CN116107219A - 一种基于模型的有约束的增量预测状态空间控制方法 - Google Patents

一种基于模型的有约束的增量预测状态空间控制方法 Download PDF

Info

Publication number
CN116107219A
CN116107219A CN202310376389.9A CN202310376389A CN116107219A CN 116107219 A CN116107219 A CN 116107219A CN 202310376389 A CN202310376389 A CN 202310376389A CN 116107219 A CN116107219 A CN 116107219A
Authority
CN
China
Prior art keywords
state space
model
controller
predictive
control method
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.)
Granted
Application number
CN202310376389.9A
Other languages
English (en)
Other versions
CN116107219B (zh
Inventor
张靖棋
庹华
韩峰涛
杨春卫
姜鼎盛
杨嘉伟
刘长乐
王凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luoshi Shandong Robot Group Co ltd
Original Assignee
Rokae Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Rokae Inc filed Critical Rokae Inc
Priority to CN202310376389.9A priority Critical patent/CN116107219B/zh
Publication of CN116107219A publication Critical patent/CN116107219A/zh
Application granted granted Critical
Publication of CN116107219B publication Critical patent/CN116107219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Manipulator (AREA)

Abstract

本发明提出了一种基于模型的有约束的增量预测状态空间控制方法，包括：步骤S1，对单关节状态空间进行动力学建模；步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。

Description

一种基于模型的有约束的增量预测状态空间控制方法
技术领域
本发明涉及工业机器人技术领域，特别涉及一种基于模型的有约束的增量预测状态空间控制方法。
背景技术
随着工业机器人应用领域的不断扩大以及现代工业的快速发展，人们对工业机器人性能的要求越来越高，以进一步提高生产效率和产品质量，因此高速、高精度成为目前机器人伺服控制的发展趋势。
在工业机器人的控制器设计中，大多将机器人单关节作为刚体进行研究。但在实际应用中，由于轴承和齿轮的弹性或使用的谐波减速器的柔性，机器人单关节并不能完全作为刚体来研究。由于控制器对柔性的忽略，会造成机器人控制的响应速度和精度的下降，甚至会影响机器人控制系统的稳定性。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种基于模型的有约束的增量预测状态空间控制方法。
为了实现上述目的，本发明的实施例提供一种基于模型的有约束的增量预测状态空间控制方法，包括如下步骤：
步骤S1，对单关节状态空间进行动力学建模。
步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；
步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；
步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中；
进一步，对单关节状态空间进行建模。机器人单关节系统的动力学模型为：
；
；
；
；
其中：: 连杆端位置；: 电机端位置；: 连杆端惯量；: 电机端惯量；:连杆端质量；: 连杆端长度；: 减速器刚度；
得到状态空间方程为：
；
 ；
其中：
；
；
。
进一步，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)。状态空间控制器的控制方程为：
。
进一步，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果。
进一步，所述增量预测控制器的算法为：
；
其中：
 此处为输出预测深度；
 此处为控制深度；
,
 ,
。
进一步，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
进一步，最优算法的优化函数为：
其中：
: 为位置指令；
，此处为控制权重；
最优算法的约束为：
；
；
；
为电机出力力矩的最小值，为电机出力力矩的最大值。
进一步，所述最优算法采用梯度下降法。
根据本发明实施例的于模型的有约束的增量预测状态空间控制方法，用于提升控制系统的精度和稳定性。本发明设计应用于机器人单关节的增量预测控制，提出了状态空间控制于增量预测的策略，通过最优算法优化机器人的动力学响应。
本发明通过最优算法得到能优化机器人单关节系统动力的最优控制方式，通过状态空间预测提高了单关节系统的稳定性，综合后显著提高了系统的响应速度和带宽。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的基于模型的有约束的增量预测状态空间控制方法的流程图；
图2为根据本发明实施例的单关节控制框架图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
如图1和图2所示，本发明实施例的基于模型的有约束的增量预测状态空间控制方法，包括如下步骤：
步骤S1，对单关节状态空间进行动力学建模；
步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；
步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；
步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
具体的，对单关节状态空间进行建模，机器人单关节系统的动力学模型为：
；
；
；
；
其中：: 连杆端位置；: 电机端位置；: 连杆端惯量；: 电机端惯量；:连杆端质量；: 连杆端长度；: 减速器刚度；
得到状态空间方程为：
；
 ；
其中：
；
；
。
将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)。状态空间控制器的控制方程为：
。
将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果。
在本发明的实施例中，增量预测控制器的算法为：
；
其中：
 此处为输出预测深度；
 此处为控制深度；
,
 ,
。
在本发明中，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
具体的，最优算法的优化函数为：
其中：
: 为位置指令；
，此处为控制权重；
最优算法的约束为：
；
；
；
为电机出力力矩的最小值，为电机出力力矩的最大值。
在本发明的实施例中，最优算法方式种类不限，可以应用常用最优算法。优选的，最优算法采用梯度下降法。
根据本发明实施例的于模型的有约束的增量预测状态空间控制方法，用于提升控制系统的精度和稳定性。本发明设计应用于机器人单关节的增量预测控制，提出了状态空间控制于增量预测的策略，通过最优算法优化机器人的动力学响应。
本发明通过最优算法得到能优化机器人单关节系统动力的最优控制方式，通过状态空间预测提高了单关节系统的稳定性，综合后显著提高了系统的响应速度和带宽。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (8)

1.一种基于模型的有约束的增量预测状态空间控制方法，其特征在于，包括如下步骤：
步骤S1，对单关节状态空间进行动力学建模；
步骤S2，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k)；
步骤S3，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果；
步骤S4，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
2.如权利要求1所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，对单关节状态空间进行建模，机器人单关节系统的快动力学模型为：
；
；
；
；
其中：: 连杆端位置；: 电机端位置；: 连杆端惯量；: 电机端惯量；: 连杆端质量；: 连杆端长度；: 减速器刚度；
得到状态空间方程为：
；
 ；
其中：
；
；
。
3.如权利要求2所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，将控制量u(k)输入到新型状态空间控制器中，得到状态量x(k),状态空间控制器的控制方程为：
。
4.如权利要求3所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，将得到的状态量数列x(k)输入到增量预测控制器中，得到预测结果。
5.如权利要求4所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，所述增量预测控制器的算法为：
；
其中：
 此处为输出预测深度；
 此处为控制深度；
,
 ,
。
6.如权利要求1所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，将指令位置和增量预测控制器的预测结果输入到含约束的最优算法中，得到最优控制指令u(k)，将其输入到真实的机器人单关节系统中。
7.如权利要求6所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，最优算法的优化函数为：
；
其中：
: 为位置指令；
，此处为控制权重；
最优算法的约束为：
；
；
；
为电机出力力矩的最小值，为电机出力力矩的最大值。
8.如权利要求6所述的基于模型的有约束的增量预测状态空间控制方法，其特征在于，所述最优算法采用梯度下降法。
CN202310376389.9A 2023-04-11 2023-04-11 一种基于模型的有约束的增量预测状态空间控制方法 Active CN116107219B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310376389.9A CN116107219B (zh) 2023-04-11 2023-04-11 一种基于模型的有约束的增量预测状态空间控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310376389.9A CN116107219B (zh) 2023-04-11 2023-04-11 一种基于模型的有约束的增量预测状态空间控制方法

Publications (2)

Publication Number Publication Date
CN116107219A true CN116107219A (zh) 2023-05-12
CN116107219B CN116107219B (zh) 2023-06-30

Family

ID=86261937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310376389.9A Active CN116107219B (zh) 2023-04-11 2023-04-11 一种基于模型的有约束的增量预测状态空间控制方法

Country Status (1)

Country Link
CN (1) CN116107219B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140288703A1 (en) * 2013-03-25 2014-09-25 Canon Kabushiki Kaisha Robotics apparatus, robot control method, program, and recording medium
WO2016184451A1 (de) * 2015-05-21 2016-11-24 Kastanienbaum GmbH Verfahren und vorrichtung zur steuerung/regelung eines aktorisch angetriebenen robotergelenks
CN115107035A (zh) * 2022-07-26 2022-09-27 珞石（北京）科技有限公司 一种机器人单关节人工免疫系统监控的混合控制方法
CN115890668A (zh) * 2022-11-18 2023-04-04 上海电力大学 一种机器人关节模组分散式优化学习控制方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140288703A1 (en) * 2013-03-25 2014-09-25 Canon Kabushiki Kaisha Robotics apparatus, robot control method, program, and recording medium
WO2016184451A1 (de) * 2015-05-21 2016-11-24 Kastanienbaum GmbH Verfahren und vorrichtung zur steuerung/regelung eines aktorisch angetriebenen robotergelenks
CN115107035A (zh) * 2022-07-26 2022-09-27 珞石（北京）科技有限公司 一种机器人单关节人工免疫系统监控的混合控制方法
CN115890668A (zh) * 2022-11-18 2023-04-04 上海电力大学 一种机器人关节模组分散式优化学习控制方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BERNARD BROGLIATO 等: "Modeling, analysis and control of robot–object nonsmooth underactuated Lagrangian systems: A tutorial overview and perspectives", 《ELSEVIER SCIENCE：ANNUAL REVIEWS IN CONTROL》 *
杨嘉伟: "液压机器人关节柔顺控制的研究与实现", 《CNKI优秀硕士学位论文全文库》 *
赵庆岩 等: "基于遗传算法优化的机械臂动态矩阵预测控制", 郑州大学学报(工学版), no. 01 *

Also Published As

Publication number Publication date
CN116107219B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN112338912B (zh) 一种柔性单链机械臂的有限时间稳定控制方法及系统
CN110842913B (zh) 一种单关节机械臂的自适应滑模迭代学习控制方法
Silva et al. Controller design via Padé approximation can lead to instability
CN110549340A (zh) 重载码垛机器人频响特性分析方法及系统
Yeon et al. Robust control using recursive design method for flexible joint robot manipulators
CN116107219B (zh) 一种基于模型的有约束的增量预测状态空间控制方法
Baklouti et al. Elasto-dynamic model-based control of non-redundant cable-driven parallel robots
Saied et al. Feedforward super-twisting sliding mode control for robotic manipulators: Application to PKMs
CN112276952B (zh) 一种多机器人系统的鲁棒同时镇定方法及系统
Duan et al. Performance simulation and energetic analysis of TBot high-speed cable-driven parallel robot
CN110774286B (zh) 一种基于刚柔耦合动力学的五自由度机械手的控制方法
CN113664830B (zh) 基于模型预测阻抗控制的双机器人同步加工方法及系统
Carusone et al. Tracking control for end‐effector position and orientation of structurally flexible manipulators
Peng et al. The design and control of a rigid-flexible coupling positioning stage for enhanced settling performance
Shiferaw et al. Comparison of joint space and task space integral sliding mode controller implementations of a 6-DOF parallel robot
Jung et al. The operational space formulation on humanoids considering joint stiffness and bandwidth limit
CN114932561B (zh) 一种机器人单关节位置控制方法
CN111077775A (zh) 两自由度控制系统、控制方法、控制设备及存储介质
Nguyen et al. A direct Lyapunov-backstepping approach for stabilizing gantry systems with flexible cable
Matko et al. Adaptive impedance force control of an industrial manipulator
Padilla-García et al. Mechatronic Model of a Powertrain With Half Toroidal Continuously Variable Transmission
Chang et al. Angle control of a one-dimension pneumatic muscle arm using self-organizing fuzzy control
Kwok et al. Control of a flexible manipulator using a sliding mode controller with a fuzzy-like weighting factor
Anisimov et al. Development of a Robust Control System for a Manipulative Robot Using the Gramian Apparatus
Hamilton Globally stable compliant motion control for robotic assembly

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 272000, No. 888 Huarun Road, Zhongxin Electromechanical Industrial Park, Zhongdian Town, Zoucheng City, Jining City, Shandong Province

Patentee after: Luoshi (Shandong) Robot Group Co.,Ltd.

Country or region after: China

Address before: 100097 1-01, floor 7, building a, Beijing Haiqing Shuguang real estate development center (Office) and postal branch project, East wangfuyuan District, Haidian District, Beijing

Patentee before: ROKAE, Inc.

Country or region before: China