基于多重循环的6-DOF机械手迭代学习控制

摘要

为了提高多自由度工业机械手的跟踪性能,使控制更加精确,提出了一种基于多重循环的机械手迭代学习控制方法.该方法由内环和外环两个部分组成,前者负责处理驱动动力学,而后者负责处理运动学参数的不精确性以及关节静态偏差;利用基于数据的带运动约束的反演技术实现快速内环收敛.外环使用激光跟踪器测量末端执行器的偏差,并使用逆雅可比矩阵进行关节参考修正.在六自由度(6-DOF)机械手上进行了实验验证与分析,结果表明,相比鲁棒迭代学习控制方法,该方法将跟踪的均方根误差和最大误差分别减小了11.06％和17.28％,对多自由度机械手系统具有较好的控制精度和收敛性.