然而,在绳索牵引并联机器人的实际应用场景中,如搬运、装配等,机器人动力学参数的不确定(或实时改变)会严重影响机器人的控制精度。同时,由于动平台的运动是由多根绳索协同进行控制的,多绳索的全局协同特性也在一定程度上决定着机器人的控制精度。因此,考虑到绳索牵引并联机器人的多绳索协同特性和动力学参数不确定性问题,亟需一种能够同时实现绳索全局协同运动和动力学参数快速收敛的机器人控制方法,从而最终改善绳索牵引并联机器人的控制性能。
目前,通常利用自适应控制的方法来处理绳索牵引并联机器人动力学参数不确定性的问题。然而,现有的绳索牵引并联机器人自适应控制方法在实验过程中都鲜少涉及多绳索牵引的拓扑结构带来的绳索全局协同运动特性,并且控制过程中动力学参数的更新往往采用传统的基于梯度下降的自适应律,参数收敛到真实值的速度难以保证。因此,如何从多绳索协同和动力学参数自适应两个方面入手,在实现绳索牵引并联机器人所有绳索的全局协同运动的同时加快控制过程中动力学参数的收敛速度,从而提升绳索牵引并联机器人在轨迹跟踪任务中的控制精度是目前亟需解决的问题。
有鉴于此,特提出本发明。
发明内容
本发明的目的是提供了一种绳索牵引并联机器人高精度自适应协同控制方法,能在实现所有绳索全局协同运动的同时保证动力学参数的快速收敛,最终提升绳索牵引并联机器人的运动控制精度,进而解决现有技术中存在的上述技术问题。
本发明的目的是通过以下技术方案实现的:
本发明实施方式提供一种绳索牵引并联机器人高精度自适应协同控制方法,包括:
步骤1,建立绳索牵引并联机器人的完整动力学模型,并建立所述完整动力学模型的参数线性化方程;
步骤2,根据所述完整动力学模型设定所述绳索牵引并联机器人的绳索的绳长跟踪误差向量和绳索的全局协同误差向量,将得出的绳索的绳长跟踪误差向量和绳索的全局协同误差向量相结合,得出设定的绳索的耦合误差向量;
步骤3,根据所述步骤2设定的绳索的耦合误差向量设定绳长滑模向量和动平台位姿滑模向量,根据设定的绳长滑模向量、动平台位姿滑模向量和所述绳索牵引并联机器人的完整动力学模型确定高精度自适应协同控制律;
步骤4,根据所述步骤3中设定的绳长滑模向量和动平台位姿滑模向量,设定使所述步骤3中确定的高精度自适应协同控制律中动力学参数快速收敛的参数自适应律,利用参数自适应律对所述高精度自适应协同控制律的动力学参数进行更新,得出使参数快速收敛的高精度自适应协同控制律;
步骤5,利用所述使参数快速收敛的高精度自适应协同控制律对所述绳索牵引并联机器人的驱动各卷筒的电机进行协同控制,使各卷筒同步收放缠绕在各卷筒上的对应绳索,驱动各绳索连接的动平台沿着设定的期望轨迹进行运动。
与现有技术相比,本发明所提供的绳索牵引并联机器人高精度自适应协同控制方法,其有益效果包括:
从多绳索协同和动力学参数自适应两个角度出发,提出了一种保证参数快速收敛的绳索牵引并联机器人高精度自适应协同控制方法:一方面,通过对多绳索牵引的拓扑结构的分析,研究多绳索之间的协同运动特性,定义绳索的全局协同误差向量,从而引入新型的多绳索全局协同方案;另一方面,为了实现动力学参数的快速收敛,基于绳索的全局协同误差向量设计了参数自适应律。该控制方法可以有效实现绳索牵引并联机器人所有绳索的全局协同运动,同时加快控制过程中动力学参数收敛到真实值的速度,最终从更好地协同绳索运动和更快地更新参数值两个方面改善机器人在轨迹跟踪任务中的控制性能,进而解决现有绳索牵引并联机器人面临的控制精度不足和动力学参数不确定性的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的绳索牵引并联机器人高精度自适应协同控制方法的流程图。
图2为本发明实施例提供的绳索牵引并联机器人的结构示意图。其中,1-动平台;2-卷筒;3-绳索。
图3为本发明实施例提供的绳索牵引并联机器人高精度自适应协同控制方法的控制框图。
图4为本发明实施例提供的绳索牵引并联机器人的动平台的期望运动轨迹图。
具体实施方式
下面结合本发明的具体内容,对本发明实施例中的技术方案进行清楚、完整地描述;显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,这并不构成对本发明的限制。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
首先对本文中可能使用的术语进行如下说明:
术语“和/或”是表示两者任一或两者同时均可实现,例如,X和/或Y表示既包括“X”或“Y”的情况也包括“X和Y”的三种情况。
术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述,应被解释为非排它性的包括。例如:包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等),应被解释为不仅包括明确列出的某技术特征要素,还可以包括未明确列出的本领域公知的其它技术特征要素。
术语“由……组成”表示排除任何未明确列出的技术特征要素。若将该术语用于权利要求中,则该术语将使权利要求成为封闭式,使其不包含除明确列出的技术特征要素以外的技术特征要素,但与其相关的常规杂质除外。如果该术语只是出现在权利要求的某子句中,那么其仅限定在该子句中明确列出的要素,其他子句中所记载的要素并不被排除在整体权利要求之外。
除另有明确的规定或限定外,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如:可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本文中的具体含义。
当浓度、温度、压力、尺寸或者其它参数以数值范围形式表示时,该数值范围应被理解为具体公开了该数值范围内任何上限值、下限值、优选值的配对所形成的所有范围,而不论该范围是否被明确记载;例如,如果记载了数值范围“2~8”时,那么该数值范围应被解释为包括“2~7”、“2~6”、“5~7”、“3~4和6~7”、“3~5和7”、“2和5~7”等范围。除另有说明外,本文中记载的数值范围既包括其端值也包括在该数值范围内的所有整数和分数。
术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述和简化描述,而不是明示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本文的限制。
下面对本发明所提供的绳索牵引并联机器人高精度自适应协同控制方法进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本发明实施例中未注明具体条件者,按照本领域常规条件或制造商建议的条件进行。本发明实施例中所用试剂或仪器未注明生产厂商者,均为可以通过市售购买获得的常规产品。
如图1所示,本发明实施例提供一种绳索牵引并联机器人高精度自适应协同控制方法,能保证参数快速收敛,包括:
步骤1,建立绳索牵引并联机器人的完整动力学模型,并建立所述完整动力学模型的参数线性化方程;
步骤2,根据所述完整动力学模型设定所述绳索牵引并联机器人的绳索的绳长跟踪误差向量和绳索的全局协同误差向量,将得出的绳索的绳长跟踪误差向量和绳索的全局协同误差向量相结合,得出设定的绳索的耦合误差向量;
步骤3,根据所述步骤2设定的绳索的耦合误差向量设定绳长滑模向量和动平台位姿滑模向量,根据设定的绳长滑模向量、动平台位姿滑模向量和所述绳索牵引并联机器人的完整动力学模型确定高精度自适应协同控制律;
步骤4,根据所述步骤3中设定的绳长滑模向量和动平台位姿滑模向量,设定使所述步骤3中确定的高精度自适应协同控制律中动力学参数快速收敛的参数自适应律,利用参数自适应律对所述高精度自适应协同控制律的动力学参数进行更新,得出使参数快速收敛的高精度自适应协同控制律;
步骤5,利用所述使参数快速收敛的高精度自适应协同控制律对所述绳索牵引并联机器人的驱动各卷筒的电机进行协同控制,使各卷筒同步收放缠绕在各卷筒上的对应绳索,驱动各绳索连接的动平台沿着设定的期望轨迹进行运动。
上述控制方法中,所控制的绳索牵引并联机器人通过由m个电机驱动的m个卷筒来收放缠绕在各卷筒上的对应绳索,通过改变m根绳索的长度能控制动平台在工作空间中实现n自由度的运动;其中,m和n为正整数,m大于n。
上述控制方法的步骤1中,按以下方式建立绳索牵引并联机器人的完整动力学模型,包括:
将所述绳索牵引并联机器人的动能和势能之差定义为拉格朗日函数,根据所述拉格朗日函数推导出该绳索牵引并联机器人的动平台的动力学模型为:
上述式(1)中,表示动平台的质量/惯量矩阵;表示动平台的科氏力矩阵;表示动平台的重力向量;表示动平台在工作空间中的位姿向量;表示动平台在工作空间中的速度向量;表示动平台在工作空间中的加速度向量;表示所述绳索牵引并联机器人的雅可比矩阵;表示所述绳索牵引并联机器人的绳索张力向量。
建立所述绳索牵引并联机器人用于缠绕绳索的卷筒的动力学模型为:
将所述动平台的动力学模型与所述卷筒的动力学模型结合,得出所述绳索牵引并联机器人的完整动力学模型为:
上述控制方法的步骤1中,按以下方式建立所述完整动力学模型的参数线性化方程,包括:
分离出所述动平台动力学模型中的动平台动力学参数,得出动平台动力学模型的参数线性化表达式为:
分离出所述卷筒动力学模型中的卷筒动力学参数,得出卷筒动力学模型的参数线性化表达式为:
将所述动平台动力学模型的参数线性化表达式与所述卷筒动力学模型的参数线性化表达式结合,得出所述绳索牵引并联机器人的完整动力学模型的参数线性化方程为:
上述控制方法的步骤2中,按以下方式根据所述完整动力学模型设定所述绳索牵引并联机器人的绳索的绳长跟踪误差向量、绳索的全局协同误差向量和绳索的耦合误差向量,包括:
根据期望的绳长和实际的绳长,确定绳索牵引并联机器人的最终协同控制目标为:
上述式(10)中,t表示时间变量;表示t时刻第i根绳索的绳长跟踪误差;表示t时刻第j根绳索的绳长跟踪误差;表示t时刻第i根绳索的实际绳长;表示t时刻第i根绳索的期望绳长;表示t时刻第j根绳索的期望绳长;为绳索的数目;i=1,2,…,m,j≠i;
上述控制方法中,按以下方式根据期望的绳长和实际的绳长,确定绳索牵引并联机器人的最终协同控制目标,包括:
根据期望的绳长和实际的绳长,确定绳索牵引并联机器人的初始协同控制目标为:
上述式(13)中,t表示时间变量;表示t时刻第i根绳索的实际绳长;表示t时刻第i根绳索的期望绳长;表示t时刻第j根绳索的实际绳长;表示t时刻第j根绳索的期望绳长;为绳索的数目;i=1,2,…,m,j≠i;
结合初始协同控制目标与如下恒等方程,得出最终协同控制目标,所述恒等方程为:
上述控制方法的步骤3中,按以下方式根据所述步骤2中设定的绳索的耦合误差向量设定绳长滑模向量和动平台位姿滑模向量,包括:
上述式(16)中,表示参考的绳长速度向量;表示参考的绳长加速度向量;表示实际的绳长速度向量;表示实际的绳长加速度向量;表示期望的绳长速度向量;表示期望的绳长加速度向量;表示绳长滑模向量对时间的一阶导数;表示绳索的全局协同误差向量对时间的一阶导数;表示耦合误差向量对时间的一阶导数;
上述式(18)中,表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示实际的动平台位姿速度向量;表示实际的动平台位姿加速度向量;表示期望的动平台位姿速度向量;表示期望的动平台位姿加速度向量;表示伪逆矩阵对时间的一阶导数;表示动平台位姿滑模向量对时间的一阶导数;表示绳索的全局协同误差向量对时间的一阶导数;表示耦合误差向量对时间的一阶导数。
上述控制方法的步骤3中,按以下方式根据设定的绳长滑模向量、动平台位姿滑模向量和所述绳索牵引并联机器人的完整动力学模型确定高精度自适应协同控制律,包括:
将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,再结合所述绳索牵引并联机器人的完整动力学模型的参数线性化方程,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律为:
上述式(19)中,表示包含实际的动平台位姿变量和参考的动平台位姿变量的参考回归矩阵;表示包含参考的绳长变量的参考回归矩阵;表示和复合后的完整参考回归矩阵;、和分别表示、和的估计值;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示n×n的正定对角矩阵,至均为大于零的常数;
上述控制方法中,按以下方式将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,再结合所述绳索牵引并联机器人的完整动力学模型的参数线性化方程,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律,包括:
先将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,得出初始设定的绳索牵引并联机器人高精度自适应协同控制律为:
上述式(22)中,、、、和分别表示、、、和的估计值;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示n×n的正定对角矩阵,至均为大于零的常数;
结合式(6)中得出的绳索牵引并联机器人的完整动力学模型的参数线性化方程,改写上述式(22)的绳索牵引并联机器人初始高精度自适应协同控制律,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律。
上述控制方法的步骤4中,按以下方式根据所述步骤3中设定的绳长滑模向量和动平台位姿滑模向量,设定使所述高精度自适应协同控制律中动力学参数快速收敛的参数自适应律,包括:
设定使高精度自适应协同控制律中动力学参数快速收敛的参数自适应律为:
上述式(23)中,为参数估计值的参数自适应律;表示完整参考回归矩阵的转置矩阵;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示动平台位姿滑模向量;和表示正定对角常数矩阵;表示预测误差向量,通过式(24):计算得出。
综上可见,本发明实施例的控制方法,从绳索牵引并联机器人的动力学参数不确定性入手,通过分析机器人的动力学模型,结合绳索牵引的拓扑结构出发提出了绳索的全局协同误差向量,随后在全局协同误差向量的基础上设定了绳长滑模向量和动平台位姿滑模向量,并结合绳索牵引并联机器人的动力学模型给出了高精度自适应协同控制律和保证该高精度自适应协同控制律中动力学参数快速收敛的参数自适应律,从而最终得到保证参数快速收敛的绳索牵引并联机器人高精度自适应协同控制律,并根据该控制律绳索牵引并联机器人的驱动各卷筒的电机进行协同控制,使各卷筒同步收放缠绕在各卷筒上的各绳索,从而使各绳索连接的动平台沿着设定的期望轨迹进行运动。
为了更加清晰地展现出本发明所提供的技术方案及所产生的技术效果,下面以具体实施例对本发明实施例所提供的绳索牵引并联机器人高精度自适应协同控制方法进行详细描述。
实施例
本实施例提供一种绳索牵引并联机器人高精度自适应协同控制方法。该方法所控制的绳索牵引并联机器人结构如图2所示,机器人通过由m个电机驱动的m个卷筒来收放缠绕在各卷筒上的各绳索,从而通过改变m根绳索的长度来控制动平台在工作空间中实现n自由度的运动。其中,m和n为正整数,m大于n。
该控制方法按如下步骤进行:
步骤1,建立绳索牵引并联机器人的完整动力学模型,并建立所述完整动力学模型的参数线性化方程。具体如下:
将所述绳索牵引并联机器人的动能和势能之差定义为拉格朗日函数,根据所述拉格朗日函数推导出该绳索牵引并联机器人的动平台的动力学模型为:
上述式(1)中,表示动平台的质量/惯量矩阵;表示动平台的科氏力矩阵;表示动平台的重力向量;表示动平台在工作空间中的位姿向量;表示动平台在工作空间中的速度向量;表示动平台在工作空间中的加速度向量;表示所述绳索牵引并联机器人的雅可比矩阵;表示所述绳索牵引并联机器人的绳索张力向量。
建立所述绳索牵引并联机器人用于缠绕绳索的卷筒的动力学模型为:
将所述动平台的动力学模型与所述卷筒的动力学模型结合,得出所述绳索牵引并联机器人的完整动力学模型为:
上述步骤1中,按以下方式建立所述完整动力学模型的参数线性化方程,具体为:
分离出所述动平台动力学模型中的动平台动力学参数,得出动平台动力学模型的参数线性化表达式为:
分离出所述卷筒动力学模型中的卷筒动力学参数,得出卷筒动力学模型的参数线性化表达式为:
将所述动平台动力学模型的参数线性化表达式与所述卷筒动力学模型的参数线性化表达式结合,得出所述绳索牵引并联机器人的完整动力学模型的参数线性化方程为:
步骤2,根据所述完整动力学模型设定所述绳索牵引并联机器人的绳索的绳长跟踪误差向量和绳索的全局协同误差向量,将得出的绳索的绳长跟踪误差向量和绳索的全局协同误差向量相结合,得出设定的绳索的耦合误差向量。具体如下:
根据期望的绳长和实际的绳长,确定绳索牵引并联机器人的最终协同控制目标为:
上述式(10)中,t表示时间变量;表示t时刻第i根绳索的绳长跟踪误差;表示t时刻第j根绳索的绳长跟踪误差;表示t时刻第i根绳索的实际绳长;表示t时刻第i根绳索的期望绳长;表示t时刻第j根绳索的期望绳长;为绳索的数目;i=1,2,…,m,j≠i;
上述步骤2中,按以下方式根据期望的绳长和实际的绳长,确定绳索牵引并联机器人的最终协同控制目标,具体为:
根据期望的绳长和实际的绳长,确定绳索牵引并联机器人的初始协同控制目标为:
上述式(13)中,t表示时间变量;表示t时刻第i根绳索的实际绳长;表示t时刻第i根绳索的期望绳长;表示t时刻第j根绳索的实际绳长;表示t时刻第j根绳索的期望绳长;为绳索的数目;i=1,2,…,m,j≠i;
结合初始协同控制目标与如下恒等方程,得出最终协同控制目标,所述恒等方程为:
步骤3,根据所述步骤2中设定的绳索的耦合误差向量设定绳长滑模向量和动平台位姿滑模向量,根据设定的绳长滑模向量、动平台位姿滑模向量和所述绳索牵引并联机器人的整体动力学模型确定高精度自适应协同控制律控制律。具体如下:
上述式(16)中,表示参考的绳长速度向量;表示参考的绳长加速度向量;表示实际的绳长速度向量;表示实际的绳长加速度向量;表示期望的绳长速度向量;表示期望的绳长加速度向量;表示绳长滑模向量对时间的一阶导数;表示绳索的全局协同误差向量对时间的一阶导数;表示耦合误差向量对时间的一阶导数;
上述式(18)中,表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示实际的动平台位姿速度向量;表示实际的动平台位姿加速度向量;表示期望的动平台位姿速度向量;表示期望的动平台位姿加速度向量;表示伪逆矩阵对时间的一阶导数;表示动平台位姿滑模向量对时间的一阶导数;表示绳索的全局协同误差向量对时间的一阶导数;表示耦合误差向量对时间的一阶导数。
上述步骤3中,按以下方式根据设定的绳长滑模向量、动平台位姿滑模向量和所述绳索牵引并联机器人的完整动力学模型确定高精度自适应协同控制律,具体为:
将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,再结合所述绳索牵引并联机器人的完整动力学模型的参数线性化方程,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律为:
上述式(19)中,表示包含实际的动平台位姿变量和参考的动平台位姿变量的参考回归矩阵;表示包含参考的绳长变量的参考回归矩阵;表示和复合后的完整参考回归矩阵;、和分别表示、和的估计值;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示n×n的正定对角矩阵,至均为大于零的常数;
上述步骤3中,将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,再结合所述绳索牵引并联机器人的完整动力学模型的参数线性化方程,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律,具体如下:
先将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,得出初始设定的绳索牵引并联机器人高精度自适应协同控制律为:
上述式(22)中,、、、和分别表示、、、和的估计值;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示n×n的正定对角矩阵,至均为大于零的常数;
结合式(6)中得出的绳索牵引并联机器人的完整动力学模型的参数线性化方程,改写上述式(22)的绳索牵引并联机器人初始高精度自适应协同控制律,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律。
步骤4,根据所述步骤3中设定的绳长滑模向量和动平台位姿滑模向量,设定使所述高精度自适应协同控制律中动力学参数快速收敛的参数自适应律。具体如下:
设定使高精度自适应协同控制律中动力学参数快速收敛的参数自适应律为:
上述式(23)中,为参数估计值的参数自适应律;表示完整参考回归矩阵的转置矩阵;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示动平台位姿滑模向量;和表示正定对角常数矩阵;表示预测误差向量,通过式(24):计算得出。
步骤5,利用所述使参数快速收敛的高精度自适应协同控制律对所述绳索牵引并联机器人的驱动各卷筒的电机进行协同控制,使各卷筒同步收放缠绕在各卷筒上的对应绳索,驱动各绳索连接的动平台沿着设定的期望轨迹进行运动。
绳索牵引并联机器人高精度自适应协同控制框图如图3所示。本实施例通过确定的控制律对绳索牵引并联机器人各电机的控制力矩进行控制,从而控制动平台沿着如图4所示的期望轨迹进行高精度运动。该方法能有效协调多绳索之间的运动关系,加快控制过程中动力学参数的收敛速度,从而最终提升绳索牵引并联机器人的运动控制精度。
综上可见,本发明实施例的控制方法,首先从绳索牵引并联机器人的动力学参数不确定性入手,通过分析机器人的动力学模型,结合绳索牵引的拓扑结构出发提出了绳索的全局协同误差向量,随后在全局协同误差向量的基础上设定了绳长滑模向量和动平台位姿滑模向量,并结合绳索牵引并联机器人的动力学模型给出了高精度自适应协同控制律和保证该高精度自适应协同控制律中动力学参数快速收敛的参数自适应律,从而最终得到保证参数快速收敛的绳索牵引并联机器人高精度自适应协同控制律。本发明实施例的保证参数快速收敛的高精度自适应协同控制方法与现有技术相比,至少具有以下有益效果:
(1) 从机器人的绳索牵引拓扑结构和动力学参数不确定性入手,尝试将绳索全局协同与参数快速自适应的设计相结合,从而提出一种新型的保证参数快速收敛的自适应协同控制策略。
(2) 结合多绳索牵引的拓扑结构,通过分析多绳索之间的协同运动关系,定义绳索的全局协同误差向量,从而有效协调多绳索之间的运动,并最终提升绳索牵引并联机器人的运动控制精度。
(3)针对在不同应用场景中不可避免的动力学参数不确定性问题,考虑动力学参数的收敛性问题,基于绳索的全局协同误差设计保证参数快速收敛的参数自适应律,加快控制过程中机器人动力学参数收敛到真实值的速度,从而进一步提高绳索牵引并联机器人的运动控制精度。
本领域普通技术人员可以理解:实现上述实施例方法中的全部或部分流程是可以通过程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。本文背景技术部分公开的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
Claims (10)
1.一种绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,包括:
步骤1,建立绳索牵引并联机器人的完整动力学模型,并建立所述完整动力学模型的参数线性化方程;
步骤2,根据所述完整动力学模型设定所述绳索牵引并联机器人的绳索的绳长跟踪误差向量和绳索的全局协同误差向量,将得出的绳索的绳长跟踪误差向量和绳索的全局协同误差向量相结合,得出设定的绳索的耦合误差向量;
步骤3,根据所述步骤2设定的绳索的耦合误差向量设定绳长滑模向量和动平台位姿滑模向量,根据设定的绳长滑模向量、动平台位姿滑模向量和所述绳索牵引并联机器人的完整动力学模型确定高精度自适应协同控制律;
步骤4,根据所述步骤3中设定的绳长滑模向量和动平台位姿滑模向量,设定使所述步骤3中确定的高精度自适应协同控制律中动力学参数快速收敛的参数自适应律,利用参数自适应律对所述高精度自适应协同控制律的动力学参数进行更新,得出使参数快速收敛的高精度自适应协同控制律;
步骤5,利用所述使参数快速收敛的高精度自适应协同控制律对所述绳索牵引并联机器人的驱动各卷筒的电机进行协同控制,使各卷筒同步收放缠绕在各卷筒上的对应绳索,驱动各绳索连接的动平台沿着设定的期望轨迹进行运动。
2.根据权利要求1所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,所控制的绳索牵引并联机器人通过由m个电机驱动的m个卷筒来收放缠绕在各卷筒上的对应绳索,通过改变m根绳索的长度能控制动平台在工作空间中实现n自由度的运动;其中,m和n为正整数,m大于n。
3.根据权利要求2所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,所述步骤1中,按以下方式建立绳索牵引并联机器人的完整动力学模型,包括:
将所述绳索牵引并联机器人的动能和势能之差定义为拉格朗日函数,根据所述拉格朗日函数推导出该绳索牵引并联机器人的动平台的动力学模型为:
上述式(1)中,表示动平台的质量/惯量矩阵;表示动平台的科氏力矩阵;表示动平台的重力向量;表示动平台在工作空间中的位姿向量;表示动平台在工作空间中的速度向量;表示动平台在工作空间中的加速度向量;表示所述绳索牵引并联机器人的雅可比矩阵;表示所述绳索牵引并联机器人的绳索张力向量;
建立所述绳索牵引并联机器人用于缠绕绳索的卷筒的动力学模型为:
将所述动平台的动力学模型与所述卷筒的动力学模型结合,得出所述绳索牵引并联机器人的完整动力学模型为:
4.根据权利要求3所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,所述步骤1中,按以下方式建立所述完整动力学模型的参数线性化方程,包括:
分离出所述动平台动力学模型中的动平台动力学参数,得出动平台动力学模型的参数线性化表达式为:
分离出所述卷筒动力学模型中的卷筒动力学参数,得出卷筒动力学模型的参数线性化表达式为:
将所述动平台动力学模型的参数线性化表达式与所述卷筒动力学模型的参数线性化表达式结合,得出所述绳索牵引并联机器人的完整动力学模型的参数线性化方程为:
5.根据权利要求4所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,所述步骤2中,按以下方式根据所述完整动力学模型设定所述绳索牵引并联机器人的绳索的绳长跟踪误差向量和绳索的全局协同误差向量,将得出的绳索的绳长跟踪误差向量和绳索的全局协同误差向量相结合,得出设定的绳索的耦合误差向量,包括:
根据期望的绳长和实际的绳长,确定绳索牵引并联机器人的最终协同控制目标为:
上述式(10)中, t表示时间变量;表示t时刻第i根绳索的绳长跟踪误差;表示t时刻第j根绳索的绳长跟踪误差;表示t时刻第i根绳索的实际绳长;表示t时刻第i根绳索的期望绳长;表示t时刻第j根绳索的期望绳长;为绳索的数目;i=1,2,…,m,j≠i;
7.根据权利要求5或6所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,所述步骤3中,按以下方式根据所述步骤2中设定的绳索的耦合误差向量设定绳长滑模向量和动平台位姿滑模向量,包括:
上述式(16)中,表示参考的绳长速度向量;表示参考的绳长加速度向量;表示实际的绳长速度向量;表示实际的绳长加速度向量;表示期望的绳长速度向量;表示期望的绳长加速度向量;表示绳长滑模向量对时间的一阶导数;表示绳索的全局协同误差向量对时间的一阶导数;表示耦合误差向量对时间的一阶导数;
8.根据权利要求7所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,所述步骤3中,按以下方式根据设定的绳长滑模向量、动平台位姿滑模向量和所述绳索牵引并联机器人的完整动力学模型确定高精度自适应协同控制律,包括:
将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,再结合所述绳索牵引并联机器人的完整动力学模型的参数线性化方程,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律为:
上述式(19)中,表示包含实际的动平台位姿变量和参考的动平台位姿变量的参考回归矩阵;表示包含参考的绳长变量的参考回归矩阵;表示和复合后的完整参考回归矩阵;、和分别表示、和的估计值;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示n×n的正定对角矩阵,至均为大于零的常数;
9.根据权利要求8所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,按以下方式将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,再结合所述绳索牵引并联机器人的完整动力学模型的参数线性化方程,得出最终设定的绳索牵引并联机器人高精度自适应协同控制律,包括:
先将得出的动平台位姿滑模向量结合至所述绳索牵引并联机器人的完整动力学模型,得出初始设定的绳索牵引并联机器人高精度自适应协同控制律为:
上述式(22)中,、、、和分别表示、、、和的估计值;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示n×n的正定对角矩阵,至均为大于零的常数;
结合式(6)中得出的绳索牵引并联机器人的完整动力学模型的参数线性化方程,改写上述式(22)的绳索牵引并联机器人初始高精度自适应协同控制律,得出绳索牵引并联机器人最终高精度自适应协同控制律。
10.根据权利要求8所述的绳索牵引并联机器人高精度自适应协同控制方法,其特征在于,所述步骤4中,按以下方式根据所述步骤3中设定的绳长滑模向量和动平台位姿滑模向量,设定使所述高精度自适应协同控制律中动力学参数快速收敛的参数自适应律,包括:
设定使高精度自适应协同控制律中动力学参数快速收敛的参数自适应律为:
上述式(23)中,为参数估计值的参数自适应律;表示完整参考回归矩阵的转置矩阵;表示参考的动平台位姿速度向量;表示参考的动平台位姿加速度向量;表示参考的绳长速度向量;表示参考的绳长加速度向量;表示动平台位姿滑模向量;和表示正定对角常数矩阵;表示预测误差向量,通过式(24):
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210627091.6A CN114706312B (zh) | 2022-06-06 | 2022-06-06 | 一种绳索牵引并联机器人高精度自适应协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210627091.6A CN114706312B (zh) | 2022-06-06 | 2022-06-06 | 一种绳索牵引并联机器人高精度自适应协同控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114706312A CN114706312A (zh) | 2022-07-05 |
CN114706312B true CN114706312B (zh) | 2022-09-30 |
Family
ID=82177754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210627091.6A Active CN114706312B (zh) | 2022-06-06 | 2022-06-06 | 一种绳索牵引并联机器人高精度自适应协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114706312B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116108701B (zh) * | 2023-04-10 | 2023-06-23 | 中国科学技术大学 | Fast新型馈源舱机构运动学正解求解及控制方法 |
CN116595869B (zh) * | 2023-05-11 | 2023-11-24 | 哈尔滨工业大学(深圳) | 一种允许碰撞的绳索牵引并联机器人的数据驱动控制策略 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002018752A (ja) * | 2000-07-10 | 2002-01-22 | Japan Science & Technology Corp | ロボットの協調制御方法 |
CN103112782A (zh) * | 2013-02-28 | 2013-05-22 | 徐工集团工程机械股份有限公司 | 多卷扬系统的同步控制装置及方法 |
CN105974797A (zh) * | 2016-07-01 | 2016-09-28 | 厦门大学 | 考虑弹性影响与补偿的绳牵引并联机器人运动控制方法 |
CN111190430A (zh) * | 2020-01-15 | 2020-05-22 | 西北工业大学 | 一种利用系绳旋翼协调的无人机吊挂负载控制方法 |
CN111400917A (zh) * | 2020-03-18 | 2020-07-10 | 中国科学技术大学 | 一种可变结构的绳索牵引并联机器人的运动学优化求解方法 |
CN111762706A (zh) * | 2020-06-11 | 2020-10-13 | 中联重科股份有限公司 | 双卷扬单吊钩式起升设备及其卷扬同步校准方法和系统 |
CN111831008A (zh) * | 2020-06-18 | 2020-10-27 | 航空工业信息中心 | 一种基于分布式架构的无人机编队协同控制系统及其方法 |
CN112650269A (zh) * | 2021-01-02 | 2021-04-13 | 西北工业大学 | 一种多无人机协同运输系统的载荷跟踪控制方法 |
CN113305809A (zh) * | 2021-05-27 | 2021-08-27 | 哈尔滨工业大学 | 一种全约束空间绳索驱动并联机构的力感模拟控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100279255A1 (en) * | 2007-02-16 | 2010-11-04 | Ohio University | Vehicle simulator system |
US10640210B2 (en) * | 2017-08-11 | 2020-05-05 | Purdue Research Foundation | Method and apparatus for cable-driven adaptive vibration control |
CN107627299B (zh) * | 2017-09-12 | 2019-10-25 | 中国科学技术大学 | 一种绳索驱动并联机器人的运动学参数误差标定方法 |
CN114367964B (zh) * | 2022-03-22 | 2022-07-15 | 中国科学技术大学 | 一种绳索牵引并联机器人重构规划方法 |
-
2022
- 2022-06-06 CN CN202210627091.6A patent/CN114706312B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002018752A (ja) * | 2000-07-10 | 2002-01-22 | Japan Science & Technology Corp | ロボットの協調制御方法 |
CN103112782A (zh) * | 2013-02-28 | 2013-05-22 | 徐工集团工程机械股份有限公司 | 多卷扬系统的同步控制装置及方法 |
CN105974797A (zh) * | 2016-07-01 | 2016-09-28 | 厦门大学 | 考虑弹性影响与补偿的绳牵引并联机器人运动控制方法 |
CN111190430A (zh) * | 2020-01-15 | 2020-05-22 | 西北工业大学 | 一种利用系绳旋翼协调的无人机吊挂负载控制方法 |
CN111400917A (zh) * | 2020-03-18 | 2020-07-10 | 中国科学技术大学 | 一种可变结构的绳索牵引并联机器人的运动学优化求解方法 |
CN111762706A (zh) * | 2020-06-11 | 2020-10-13 | 中联重科股份有限公司 | 双卷扬单吊钩式起升设备及其卷扬同步校准方法和系统 |
CN111831008A (zh) * | 2020-06-18 | 2020-10-27 | 航空工业信息中心 | 一种基于分布式架构的无人机编队协同控制系统及其方法 |
CN112650269A (zh) * | 2021-01-02 | 2021-04-13 | 西北工业大学 | 一种多无人机协同运输系统的载荷跟踪控制方法 |
CN113305809A (zh) * | 2021-05-27 | 2021-08-27 | 哈尔滨工业大学 | 一种全约束空间绳索驱动并联机构的力感模拟控制方法 |
Non-Patent Citations (3)
Title |
---|
Adaptive Synchronization Control of Cable-Driven Parallel Robots With Uncertain Kinematics and Dynamics;Hao Ji 等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20210930;第68卷(第9期);第8444-8454页 * |
High-Precision Trajectory Tracking Control of Cable-Driven Parallel Robots Using Robust Synchronization;Fei Xie 等;《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》;20210430;第17卷(第4期);第2488-2499页 * |
绳索牵引并联机器人的双空间自适应同步控制;张彬 等;《机器人》;20200331;第42卷(第2期);第139-147页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114706312A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114706312B (zh) | 一种绳索牵引并联机器人高精度自适应协同控制方法 | |
CN114643584B (zh) | 一种绳索牵引并联机器人快速终端滑模同步控制方法 | |
CN102189550B (zh) | 具有学习控制功能的机器人 | |
US11565416B2 (en) | Transporting robot and method for controlling the same | |
CN114367964B (zh) | 一种绳索牵引并联机器人重构规划方法 | |
WO2018126967A1 (zh) | 穿梭车速度规划控制方法、装置及穿梭车 | |
CN104690093B (zh) | 压延控制装置及压延控制方法 | |
CN105598179B (zh) | 轧制控制装置、轧制控制方法和存储介质 | |
CN101369133A (zh) | 基于灰色预估器的低速摩擦伺服系统滑模变结构控制方法 | |
CN113220021B (zh) | 基于虚拟领导者的飞行编队协同自适应跟踪控制方法 | |
CN114347005B (zh) | 一种能避障的绳索牵引并联机器人连续重构规划方法 | |
US11453405B2 (en) | Method for ascertaining the position of the center of gravity of a vehicle | |
CN108608427B (zh) | 机器人力控牵引过程中的避奇异方法及装置 | |
CN113391553B (zh) | 具有执行器饱和的异构cacc系统的自适应最优控制方法 | |
Raajan et al. | Real time path planning of robot using deep reinforcement learning | |
CN113387233A (zh) | 电缆卷筒拉力监测方法及装置 | |
CN115070771B (zh) | 一种绳索牵引并联机器人弹性双环同步控制方法 | |
CN116834014A (zh) | 一种空间多臂机器人捕获非合作目标的智能协同控制方法和系统 | |
CN116520703A (zh) | 一种基于改进ac算法的强化学习间歇过程控制方法 | |
CN107001000A (zh) | 控制悬索中的横向共振的方法、提升机卷筒控制系统和矿井卷筒提升机系统 | |
CN109940610A (zh) | 一种基于woa-ga混合优化算法的机器人关节控制力矩预测方法 | |
CN115373415A (zh) | 一种基于深度强化学习的无人机智能导航方法 | |
CN114488819B (zh) | 一种弱气动模型依赖的飞行器数据驱动控制方法 | |
CN113043283A (zh) | 一种机器人末端外力预估方法 | |
Eduardo et al. | Designing a Robust Low-Level Agnostic Controller for a Quadrotor with Actor-Critic Reinforcement Learning |
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 |