CN115202208A - 一种线束缠绕机器人末端执行器的自适应滑模控制方法 - Google Patents

Abstract

本发明公开了一种线束缠绕机器人末端执行器的自适应滑模控制方法。本发明步骤：步骤1、根据基尔霍夫电压定律、刚体动力学原理、齿隙动力学原理和负载变化规律建立无刷直流电机系统模型；步骤2、根据基于参数估计误差原理进行系统参数自适应辨识；步骤3、将步骤2中辨识的系统参数，作为滑模控制的部分参数，并建立自适应快速非奇异终端滑模控制器；步骤4、基于步骤3设立的初始参数值，对线束缠绕机器人末端执行器进行在线参数辨识和自适应控制。本发明具有鲁棒性强和控制响应快的特点。最终达到实时感知负载变化，并自适应调节控制器参数，简单且易于应用，成本低，可广泛应用于线束缠绕机器人末端执行器等控制应用领域。

Description

一种线束缠绕机器人末端执行器的自适应滑模控制方法

技术领域

本发明涉及电机控制领域，尤其涉及一种线束缠绕机器人末端执行器的自适应滑模控制方法。

背景技术

在纺织行业，人们常将棉纱线、人造纤维线等绕制各种适合纺织机用的纱团、绽。在电子行业，电器产品通常需要用漆包铜线绕制成电感线圈，例如：各种电动机，日光灯镇流器，各种大小变压器，电视机和收音机用的中周、电感线圈，行输出变压器，电子点火器和灭蚊器上的高压线圈，喇叭，耳机，麦克风的音圈，各种电焊机等。在汽车行业，需要对各类线束进行胶带或无胶胶带封装，达到捆绑、防漏电、防老化、防腐蚀等效果。

在汽车行业，工厂中需要对各类线束进行封装，达到捆绑、防漏电、防老化、防腐蚀等效果。因此，为了降低劳动强度，提高效率和进行现代化生产升级，一种手持式线束缠绕机器受到广泛应用。能够应用于线束缠绕机器人末端执行器的算法有PID、神经网络控制、鲁棒控制等。PID方法简单易于应用，但对环境变化不敏感。神经网络控制方法不需要具体模型，但需要进行大量计算且不适合性能较弱的控制器。鲁棒控制以稳定性和可靠性为首要目标，可以在一定范围内但可能不是最优情况下工作，因此控制精度可能不够理想。

目前，为了克服面向线束缠绕机器人末端执行器的控制器不能感知负载变化等引起的外界干扰的难题，本发明公布了一种面向线束缠绕机器人末端执行器的基于参数估计的快速非奇异终端滑模控制方法，具有广泛的应用价值。

发明内容

本发明的目的是针对现有技术的不足，提供一种线束缠绕机器人末端执行器的自适应滑模控制方法。

为实现上述技术目的，本发明采用以下技术方案：

步骤1、根据基尔霍夫电压定律、刚体动力学原理、齿隙动力学原理和负载变化规律建立无刷直流电机系统模型。

步骤2、根据基于参数估计误差原理进行系统参数自适应辨识。

步骤3、将步骤2中辨识的系统参数，作为滑模控制的部分参数，并建立自适应快速非奇异终端滑模控制器。

步骤4、基于步骤3设立的初始参数值，对线束缠绕机器人末端执行器进行在线参数辨识和自适应控制；

进一步地，所述步骤1具体实现包括以下子步骤：

(1.1)建立无刷直流电机系统模型，公式如下：

其中，u为输入电压，R为等效电阻，J_m为电机转动惯量，J_l为负载转动惯量，ω_l为负载转速，

表示负载转速ω_l的求导；T_l为负载转矩，d为干扰及未建模动态部分，K_e为电动势常量，K_t为电机转矩常量，B_m为电机阻尼常数，B_l为负载阻尼常数，n为传动比。

(1.2)基于步骤(1.1)建立负载变化函数；

T_l＝-K_lθ_l (2)

其中，K_l＞0为负载变化系数，θ_l为负载角位移。

(1.3)基于步骤(1.1)和步骤(1.2)建立线性回归方式的电机系统模型，如下所示：

便于后续推导计算，用参数x₂替代负载转速ω_l；其中Θ是系数向量，θ₁,θ₂,θ₃,θ₄为系统参数，Ψ是回归向量，B为阻尼系数，分别如下所示：

Ψ＝[-x₂,u,x₁,-1]^T (5)

便于后续推导计算，公式(5)中的参数x₁表示负载角位移θ_l；

所述步骤(2)包括以下子步骤：

(2.1)设计基于参数估计误差的系统参数辨识方法，基于步骤(1.3)进行构造。

首先，进行一阶滤波，公式如下:

其中，k为滤波系数，x_2f和Ψ_f为滤波后的值，

分别表示对x_2f和Ψ_f进行求导；x_2f可通过下述公式表示：

其次，设计一个辅助矩阵M、辅助向量N和辅助向量H，表达式如下：

其中，l为滤波系数；

分别表示辅助矩阵M、辅助向量N的求导。

然后，构造辅助向量H：

其中，

为系统参数估计值，因此辅助向量H包括参数估计误差信息。

最后,设计增益自适应更新律

其中，Γ表示误差估计增益值，ρ表示增益系数。

(2.2)基于步骤(2.1)得到基于参数估计误差信息的系统参数估计微分表达式

如下所示：

进一步的，所述步骤(3)建立自适应快速非奇异终端滑模控制器，具体实现如下：

取滑模面函数s，如下所示：

取趋近律函数

如下所述：

结合上两式得到如下所示：

其中，u为系统输入电压，

为系统参数估计值，系数k₁＞0,k₂＞0,α＞1，k₃＞0,k₄＞0,1＞β＞0，

为设定转速的导数值。

进一步地，所述步骤(4)具体为，首先通过步骤(1)得到被控对象系统模型，其次利用步骤(2)在线辨识步骤(1)中系统的未知系数，再次通过步骤(3)设计的控制器控制线束缠绕机器人末端执行器的转速，最终该方法能够达到根据输入输出值，在线辨识得到的系统参数并实时调节控制器部分参数，相较于其他方法具有响应速度快，控制精度高等特点。

本发明有益效果如下：

在面向线束缠绕机器人末端执行器的调速控制应用方面，同现有方法相比，本发明所述方法，是基于步骤(2)种所提的基于参数估计误差信息来估计系统参数的，具有更快的辨识速度，能够快速自适应调节控制器。基于步骤(3)中的快速非奇异终端滑模控制方法，具有鲁棒性强和控制响应快的特点。最终达到实时感知负载变化，并自适应调节控制器参数，简单且易于应用，成本低，可广泛应用于线束缠绕机器人末端执行器等控制应用领域。

附图说明

图1是控制算法框图

图2是线束缠绕机器人末端执行器电机系统参数辨识图

图3是线束缠绕机器人末端执行器电机系统在基于自适应快速非奇异终端滑模控制器控制下的调速跟踪图

具体实施方式

下面结合附图对本发明做进一步说明。

本发明的目的是利用参数估计误差信息进行自适应快速非奇异终端滑模控制器设计，能够对一种线束缠绕机器人末端执行器进行自适应控制，并具有较好工作效果。

如图1所示，为本发明实施方式的控制算法框图。算法步骤(1)包括以下子步骤：

(1.1)建立无刷直流电机系统模型，公式如下：

其中，u为输入电压，R为等效电阻，J_m为电机转动惯量，J_l为负载转动惯量，ω_l为负载转速，

表示负载转速ω_l的求导；T_l为负载转矩，d为干扰及未建模动态部分，K_e为电动势常量，K_t为电机转矩常量，B_m为电机阻尼常数，B_l为负载阻尼常数，n为传动比。

(1.2)基于步骤(1.1)建立负载变化函数；

T_l＝-K_lθ_l (16)

其中，K_l＞0为负载变化系数，θ_l为负载角位移。

(1.3)基于步骤(1.1)和步骤(1.2)建立线性回归方式的电机系统模型，如下所示：

便于后续推导计算，用参数x₂替代负载转速ω_l；其中Θ是系数向量，Ψ是回归向量，B为阻尼系数，分别如下所示：

Ψ＝[-x₂,u,x₁,-1]^T (19)

便于后续推导计算，用参数x₁替代负载角位移θ_l；

如图2所示，为基于参数估计误差的在线线束缠绕机器人末端执行器电机系统参数辨识过程。具体步骤(2)包括以下子步骤：

(2.1)设计基于参数估计误差的系统参数辨识方法，基于步骤(1.3)进行构造。

首先，进行一阶滤波，公式如下:

其中，k为滤波系数，x_2f和Ψ_f为滤波后的值，

表示对x_2f和Ψ_f进行求导；x_2f可通过下述公式表示：

其次，设计一个辅助矩阵M、辅助向量N和辅助向量H，表达式如下：

其中l为滤波系数；

然后，构造辅助向量H：

其中，

为系统参数估计值，因此辅助向量H包括参数估计误差信息。

最后,设计增益自适应更新律：

其中，Γ表示误差估计增益值，ρ表示增益系数。

(2.2)基础步骤(2.1)得到基于参数估计误差信息的系统参数估计微分表达式

如下所示：

进一步的，所述步骤(3)建立自适应快速非奇异终端滑模控制器。

取滑模面函数s，如下所示

取趋近律函数

如下所述

结合上两式得到如下所示：

其中，u为系统输入电压，

为系统参数估计值，系数k₁＞0,k₂＞0,α＞1，k₃＞0,k₄＞0,1＞β＞0，

为设定转速的导数值。

进一步地，所述步骤(4)具体为，首先通过步骤(1)得到被控对象系统模型，其次利用步骤(2)在线辨识步骤(1)中系统的未知系数，再次通过步骤(3)设计的控制器控制线束缠绕机器人末端执行器的转速，最终该方法能够达到根据输入输出值，在线辨识得到的系统参数并实时调节控制器部分参数，相较于其他方法具有响应速度快，控制精度高等特点。如图3所示，为线束缠绕机器人末端执行器电机系统在基于参数辨识的自适应快速非奇异终端滑模控制器控制下的调速跟踪过程。

实施例1：

在线束缠绕机器人末端执行器工作过程中，根据线束点缠的工艺要求，需要执行器能够快速响应并得到理想的缠绕效果。目前，正常情况下利用PID方法能够起到一定的调速效果，但是在点缠工艺时，即频繁地加减速时且伴随着负载逐渐减小情况下，会存在10％左右的超调量和抖动，调速不够稳定。且对于不同批次的产品还需要额外调节控制参数。相较于上述现有方法，本方法在控制过程中能够快速辨识系统参数信息，并自适应调节控制器参数，在加减速过程中超调量仅1％左右。设定阶跃转速信号为225rpm情况，PID控制下超调时转速达到了242rpm，电压12.54V，而本文所提方法转速峰值到达228rpm，电压11.35V。因此在本方法控制下能够快速响应且超调量较小。具有更强的适用性，能够很好地达到调速效果。

Claims (5)

1.一种线束缠绕机器人末端执行器的自适应滑模控制方法，其特征在于包括如下步骤：

步骤1、根据基尔霍夫电压定律、刚体动力学原理、齿隙动力学原理和负载变化规律建立无刷直流电机系统模型；

步骤2、根据基于参数估计误差原理进行系统参数自适应辨识；

步骤3、将步骤2中辨识的系统参数，作为滑模控制的部分参数，并建立自适应快速非奇异终端滑模控制器；

步骤4、基于步骤3设立的初始参数值，对线束缠绕机器人末端执行器进行在线参数辨识和自适应控制。

2.根据权利要求1所述的一种线束缠绕机器人末端执行器的自适应滑模控制方法，其特征在于所述步骤1具体实现包括以下子步骤：

(1.1)建立无刷直流电机系统模型，公式如下：

其中，u为输入电压，R为等效电阻，J_m为电机转动惯量，J_l为负载转动惯量，ω_l为负载转速，

表示负载转速ω_l的求导；T_l为负载转矩，d为干扰及未建模动态部分，K_e为电动势常量，K_t为电机转矩常量，B_m为电机阻尼常数，B_l为负载阻尼常数，n为传动比；

(1.2)基于步骤(1.1)建立负载变化函数；

T_l＝-K_lθ_l (2)

其中，K_l＞0为负载变化系数，θ_l为负载角位移；

(1.3)基于步骤(1.1)和步骤(1.2)建立线性回归方式的电机系统模型，如下所示：

便于后续推导计算，用参数x₂替代负载转速ω_l；其中Θ是系数向量，θ₁,θ₂,θ₃,θ₄为系统参数，Ψ是回归向量，B为阻尼系数，分别如下所示：

Ψ＝[-x₂,u,x₁,-1]^T (5)

便于后续推导计算，公式(5)中的参数x₁表示负载角位移θ_l。

3.根据权利要求2所述的一种线束缠绕机器人末端执行器的自适应滑模控制方法，其特征在于所述步骤2包括以下子步骤：

(2.1)设计基于参数估计误差的系统参数辨识方法，基于步骤(1.3)进行构造；

首先，进行一阶滤波，公式如下:

其中，k为滤波系数，x_2f和Ψ_f为滤波后的值，

分别表示对x_2f和Ψ_f进行求导；x_2f可通过下述公式表示：

其次，设计一个辅助矩阵M、辅助向量N和辅助向量H，表达式如下：

其中，l为滤波系数；

分别表示辅助矩阵M、辅助向量N的求导；

然后，构造辅助向量H：

其中，

为系统参数估计值，因此辅助向量H包括参数估计误差信息；

最后,设计增益自适应更新律

其中，Γ表示误差估计增益值，ρ表示增益系数；

(2.2)基于步骤(2.1)得到基于参数估计误差信息的系统参数估计微分表达式

如下所示：

4.根据权利要求3所述的一种线束缠绕机器人末端执行器的自适应滑模控制方法，其特征在于所述步骤3建立自适应快速非奇异终端滑模控制器，具体实现如下：

取滑模面函数s，如下所示：

取趋近律函数

如下所述：

结合上两式得到如下所示：

其中，u为系统输入电压，

为系统参数估计值，系数k₁＞0,k₂＞0,α＞1，k₃＞0,k₄＞0,1＞β＞0，

为设定转速的导数值。

5.根据权利要求4所述的一种线束缠绕机器人末端执行器的自适应滑模控制方法，其特征在于所述步骤4具体实现如下：

首先通过步骤1得到被控对象系统模型，其次利用步骤2在线辨识步骤1中系统的未知系数，再次通过步骤3设计的控制器控制线束缠绕机器人末端执行器的转速，最终能够根据输入输出值，在线辨识得到的系统参数并实时调节控制器部分参数。

Images