开放式机器人力控制系统及先进力控制策略的研究

摘要

为了方便对机器人力控制算法和力控系统的研究,促进力控系统的应用推广,该文对开放结构机器人力/位控制系统的结构进行研究,建立了一个开放式的机器人力控制研究平台.提出了一种基于单处理器模式的开放式机器人力位控制系统结构,并在一个SCARA型操作臂上实现了一个可在Windows NT平台下运行的开放式工业机器人力/位控制系统:ORRFMC1.系统的硬件平台采用了通用的工业控制计算机,控制核心在RTX下运行,系统结构具有良好的实时性、开放性和可扩展性.该平台已经具备一个完整的机器人应用系统所具有的功能,为先进机器人力控制算法的研究提供了一个良好的实验平台.在基于位置的显式力控制框架的基础上提出了一种新型模糊灰色预测混合力控制策略.采用灰色预测对将来的接触力进行预测,通过模糊增益调节器将预测的接触力误差和实际的接触力误差进行综合,得到一个综合接触力误差,并用于力反馈控制.仿真和实验结果表明,所提出的控制方案具有比常规的PI力控制更好的动态性能.而且当环境发生突然改变或受到干扰时,所提出的控制方案可以快速使接触力恢复到设定值且不产生超调,具有更好的鲁棒性和抗干扰性.该文首次将Takagi-Sugeno模糊模型预测控制应用于机器人力控制中,并采用内模控制结构,提高了控制系统的鲁棒性.可根据任务的要求和环境的特点来灵活的选用T-S模糊模型的结构和控制变量,既可以对机器人和环境的非线性特性进行建模,也可以将环境的物理和几何特性结合起来进行建模,使控制器可以更好的适应环境特性.仿真和实验结果表明,模糊模型预测力控制具有良好的稳态和动态性能,可以基本消除响应滞后,实现无滞后跟踪.为了使控制器适应环境变化的情况,提出一种基于T-S模糊模型预测控制的机器人自适应力控制策略,可对模型进行在线更新,在环境出现改变或系统受到外部干扰时,仍然可以达到良好的控制性能.针对现有T-S模糊模型自适应方法适用范围的限制,提出一种T-S模糊模型综合自适应方法,可根据当前模型的精度来自动选择相应的模型更新方法.仿真和实验结果表明,该文提出的机器人自适应力控制策略对环境特性具有良好的适应能力,在环境刚度变高和环境的非线性特性明显的情况下仍然可以保持稳定性和较好的力控制精度.