一种基于改进二次型迭代学习控制的SCARA机器人轨迹跟踪控制方法

摘要

本发明提供了一种基于改进二次型迭代学习控制的(QILC)的SCARA工业机器人的鲁棒控制方法，相比与原有的QILC算法，本发明将速度误差项加入优化方程中，从而构造得到新的优化方程，通过求解优化方程得到下一个批次的控制量。此外，实际应用中，通常无法获得精确的系统模型，本发明提出将UKF和改进的QILC算法相结合，同时估计系统不确定参数和系统状态，并提出一种动态权重矩阵的设计方法，加快收敛速度，实现鲁棒的轨迹跟踪控制。为了抑制实时扰动和噪声的影响，本发明结合PD反馈控制，在改进QILC算法计算得到的前馈控制量的基础上，加上实时反馈控制量，作为最后的控制力矩。本发明提出的方法能够抑制系统模型不确定性参数的影响，并且相比与原有的QILC算法，具有更加快速的误差收敛性能和更良好的暂态性能，即使在系统参数不确定性和测量噪声存在的情况下，也能实现精确的轨迹跟踪，具有较好的鲁棒性和稳定性。