CN117984332B - 机械臂自适应滑模控制方法及系统 - Google Patents
机械臂自适应滑模控制方法及系统 Download PDFInfo
- Publication number
- CN117984332B CN117984332B CN202410396189.4A CN202410396189A CN117984332B CN 117984332 B CN117984332 B CN 117984332B CN 202410396189 A CN202410396189 A CN 202410396189A CN 117984332 B CN117984332 B CN 117984332B
- Authority
- CN
- China
- Prior art keywords
- torque
- load end
- angular displacement
- torque estimation
- sliding mode
- 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 57
- 238000006073 displacement reaction Methods 0.000 claims abstract description 81
- 238000001914 filtration Methods 0.000 claims abstract description 40
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 239000003638 chemical reducing agent Substances 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- B25J9/1641—Programme controls characterised by the control loop compensation for backlash, friction, compliance, elasticity in the joints
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种机械臂自适应滑模控制方法及系统,属于一般的控制或调节系统技术领域。本发明的方法,包括:根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩;本发明减小了速度换向过程中因滤波因子选择不得当而引起的估计误差,提高了转矩估计精度。
Description
技术领域
本发明涉及机械臂控制技术领域,具体涉及一种机械臂自适应滑模控制方法、一种机械臂自适应滑模控制系统、一种计算机设备、一种计算机可读存储介质及一种计算机程序产品。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术,并不必然构成现有技术。
协作机械臂被广泛应用于农业、工业和服务业等领域。机械臂在很多应用场景下都会受到有效载荷变化的影响,例如,抓取、搬运、码垛等,即使没有有效载荷的变化,由于机械臂本身强非线性、不确定性、未建模动态等因素的影响,也会降低运动控制精度。引入有效载荷会立即增加惯性矩阵和重力矩阵,显著改变机器人动力学行为,因此会对机械臂高精度轨迹跟踪带来更大的挑战。
滑模控制由于其结构简单和鲁棒性强等优点而被广泛用于非线性控制系统。但是滑模控制需要不确定项的上界,同时存在抖振问题,而且仅单独使用滑模控制对于有效载荷变化的情况控制效果不明显,然而,通过对有效载荷进行在线估计补偿能够有效提高控制精度。
发明人发现,目前已经提出了很多方法来对有效载荷进行在线估计,如采用干扰观测器(DOB)、扩张状态观测器(ESO)、不确定性与干扰估计器(UDE)进行估计,但是估计器的构造复杂、调参困难,还需要精确的模型信息、速度信息以及需要计算惯性矩阵的逆,这在实际应用中很难实现;有的学者采用时延估计(TDE)技术对有效载荷进行估计,但是需要加速度信息,然而基于位置求解加速度噪声很大,同时需要采样时间足够小,且存在时延估计误差;还有的学者采用模糊逻辑或神经网络逼近未知干扰,但其结构复杂,需要选择的参数众多,需要专家知识和大量计算。而基于柔度模型的外力估计方法,不需要速度和加速度信息,也不需要计算逆动力学,只需要通过电机侧和关节侧的位置信息,结合谐波传动柔度模型便可以实现外力估计,但这种方法需要已知谐波减速器的一些出厂参数,并且通过低通滤波器进行估计转矩滤波,在速度换向时滤波因子的选择对转矩估计影响较大,另外该方法目前主要用于无力传感器机械臂力感知和力控制方向,未用于对关节负载转矩进行估计补偿。
发明内容
为了解决现有技术的不足,本发明提供了一种机械臂自适应滑模控制方法及系统,不需要速度和加速度信息,不用计算逆动力学,也不需要已知谐波减速器的一些出厂参数,只需要通过电机侧和关节侧的位置信息,便可以估计出关节输出端的集总干扰力矩;同时,通过自适应低通滤波器对估计转矩进行滤波,减小了速度换向过程中因滤波因子选择不得当而引起的估计误差,提高了转矩估计精度。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种机械臂自适应滑模控制方法。
一种机械臂自适应滑模控制方法,包括以下过程:
获取机械臂的电机端角位移和负载端角位移;
根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;
根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;
基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩。
作为本发明第一方面进一步的限定,根据运动误差进行转矩估计补偿,包括:
基于谐波减速器柔度模型进行关节转矩估计,根据电机端角位移和负载端角位移的差值得到扭转变形,根据扭转变形得到谐波减速器扭转角,根据谐波减速器扭转角得到柔轮扭转力矩,柔轮扭转力矩作为转矩估计补偿结果。
作为本发明第一方面更进一步的限定,谐波减速器扭转角与第一刚度系数的乘积作为第一运算结果,谐波减速器扭转角的三次方与第二刚度系数的乘积作为第二运算结果,以第一运算结果和第二运算结果的加和作为转矩估计补偿结果。
作为本发明第一方面进一步的限定,对转矩估计补偿结果进行滤波,包括:
采用低通滤波器对转矩估计补偿结果进行滤波处理,负载端速度与滤波因子呈负相关关系。
作为本发明第一方面进一步的限定,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩,包括:
根据测量得到的不同速度和负载下的总摩擦转矩,由最小二乘拟合得到总摩擦转矩与负载端速度以及滤波后的转矩估计补偿结果的对应关系,根据所述对应关系以及当前得到的负载端速度以及滤波后的转矩估计补偿结果,得到当前的总摩擦转矩。
作为本发明第一方面进一步的限定,基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模控制,其中,滑模控制律为:,其中,/>,/>,K为自适应增益,α、β和γ均为常系数,α>0,β>0,0<γ<1,/>为负载端期望加速度,/>为滤波后的转矩估计补偿结果,/>为摩擦补偿后的总摩擦转矩,e为负载端角位移的跟踪误差,/>为负载端角位移的跟踪误差的一阶导数,s为快速终端滑模的滑模面,J为电机端换算到负载端的转动惯量。
第二方面,本发明提供了一种机械臂自适应滑模控制系统。
一种机械臂自适应滑模控制系统,包括:
数据获取单元,被配置为:获取机械臂的电机端角位移和负载端角位移;
转矩估计补偿单元,被配置为:根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;
摩擦转矩获取单元,被配置为:根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;
滑模控制单元,被配置为:基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩。
第三方面,本发明提供了一种计算机设备,包括:处理器和计算机可读存储介质;
处理器,适于执行计算机程序;
计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被所述处理器执行时,实现如本发明第一方面所述的机械臂自适应滑模控制方法。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序适于被处理器加载并执行如本发明第一方面所述的机械臂自适应滑模控制方法。
第五方面,本发明提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时,实现如本发明第一方面所述的机械臂自适应滑模控制方法。
与现有技术相比,本发明的有益效果是:
1、本发明创新性的提出了一种变负载工况下基于关节转矩估计补偿和摩擦补偿的机械臂自适应快速终端滑模控制方法,不需要速度和加速度信息,不用计算逆动力学,也不需要已知谐波减速器的一些出厂参数,只需要通过电机侧和关节侧的位置信息,便可以估计出关节输出端的集总干扰力矩。
2、本发明通过自适应低通滤波器对估计转矩进行滤波,减小了速度换向过程中因滤波因子选择不得当而引起的估计误差,提高了转矩估计精度。
3、本发明中所提出的摩擦补偿方法,考虑了速度和关节转矩估计得到的负载转矩的影响,提高了变负载工况下的摩擦补偿精度。
4、本发明将关节转矩估计补偿和摩擦补偿与自适应快速终端滑模控制结合,通过对负载转矩和摩擦转矩进行补偿减小了不确定项的上界值,通过自适应快速终端滑模降低了对不确定项上界的依赖,同时也减小了抖振,并通过对比实验验证了所提出的算法能够显著提高变负载工况下机械臂的轨迹跟踪精度。
本发明附加方面的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
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的控制系统框图;
图2为本发明实施例1提供的机械臂柔性关节传动原理图;
图3为本发明实施例1提供的正反运动学误差示意图;
图4为本发明实施例1提供的谐波减速器扭转角和和估计转矩的关系示意图;
图5为本发明实施例1提供的摩擦关于速度和负载转矩的图像;
图6为本发明实施例1提供的控制算法具体实现框图;
图7为本发明实施例1提供的期望轨迹示意图;
图8为本发明实施例1提供的无负载轨迹跟踪误差示意图;
图9为本发明实施例1提供的恒值负载轨迹跟踪误差;
图10为本发明实施例1提供的正弦负载轨迹跟踪误差;
图11为本发明实施例1提供的突变负载轨迹跟踪误差;
图12为本发明实施例2提供的机械臂自适应滑模控制系统的示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1:
在实现方式中,提出了一种变负载工况下基于关节转矩估计补偿和摩擦补偿的机械臂自适应快速终端滑模控制方法,控制系统框图如图1所示,包括以下过程:
S1:获取机械臂的电机端角位移和负载端角位移;
S2:根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;
S3:根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;
S4:基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩。
步骤S1中,获取机械臂的电机端角位移和负载端角位移,建立具有柔性关节的机械臂动力学模型,具体的,包括:
基于谐波传动的机械臂柔性关节传动原理如图2所示(包括磁粉制动器1、力矩传感器2和柔性关节模组3),具有柔性关节的n自由度机械臂动力学方程如下:
;
;
(3);
其中,θ和q分别为电机端角位移和负载端角位移,为电机端加速度,/>和/>分别负载端的速度和加速度,τ m和τ s分别为电机输出转矩和柔轮扭转力矩,J m为电机端转动惯量,M(q),C(q,/>),G(q)分别为机械臂的惯性矩阵、离心力和哥氏力矩阵、重力矢量,τ fm和τ fl分别电机端摩擦转矩和负载端摩擦转矩,τ d为外部干扰力矩,K s为非线性柔轮刚度,θ err为运动误差,N为减速比。
将式(1)、(2)和(3)合并得到总动力学方程如下:
(4);
式(4)可以简化表示为:(5);
其中,为关节转矩,J=N 2 J m为电机端换算到负载端的转动惯量;F f =Nτ fm +τ fl为总摩擦转矩;T d=M(q)/>+C(q,/>)+G(q)+τ d为由连杆动力学和外部干扰力矩构成的集总干扰力矩。
步骤S2中,根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果,更具体的,包括:
S2.1:谐波减速器正反运动学误差分别进行建模与辨识。
谐波减速器的扭转变形还受到制造和装配误差引起的运动误差的影响,从而影响谐波减速器的扭转变形。运动误差随输出侧绝对角位置呈周期性变化,同时通过实验验证表明在同一输出端位置处,正转和反转的运动误差不同,因此需要对正转和反转的运动误差分别进行辨识,定义运动误差如下:(6);
式中,A +,i和A -,i分别表示正转和反转运动误差的幅值,和/>分别表示正转和反转运动误差的频率,/>和/>分别表示正转和反转运动误差的相位。
在输出端无负载时,分别进行正反转运动,此时认为θ err=q-θ/N,对得到的结果进行快速傅里叶变换(FFT)提取幅值较大的部分的幅值、频率和相位,得到如图3所示的正反转运动误差。
S2.2:基于改进和简化后的谐波柔度模型进行关节转矩估计补偿。
基于谐波减速器柔度模型的关节转矩估计方法忽略了负载端摩擦转矩τ fl的影响,通过柔轮扭转力矩τ s来估计外部的集总干扰力矩,即:(7);
本发明在此基础上进行了改进,主要是简化柔度模型外力估计方法。首先,根据电机端位置θ和负载端位置q的差值得到扭转变形:(8);
采用三次多项式来表示谐波减速器柔度模型,得到估计扭矩与谐波减速器扭转角的关系为:(9);
其中,△θ f=(△θ-θ err)为扭转角,K s1和K s3为刚度系数。
通过实验测量得到在匀速不同负载下的扭转角和负载转矩的对应关系,通过最小二乘拟合得到谐波减速器扭转角和和估计转矩的关系如图4所示。
S2.3:自适应低通滤波器对估计转矩进行滤波。
采用低通滤波器对估计力矩进行滤波处理,当滤波因子a较大的时候,滤波不平滑,在做补偿时,引起的跟踪误差e的波动较大;当滤波因子a较小的时候,滤波虽然平滑,但在速度换向时,引起的跟踪误差e的峰值较大。因此为了更好的实现外力估计补偿并减小跟踪误差,将滤波因子设置为自适应因子,即转速较大的时候采用小滤波因子a,减少转矩补偿波动;转速/>接近于0换向的时候采用大滤波因子a,减小误差峰值,自适应滤波因子a的计算方式如下:/>(10);
其中,b、k、d为自适应滤波调节因子。
步骤S3中,根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩,具体的,包括:
本发明主要考虑速度和负载转矩的影响,建立如下的混合摩擦模型:
(11);
其中,a 1、a 2、a 3、a 4、a 5、a 6为与速度有关的摩擦系数,a 7为与负载转矩有关的摩擦系数,通过实验测量不同速度和负载下的摩擦力,由最小二乘拟合得到如图5所示的摩擦关于速度和负载转矩的图像。
步骤S4中,基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩,包括:
本发明提出的变负载工况下基于关节转矩估计补偿和摩擦补偿的机械臂自适应快速终端滑模控制算法具体实现框图如图6所示。
快速终端滑模(FTSM)的滑模面和趋近律被设计为:(12);(13);
其中,e=q d-q是跟踪误差,q d为负载端角位移的期望值,α>0,β>0,0<γ<1,signγ(e)= sign(e)·|e|γ,e为负载端角位移的跟踪误差。
设计控制律如下:(14);/>(15);(16);
设计自适应增益K如下:(17);/>(18);
其中,η>0,ε>0。
为了进一步抑制sign(s)产生的抖振,本发明对u 2采用一个新的具有自适应边界的饱和函数:(19);/>(20)。
本发明还对控制器进行了稳定性分析,并通过对比实验验证所提出控制算法的有效性,具体的,包括:
定义李雅普诺夫函数:(21);
其中,是/>的最大值,/>;
基于(13)式,V对时间的导数为:
(22);
将式(5)带入式(22)得:
(23);
将控制律式(14)带入式(23)得:
(24);
化简得:(25);
当K>0,且|s|>εK2时,,/>;
(26)
因此,当K>0时,恒成立。
当K>0,且|s|≤εK2时,,/>;
(27);
则当K满足下式条件时,;/>(28);
当K=0时,;
(29);
为了验证所提出算法的有效性,本发明采用单关节模组平台进行实验验证,对于所有实验期望轨迹被设置为q d= 30sin(πt/4),如图7所示。将所提出的算法与PD控制、单独使用AFTSM控制以及使用AFTSM加摩擦补偿F f这三个控制方案进行了定量比较。这三个控制算法的控制律如下:(30);/>(31);/>(32)。
为了证明本发明所提算法在变负载工况下的控制性能,通过无负载、恒值负载、正弦负载和突变负载四个实验来验证本发明所提算法的有效性,控制算法的参数设置:b=0.5,k=0.1,d=0.001,K p=1000,K d=20,α=50,β=100,γ=1.6,η=0.5,ε=1.7,δ=0.1。
无负载、恒值负载、正弦负载和突变负载工况下,轨迹跟踪误差分别如图8、图9、图10和图11所示,结果表明,与其他三个控制方案相比,本发明所提出的控制算法的轨迹跟踪误差更小,因此所提出算法在变负载工况下具有更高的轨迹跟踪精度。
实施例2:
本实现方式中,提供了一种机械臂自适应滑模控制系统,如图12所示,包括:
数据获取单元,被配置为:获取机械臂的电机端角位移和负载端角位移;本单元的具体工作过程与实施例1中的步骤S1的内容相同,这里不再赘述;
转矩估计补偿单元,被配置为:根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;本单元的具体工作过程与实施例1中的步骤S2的内容相同,这里不再赘述;
摩擦转矩获取单元,被配置为:根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;本单元的具体工作过程与实施例1中的步骤S3的内容相同,这里不再赘述;
滑模控制单元,被配置为:基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩;本单元的具体工作过程与实施例1中的步骤S4的内容相同,这里不再赘述。
可以理解的,上述各个单元可以分别或全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本申请的其它实施例中,该图像处理装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本申请的另一个实施例,可以通过在包括中央处理单元(CentralProcessing Unit,CPU)、存取存储介质(Random Access Memory,RAM)、只读存储介质(ReadOnly Memory,ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行实施例1所述的相应方法所涉及的各步骤的计算机程序(包括程序代码),来构造本实施例所述的系统,以及来实现本申请实施例的图像处理方法,计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
实施例3:
本实现方式提供了一种电子设备,该电子设备包括处理器、通信接口以及计算机可读存储介质。其中,处理器、通信接口以及计算机可读存储介质可通过总线或者其它方式连接。
其中,通信接口用于接收和发送数据,计算机可读存储介质可以存储在电子设备的存储器中,计算机可读存储介质用于存储计算机程序,计算机程序包括程序指令,处理器用于执行计算机可读存储介质存储的程序指令。
处理器(或称CPU(Central Processing Unit,中央处理器))是电子设备的计算核心以及控制核心,其适于实现一条或多条指令,具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能。
所述处理器被配置为执行如下过程:
获取机械臂的电机端角位移和负载端角位移;本单元的具体工作过程与实施例1中的步骤S1的内容相同,这里不再赘述;
根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;本单元的具体工作过程与实施例1中的步骤S2的内容相同,这里不再赘述;
根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;本单元的具体工作过程与实施例1中的步骤S3的内容相同,这里不再赘述;
基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩;本单元的具体工作过程与实施例1中的步骤S4的内容相同,这里不再赘述。
实施例4:
本实现方式提供了一种计算机可读存储介质(Memory),计算机可读存储介质是电子设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括电子设备中的内置存储介质,当然也可以包括电子设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了电子设备的处理系统。
并且,在该存储空间中还存放了适于被处理器加载并执行的一条或多条的指令,这些指令可以是一个或多个的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器;可选的,还可以是至少一个位于远离前述处理器的计算机可读存储介质。
在一个实施例中,该计算机可读存储介质中存储有一条或多条指令;由处理器加载并执行计算机可读存储介质中存放的一条或多条指令,以实现上述实施例1所述方法实施例中的相应步骤;
具体实现中,计算机可读存储介质中的一条或多条指令由处理器加载并执行如下过程:
获取机械臂的电机端角位移和负载端角位移;本单元的具体工作过程与实施例1中的步骤S1的内容相同,这里不再赘述;
根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;本单元的具体工作过程与实施例1中的步骤S2的内容相同,这里不再赘述;
根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;本单元的具体工作过程与实施例1中的步骤S3的内容相同,这里不再赘述;
基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩;本单元的具体工作过程与实施例1中的步骤S4的内容相同,这里不再赘述。
实施例5:
本实施例提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该电子设备执行如下过程:
获取机械臂的电机端角位移和负载端角位移;本单元的具体工作过程与实施例1中的步骤S1的内容相同,这里不再赘述;
根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;本单元的具体工作过程与实施例1中的步骤S2的内容相同,这里不再赘述;
根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;本单元的具体工作过程与实施例1中的步骤S3的内容相同,这里不再赘述;
基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩;本单元的具体工作过程与实施例1中的步骤S4的内容相同,这里不再赘述。
本领域普通技术对象可以意识到,结合本申请中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术对象可以对每个特定的应用,使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程设备。计算机指令可以存储在计算机可读存储介质中,或者通过计算机可读存储介质进行传输。计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如,同轴电缆、光纤、数字线(DSL))或无线(例如,红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据处理设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种机械臂自适应滑模控制方法,其特征在于,包括以下过程:
获取机械臂的电机端角位移和负载端角位移;
根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;
根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;
基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩;
基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制的过程中,滑模控制律为:,其中,,/>,K为自适应增益,e为负载端角位移的跟踪误差,/>为负载端角位移的跟踪误差的一阶导数,s为快速终端滑模的滑模面,J为电机端换算到负载端的转动惯量,α、β和γ均为常系数,α>0,β>0,0<γ<1,/>为负载端期望加速度,/>为滤波后的转矩估计补偿结果,/>为摩擦补偿后的总摩擦转矩。
2.如权利要求1所述的机械臂自适应滑模控制方法,其特征在于,
根据运动误差进行转矩估计补偿,包括:
基于谐波减速器柔度模型进行关节转矩估计,根据电机端角位移和负载端角位移的差值得到扭转变形,根据扭转变形得到谐波减速器扭转角,根据谐波减速器扭转角得到柔轮扭转力矩,柔轮扭转力矩作为转矩估计补偿结果。
3.如权利要求2所述的机械臂自适应滑模控制方法,其特征在于,
谐波减速器扭转角与第一刚度系数的乘积作为第一运算结果,谐波减速器扭转角的三次方与第二刚度系数的乘积作为第二运算结果,以第一运算结果和第二运算结果的加和作为转矩估计补偿结果。
4.如权利要求1所述的机械臂自适应滑模控制方法,其特征在于,
对转矩估计补偿结果进行滤波,包括:
采用低通滤波器对转矩估计补偿结果进行滤波处理,负载端速度与滤波因子呈负相关关系。
5.如权利要求1所述的机械臂自适应滑模控制方法,其特征在于,
根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩,包括:
根据测量得到的不同速度和负载下的总摩擦转矩,由最小二乘拟合得到总摩擦转矩与负载端速度以及滤波后的转矩估计补偿结果的对应关系,根据所述对应关系以及当前得到的负载端速度以及滤波后的转矩估计补偿结果,得到当前的总摩擦转矩。
6.一种机械臂自适应滑模控制系统,其特征在于,包括:
数据获取单元,被配置为:获取机械臂的电机端角位移和负载端角位移;
转矩估计补偿单元,被配置为:根据电机端角位移和负载端角位移得到运动误差,根据运动误差进行转矩估计补偿,对转矩估计补偿结果进行滤波后,得到滤波后的转矩估计补偿结果;
摩擦转矩获取单元,被配置为:根据负载端角位移得到负载端速度,根据负载端速度以及滤波后的转矩估计补偿结果,得到摩擦补偿后的总摩擦转矩;
滑模控制单元,被配置为:基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制,得到更新后的作用于机械臂的关节转矩;
基于滤波后的转矩估计补偿结果、摩擦补偿后的总摩擦转矩以及负载端角位移的跟踪误差进行自适应滑模终端控制的过程中,滑模控制律为:,其中,,/>,K为自适应增益,e为负载端角位移的跟踪误差,/>为负载端角位移的跟踪误差的一阶导数,s为快速终端滑模的滑模面,J为电机端换算到负载端的转动惯量,α、β和γ均为常系数,α>0,β>0,0<γ<1,/>为负载端期望加速度,/>为滤波后的转矩估计补偿结果,/>为摩擦补偿后的总摩擦转矩。
7.一种计算机设备,其特征在于,包括:处理器和计算机可读存储介质;
处理器,适于执行计算机程序;
计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-5任一项所述的机械臂自适应滑模控制方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序适于被处理器加载并执行如权利要求1-5任一项所述的机械臂自适应滑模控制方法。
9.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-5任一项所述的机械臂自适应滑模控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396189.4A CN117984332B (zh) | 2024-04-03 | 2024-04-03 | 机械臂自适应滑模控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396189.4A CN117984332B (zh) | 2024-04-03 | 2024-04-03 | 机械臂自适应滑模控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117984332A CN117984332A (zh) | 2024-05-07 |
CN117984332B true CN117984332B (zh) | 2024-05-31 |
Family
ID=90900796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410396189.4A Active CN117984332B (zh) | 2024-04-03 | 2024-04-03 | 机械臂自适应滑模控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117984332B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540881A (zh) * | 2012-02-17 | 2012-07-04 | 国电科学技术研究院 | 基于柔性机械臂的偏微分模型的边界控制律的设计方法 |
CN112180742A (zh) * | 2020-11-09 | 2021-01-05 | 山东大学 | 基于分数阶扰动观测器的海上起重机稳定控制方法及系统 |
CN114509941A (zh) * | 2022-01-12 | 2022-05-17 | 中国人民解放军军事科学院国防科技创新研究院 | 基于自适应准最优高阶滑模控制的无人机飞行控制方法 |
CN117146706A (zh) * | 2023-09-06 | 2023-12-01 | 山东大学 | 一种轴类工件在位检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11732275B2 (en) * | 2018-03-26 | 2023-08-22 | University Of Macau | Cell microinjection system with force feedback |
-
2024
- 2024-04-03 CN CN202410396189.4A patent/CN117984332B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540881A (zh) * | 2012-02-17 | 2012-07-04 | 国电科学技术研究院 | 基于柔性机械臂的偏微分模型的边界控制律的设计方法 |
CN112180742A (zh) * | 2020-11-09 | 2021-01-05 | 山东大学 | 基于分数阶扰动观测器的海上起重机稳定控制方法及系统 |
CN114509941A (zh) * | 2022-01-12 | 2022-05-17 | 中国人民解放军军事科学院国防科技创新研究院 | 基于自适应准最优高阶滑模控制的无人机飞行控制方法 |
CN117146706A (zh) * | 2023-09-06 | 2023-12-01 | 山东大学 | 一种轴类工件在位检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
Tracking Control of Robot Manipulator with Friction Compensation Using Time-Delay Control and an Adaptive Fuzzy Logic System;Sun Yao, Liang Xichang, Wan Yi;《 ACTUATORS》;20230425;第12卷(第5期);全文 * |
应用于茶叶罐分拣的码垛机器人最优关节空间控制;季晓明,文怀海,刘艳梨;《中国农机化学报》;20211031;第42卷(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117984332A (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109927032B (zh) | 一种基于高阶滑模观测器的机械臂轨迹跟踪控制方法 | |
CN108646758A (zh) | 一种多移动机器人预设性能编队控制器结构及设计方法 | |
CN111258220B (zh) | 一种基于干扰观测器的柔性机械臂级联控制方法及系统 | |
CN111176118B (zh) | 一种基于鲁棒自适应算法的转台伺服系统辨识方法 | |
CN113297798B (zh) | 一种基于人工神经网络的机器人外界接触力估计方法 | |
CN112558468B (zh) | 基于双观测器的发射平台自适应鲁棒输出反馈控制方法 | |
CN110649845A (zh) | 基于鲁棒广义预测控制的光电转台位置跟踪控制方法 | |
Ramirez-Neria et al. | Design of ADRC for second-order mechanical systems without time-derivatives in the tracking controller | |
Ramírez‐Neria et al. | On the tracking of fast trajectories of a 3DOF torsional plant: A flatness based ADRC approach | |
CN117984332B (zh) | 机械臂自适应滑模控制方法及系统 | |
CN114179089A (zh) | 一种机械臂的鲁棒区域跟踪控制方法 | |
CN117506896A (zh) | 一种嵌入直流电机单连杆机械臂控制方法 | |
CN116560375A (zh) | 基于神经网络观测器的轮式移动机器人轨迹跟踪控制方法 | |
CN116330297A (zh) | 一种柔性机械臂关节系统的自适应控制器、模块及机器人 | |
CN110995098B (zh) | 一种永磁同步电机的反演控制方法 | |
CN115473467A (zh) | 基于模糊观测器的柔性关节机械臂指令滤波反步控制方法 | |
CN116088299A (zh) | 卫星天线混联运动机构神经网络反步控制方法 | |
CN112947072B (zh) | 基于滑模变结构的移动机器人驱动控制方法、系统和设备 | |
CN112147894B (zh) | 基于运动学和动力学模型的轮式移动机器人主动控制方法 | |
CN111856941B (zh) | 一种基于主动抗扰的自适应终端动态滑模控制方法 | |
CN113659894B (zh) | 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 | |
CN115847404B (zh) | 一种基于复合学习的受限机械臂有限时间控制方法 | |
CN111208728A (zh) | 一种线性自抗扰控制方法、装置设备及存储介质 | |
CN111216131A (zh) | 基于柔性执行器驱动的机器人串级抗干扰控制方法及系统 | |
CN115139340B (zh) | 一种失效故障下柔性机器人关节神经网络观测器设计方法 |
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 |