机器人控制方法综述--孙逊(共10页).doc

《机器人控制方法综述--孙逊(共10页).doc》由会员分享，可在线阅读，更多相关《机器人控制方法综述--孙逊(共10页).doc（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上机器人控制方法综述Overview of Robot Control Methods专 业 控制工程 姓 名 孙 逊 学 号 完 成 时 间 2018.7.4 专心-专注-专业机器人控制方法综述摘 要：机器人控制技术指的是使机器人完成各种任务和动作所执行的各种控制手段，随着现在计算机技术的蓬勃发展，机器人在生活和工业领域的应用越来越频繁，对于人们来说控制机器人的方法也变得愈发简单和多样。机器人控制的本质就是将规划整个系统的指令作为输入信息，将传感器探测得到的外界状态信息和导航系统的周边定位信息作为反馈，计算得到机器人执行器的控制信号，完成运动控制的闭环。为了解决在工业

2、上遇到的机器人控制方面的问题，本文将根据基本和现代这样一个推进的方式来介绍几个常见的工业机器人的控制方法，向大家展示控制技术在机器人运动学和机器人力学方面如何从基本的控制技术发展到现在智能控制技术。关键字：工业机器人；机器人控制；机器人运动学；机器人力学；智能控制技术Overview of Robot Control MethodsAbstract: Robot control technology refers to various control methods that enable robots to perform various tasks and actions. With th

3、e rapid development of computer technology, robots are used more frequently in life and industry, and for people to control robots. The method has also become more and more simple and diverse. The essence of robot control is to take the instruction of planning the whole system as input information,

4、take the external state information detected by the sensor and the surrounding positioning information of the navigation system as feedback, calculate the control signal of the robot actuator, and complete the closed loop of motion control. In order to solve the problem of robot control encountered

5、in the industry, this paper will introduce several common control methods of industrial robots according to a basic and modern way of advancing, showing the control technology in robot kinematics and robot mechanics. How to develop from basic control technology to intelligent control technology.Keyw

6、ords: industrial robot; robot control; robot kinematics; robot mechanics; intelligent control technology引言机器人系统1通常分为机构本体和控制系统两大部分。控制系统的作用是根据用户的指令2对机构本体进行操作和控制，从而完成作业的各种动作。机器人控制器3是影响机器人性能的关键部分之一，它从一定程度上影响着机器人的发展。一个良好的控制器要有灵活、方便的操作方式和多种形式的运动控制方式，并且要安全可靠。机器人的控制系统主要由输入/输出（I/O）设备，计算机软、硬件系统，驱动器，传感器4等构成，如图

7、1所示。硬件包括控制器、执行器和伺服驱动器；软件包括各种控制算法5。驱动器计算机软、硬件I/O设备机器人本体 传感器图1 机器人控制系统构成要素Fig1 Robot control system components最早的机器人采用顺序控制6方式。随着计算机的发展，机器人采用计算机系统7-9来综合实现机电装置的功能，并采用示教再现的控制方式。随着信息技术和控制技术的发展，以及机器人应用范围的扩大，机器人控制技术正朝着智能化的方向发展，出现了离线编程、任务级语言、多创办器信息融合、智能行为控制的新技术。多种技术的发展将促进智能机器人10的实现。伴随着机器人技术的进步，控制技术也由基本控制技术发展

8、到现代控制技术11。下面，我们来对常见的几种控制方式进行介绍。本文将分为两个部分，第一个部分介绍几种基本的控制方法，第二部分介绍现在控制学的几种方法。1 最基本的控制方法1.1 自由度的运动控制及转矩控制对机器人机构来说，最简单的控制就是分别实施各个自由度12的运动（位置及速度）控制。这种控制可以通过对控制各个自由度运动的电机实施PID控制13简单的实现。在这种情况下，需要根据运动学理论将整个机器人的运动分解为各个自由度的运动来进行控制。这种系统常由上、下位机14构成。从运动控制的角度来看，上位机进行运动规划15，将要执行的运动转化为各个关节的运动，然后按控制周期传给下位机。下位机进行运动的插

9、补运算及对关节进行伺服，所以常用多轴运动控制器作为机器人的关节控制器16。多轴运动控制器17的各轴伺服控制器也是独立的，每一轴对应一个关节。1.2 轨迹控制 若要求机器人沿着一定的目标轨迹运动，则是轨迹规划18。对于工业生产线上的机械臂，轨迹控制通常采用示教方式19。示教再现分为两种：点位控制20（PTP），用于电焊，更换刀具等情况；连续路径控制21（CP），用于焊接、喷漆等作业。如果机器人本身能够主动地决定运动，那么可经常使用路径规划加上在线路径跟踪的方式，如移动机器人的车轮控制方法。1.3 利用传感器反馈的运动调整对每个自由度实施运动控制时，也可能发生臂和手受到环境约束22的情况。这时，机

10、器人与环境之间或许会因为产生过大的力而造成自身的损坏。在这样的状态下，机器人必须适应环境，修改预先规划的轨迹。在这种场合下，借助于力传感器反馈力23信息并调整运动，能够让整个机器人的行动符合任务的需求。当机器人靠腿、脚进行移动时，若地面的平整度有尺寸误差，则机器人可能会失去平衡。在这种情况下，也需要通过将着地点的力加以反馈，已调整运动，实现适应地面的平稳步行。2 现代控制技术 机器人是一个复杂得多输入、多输出非线性系统，具有时变、强耦合和非线性的动力学特征。由于建模和测量的不精确，再加上负载的变化及外部扰动的影响，因此实际上无法得到机器人精确完整的动力学模型。现在控制理论为机器人的发展提供了一

11、些能适应系统变化能力的控制方法，自适应控制即是其中一种。2.1 自适应控制当机器人的动力学模型存在非线性和不确定因素24，含未知的系统因素（如摩擦力）和非线性动态特征25（重力、哥氏力、向心力的非线性），以及机器人在工作过程中环境和工作对象的性质与特征变化时，解决方法之一是运行过程中不断测量受控对象的特征，根据测量的信息使控制系统按照新的特性实现闭环最优控制，即自适应控制。自适应控制分为模型参考自适应控制和自校正自适应控制26，如图2、图3所示。 图2 模型参考自适应系统结构Fig 2 Model reference adaptive system structure 图3 自校正自适应控制系

12、统结构Fig 3 Self-tuning adaptive control system structure自适应控制在受控制参数发生变化时，通过学习，辨识和调整控制规律27，可以达到一定的性能指标，但实现复杂，实时性要求严格。当存在非参数不确定时，自适应难以保证系统的稳定性。鲁棒控制是针对机器人不确定性的另一种控制策略，可以弥补自适应控制的不足，适用于不确定因素在一定范围内变化的情况，保证系统稳定和维持一定的性能指标。如果将鲁棒性与控制理论相结合，所得控制器可实现对外界未知干扰28的有效衰减，同时保证系统跟踪误差的渐进收敛性。2.2 智能控制技术随着科技的进步，计算机技术、新材料、人工智能、

13、网络技术等的发展，出现了各种新型智能机器人29。它具有由多种结内、外传感器组成的感觉系统，不仅能感觉内部关节的运动速度、力的大小，还能通过外部传感器如视觉、触觉传感器等，对外部环境信息进行感知、提取、处理并做出适当的决策，结构或半结构化环境中自主完成一项任务。如类人机器人Asimo和SDR-3X30智能机器人系统具有以下特性：（1）模型的不确定性 一是模型未知或知之甚少；二是模型的结构或参数可能是在很大范围内变化。智能机器人属于后者。（2） 系统的高度非线性 对于高度的非线性控制对象，虽然有一些非线性控制方法可用，但非线性控制目前还不成熟，有些地方也比较复杂。（3） 控制任务的复杂性 对于智能

14、系统，常要求系统对于复杂任务有自行规划与决策能力，有自动躲避障碍物运动到规划目标位置31的能力。这是常规控制方法所不能达到的。典型代表是自主移动机器人。这时的自主控制器要完成问题求解和规划、环境建模、传感器信息分析、底层的反馈控制等任务。学习控制是人工智能技术应用到机器人领域的一种智能控制方法。已提出多种机器人控制方法，如模糊控制、神经网络控制、基于感知器的学习控制、基于小脑模型的学习控制等。3 其他控制除了上述控制方法之外，人们也正在模仿生物体32的控制机理，研究仿生型的而非模型的控制法。目前，基于神经振子33所生成和引入的节奏模式已经实现了稳定的四足机器人、双足机器人的步行控制，基于行为的

15、控制方法已与集中式控制方法相结合，应用到足球机器人的控制系统中。上述介绍的传统方法，在大多数情况下，都假设杆件事刚体，其不存储应变的能量，力的生成仅靠自由度来实现。利用该方法，都能比较简单地建立具有一般性的系统设计方法。但是，由于驱动器输出有限，响应速度也有限，因此在机器人的具体制作方面造成了很大的限制。为了弥补这一缺陷，人们尝试了多种方法，如使杆件具有弹簧或阻尼功能34，以便它能无时间延迟地进行能量存储及耗散，或者以硬件的形式引入各个自由度中的弹簧或阻尼功能，以避免时间延迟，而非依靠软件（转矩控制）来实现。这是考虑“控制”的机构设计的一个例子。另外，也有考虑“机构”的控制设计的例子。例如，在

16、某些情况下因重量减轻而导致杆件变细，从而演变成柔性机构35，这时就可以尝试通过人为的控制来补偿由此在某些产生的误差或振动。如上所述，今后研究中重要的一点是将机构与控制整合起来处理。在最近的研究结果中，令人影响深刻的是Passive Walking36。它是一个由无驱动器的自由度组成的、具有类似人体骨骼构件机构的机器人，能以极其自然的双足步态在向上倾斜的缓坡上行走。这表明该机器人能够巧妙地利用重力下的力学体统特性，恰当且简单地进行机构控制。可以认为，人类等生物的运行机理也与它的原理如出一辙。至今，人们还将它作为基于动力学控制的一个更一般性的问题来加以研究。4 结语本文对机器人的在各种控制方法进行

17、了归纳和综述。由空间机器人属于强耦合非线性系统37，其控制方法较复杂。首先，对机器人的基本踪控制方法进行分类阐述；然后，进一步对现在先进的控制方法进行论述；最后，针对现在国际上大量的仿生机器人的控制方法进行描述。在对目前机器人的控制方法进行阐述的同时，对存在的问题进行了积极探索。当前，不确定性机器人的控制方法研究主要是针对建模误差及有限的外界干扰来进行的，而对于参数突变造成的极端工况研究甚少，而且，针对加快误差收敛速度38方法的研究也不甚完善，有待于我们进一步的深入探索。参 考 文 献1 Craig J J.Adaptive control of mechanical manipulators

18、J.The International Journal of Robotics Research,1987,6(2):172-184.2 Yoshida K.Space robot dynamics and control:To orbit,from orbit,and futureC/Robotics Research:The 10th International Symposium. Berlin Heidelberg:Springer-Verlag,2003:449-456.3 丁学恭.机器人控制研究M.杭州:浙江大学出版社,2007:7-9.4 Guo Y S,Chin L.Adapt

19、ive neural network control for coordinated motion of a dual-arm space robot system with uncertain parametersJ.Applied Mathematics and Mechanics,2008,29(9):1131-1140.5 马保离,霍伟.空间机器人系统的自适应控制J.控制理论与应用, 1996,13(2):191-197.6 蒋新松.机器人及机器人学中的控制问题.机器人1990,12(5):1-13.7 Harrison N B,Avgeriou P.How do architectu

20、re patterns and tactics interact?A model and annotaction.Journal of Systems and Software,2010,83(10):1735-1758.8 Bory M.Can practitioners neglect theory and theoreticians neglect practice.IEEE computer,2011,44(10):19-24.9 Denning P J.The locality principle.Communications of the ACM, 2005,48(7):19-24

21、.10 任福继,孙晓.智能机器人的现状及发展J.科技导报,2015,33(21):32-38.11 柳倩,桂建军,杨小薇,曲艳丽.工业机器人传感控制技术研究现状及发展态势基于专利文献计量分析视角J.机器人,2016,38(05):612-620.12 杨廷力,沈惠平,刘安心,戴建生.机构自由度公式的基本形式、自由度分析及其物理内涵J.机械工程学报,2015,51(13):69-80.13 陶永华.新型PID控制及其应用.北京:机械工业出版社,200214 刘业良,李维国,赵智敏.控制系统上下位机的实时通讯方法J.微电子学与计算机,1995(01):28-30.15 刘华军,杨静宇,陆建峰,唐振

22、民,赵春霞,成伟明.移动机器人运动规划研究综述J.中国工程科学,2006(01):85-94.16 汪木兰,张崇巍,谢震.通用型机器人关节控制器的研制J.制造业自动化,2005(05):35-37.17 刘艳强,王健,单春荣.基于EtherCAT的多轴运动控制器研究J.制造技术与机床,2008(06):100-103.18 李东洁,邱江艳,尤波.一种机器人轨迹规划的优化算法J.电机与控制学报,2009,13(01):123-127.19 李力,谢益波.基于Backstepping方法的海底摆臂型履带式移动平台行走路径控制J.矿冶工程,2015,35(06):1-5.20 倪自强,王田苗,刘达.

23、基于视觉引导的工业机器人示教编程系统J.北京航空航天大学学报,2016,42(03):562-568.21 马强建.精确点位作业机器人控制系统研究D.兰州理工大学,2009.22 Shin J H,Lee J J.Dynamic control with adaptive identification for free-flying robots in joint spaceJ.robotic,1994,12(6):541-551.23 乔向东,王宝树,刘作良.多传感器反馈分层融合算法性能研究J.空军工程大学学报(自然科学版),2004(03):28-32.24 付成龙,陈恳.五杆四驱动平面双

24、足机器人动态步态规划与非线性控制J. 机器人,2006(02):206-212.25 邓永刚.工业机器人重复定位精度与不确定度研究D.天津大学,2014.26 孙棣华,崔明月,李永福.具有参数不确定性的轮式移动机器人自适应backstepping控制J.控制理论与应用,2012,29(09):1198-1204.27 NANDA SK,PANDA S,SUBUDHI P R S,et al.A novel application of artificial neural network for the solution of inverse kinematics controls of rob

25、otic manipulatorsJ.International Journal of Intelligent Systems and Applications (IJISA),2012,4(9):81-91.28 赵润州,徐卸古,张西正.考虑参数不确定性和外界干扰的移动机器人轨迹跟踪控制J.制造业自动化,2015,37(03):41-46.29 王国彪,陈殿生,陈科位,张自强.仿生机器人研究现状与发展趋势J.机械工程学报,2015,51(13):27-44.30 王田苗,陈殿生,陶永,李剑.改变世界的智能机器智能机器人发展思考J.科技导报,2015,33(21):16-22.31 阮晓钢,仇

26、忠臣,关佳亮. 双足行走机器人发展现状及展望J.机械工程师,2007(02):17-19.32 马勇.多移动机器人路径规划研究D.华中科技大学,2012.33 王如彬,张志康,谢智刚,焦贤发.多个神经振子群网络的相位动力学编码J.动力学与控制学报,2009,7(03):217-225.34 Feng Baomin,Ma Guangcheng,Wen Qiyong.Design of robust intelligent controller for space robot in task spaceJ.journal of Astronautics, 2007,28(4):914-91935 于靖军,宗光华,毕树生.全柔性机器人机构的结构构型研究J.机器人,2003(04):367-372.36 刘丽梅,田彦涛,李建飞,侯至丞,黄孝亮.被动行走机器人变路况切换控制J.控制与决策,2011,26(08):1203-1208.37 陈予恕,杨彩霞.一类刚柔耦合非线性系统的动力学建模J.中国空间科学技术,2000(03):63-68.38 夏丹,刘军考,陈维山,韩路辉.基于收敛速度的仿鱼机器人游动力学性能的数值模拟J.机械工程学报,2010,46(01):48-54.