基于惯性力模型的SCARA机器人加速度 自适应控制方法.docx

基于惯性力模型的SCARA机器人加速度自适应控制方法以关节一的极限力矩值，作为(19)式中的，那么可以计算得到理论最大的关节一运动角加速度值为：同理，可以得到途径终点P1处的质量矩阵中与关节一驱动力矩相关的三项分别为：同时，可以得到途径理论最大的关节一减速度为：这样，在确定了起终点位姿的情况下，可以根据关节一的极限力矩，在插补开场之前，自适应规划出关节一的理论最大关节角加速度和减速度，既可以保证机器人不因电机电流过大而报警，同时也知足机器人高速运动的要求。3实验研究与分析3.1实验平台实验平台选用的是基于开放式控制器系统的SCARA机器人平台，它通过高速DSP知足实时插补的要求，其控制系统基于ARM+DSP架构，上位机程序运行在ARM端，主要用于机器人示教点的选取及示教程序的编写等功能的实现，机器人的运动控制程序运行在DSP端。ARM和DSP端通过中断中的双口RAM进展数据交互，示教程序通过中断从ARM端传到DSP端，同时在机器人运行的经过中，电机的信息如编码器脉冲和电流值等也会实时通过DSP中的中断反应到ARM端再保存。机器人控制系统框图如图4所示图4机器人控制系统框图Fig.4Theblockdiagramofrobotcontrolsystem3.2实验研究与分析根据文献11建立SCARA机器人坐标系，确定机器人连杆参数如下：，机器人携带2kg、60mm偏心负载。首先，根据前述的参数辨识方法，通过数据收集和数据处理，辨识出式(5)中惯性力模型的A1到A6各项参数的值。在辨识时，选取一组机器人运动数据，对关节电机力矩采用截止频率为10Hz的巴特沃斯低通滤波器进展滤波，对于电机编码器值，在每次差分前后，采用20Hz巴特沃斯低通滤波器进展滤波，再进展数学运算转化为关节角加速度值，图5和图6分别是关节力矩和角加速度的滤波效果比照(绿色为滤波前曲线，红色为滤波后曲线)：图5关节力矩的滤波效果图Fig.5Thefilteringeffectofjointtorque图6关节角加速度的滤波效果图Fig.6Thefilteringeffectofjointangularacceleration从图5和图6可以看出经过巴特沃斯低通滤波器进展滤波后，差分后的高频噪声和读到的力矩噪声，能很好地滤除，且没有相位偏移，这样可以在很大程度上保证参数辨识的精度。然后，在机器人的工作空间选取4个示教点示教点的各关节转角见表1，分两组分别进展关节点到点运动。机器人的运动途径分别为P1到P2的点到点运动和P3到P4的点到点运动。为了加强实验比照，机器人运动时，分别使用基于惯性力模型的SCARA机器人加速度自适应控制方法后文简称自适应控制和传统的预先设定最大加速度的控制方法后文简称传统控制进展比照实验，设定关节一的极限力矩为70Nm，预先设定的速度、加速度和减速度值速度单位为，加速度单位为如下列图7所示：图7设定的各关节初始速度和加速度值Fig.7Initialvelocityandaccelerationofeachsetofjoints表1实验用示教点各关节转角Tab.1thejointrotationanglesofteachingpoints在循环运行P1到P2的点到点运动时，两种控制方法下的关节一关节力矩和关节角加速度的滤波后比照曲线图分别如图8a和8b所示：图8(a)两种控制下关节一力矩比照图Fig.8(a)Thecontrastofjointtorqueoftwokindsofcontrol图8(b)两种控制下关节一角加速度比照图Fig.8(b)Thecontrastofaccelerationofjointundertwocontrol从图8a可以看出，在循环运行P1到P2的点到点运动时，使用自适应控制时，关节一的实际运行最大力矩控制在±70Nm左右，讲明惯性力模型的精度可以到达要求，而使用传统控制时那么为50Nm，自适应控制可以充分发挥电机的机械性能；同时，采用自适应控制时，关节的加速度和减速度根据出发点和终点处的惯性项M11，M12，M14大小不同，呈现不对称分布，整体的运动节拍减小13.83%。在循环运行P3到P4的点到点运动时，此时传统控制下，全速运行时机器人关节一电机因电流过大而报警，所以传统控制时按照85%倍率的运动学参数运行，两种控制方法下的关节一关节力矩和关节角加速度的滤波后比照曲线图分别如图9a和9b所示，同时也分析了两种控制情况下关节一电机轨迹跟踪误差曲线如图10所示：图9(a)两种控制下关节一力矩比照图Fig.9(a)Thecontrastofjointtorqueoftwokindsofcontrol图9(b)两种控制下关节一角加速度比照图Fig.9(b)Thecontrastofaccelerationofjointundertwocontrol图10两种控制下关节一电机轨迹跟踪误差比照图Fig.10Thecontrastoftrackingerrorofjointmotortrajectoryundertwocontrol从图9a可以看出，在循环运行P3到P4的点到点运动时，使用自适应控制时，关节一的实际运行最大力矩控制在±70Nm左右，讲明惯性力模型的精度可以到达要求，而使用传统控制时，由于加减速度不能自适应调整，起终点处的惯性力大小不同，造成起终点处的极限力矩分别为70Nm和-90Nm，终点处的实际驱动力矩已经超过极限力矩，使机器人抖动加大；而采用自适应控制时，关节的加速度和减速度根据出发点和终点处的惯性力项大小不同M11，M12，M14，呈现不对称分布。从图10可以看出，进展自适应控制时，关节一电机的轨迹跟踪误差有所减小，在途径终点附近最大减小19.76%，讲明自适应控制时机器人运动的抖动较传统控制有一定程度的减小。4总结本文对基于惯性力模型的SCARA机器人加速度自适应控制进展研究。通过将带偏心负载的SCARA机器人简化成一个三连杆模型，根据机器人的实际特点，建立机器人的惯性力模型；采用中心差分和滤波的方法进展辨识数据的收集，辨识出各惯性项系数；建立基于惯性力模型的关节一角加速度自适应控制方法。最后，在开放式控制器的机器人平台上进展了自适应控制和传统控制的比照实验研究，实验结果说明，进展自适应控制时，能根据机器人位姿在插补开场之前，自适应调整关节一运行的最大角加速度，充分发挥机器人电机的机械性能，同时防止机器人因关节电机电流过大而报警，知足SCARA机器人高速高精度控制的要求。