气动肌肉外文翻译资料.docx

《气动肌肉外文翻译资料.docx》由会员分享，可在线阅读，更多相关《气动肌肉外文翻译资料.docx（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、外 文 翻 译ADAPTIVE ROBUST POSTURE CONTROL OF A PNEUMATIC MUSCLES DRIVEN PARALLEL MANIPULATOR 气动肌肉驱动并联机器人自适应性鲁棒姿态控制系别：机械和汽车工程系专业名称：机械设计制造及其自动化学生姓名：学号：指导教师姓名、职称：完成日期 2015年12月21日摘要部分气动机器人由于无法实现摆动关节自由定位，所以不能进行灵巧、柔顺抓取操作，从而限制了它在工业领域广泛应用。气动肌肉驱动机器人手臂可以像人类手臂一样进行灵巧，柔顺抓取操作,但是气动肌肉驱动并联机械臂动态模型必然存在严重参数不确定性，基于不连续自适应鲁棒

2、控制，对该系统非线性参数(如气动肌肉摩擦力和外部干扰)采取有效控制，以实现显着姿态轨迹控制。此次实验结果验证了所提出自适应鲁棒控制器控制有效性。关键词：气动肌肉、并联机器人、自适应鲁棒控制 1介绍气动肌肉是一种类似人类肌肉新型柔性机构，它是由橡胶管和交叉编织护套材料组成。其基本工作原理如下：当橡胶管充气，交叉编织护套横向扩张，导致轴向压缩力和气动肌肉终点位置变化。因此，其沿轴线方向气动肌肉位置和力控制，可以通过调节其橡胶管内部压力实现。气动肌肉驱动并联机器人（PM BY PM）包括三个气动肌肉连接并联机器人动臂基础平台，如图1所示。控制三个气动肌肉长度，通过旋转运动三自由度并联机器人可以实现。

3、这样并联机器人结合可调刚度和高功率/体积比（气动肌肉并联机构结构紧凑），可有广泛应用，如工业自动化和仿生装置。图1气动肌肉驱动并联机械手结构气动肌肉动力学模型存在严重非线性变动参数，包括各种摩擦，迟滞和温度收缩力，这些因素使得气动肌肉精确位置不能得到控制，这在过去几年中已经获得了极大关注。虽然已完成大量对气动肌肉控制研究，但他们大多都不考虑气动肌肉压力，动力学，橡胶管内压力和流量之间动态关系。没有考虑压力动力学主要处理单位或拮抗肌肉致动器控制器设计研究较少。这项研究需要精确系统模型和扰动动态下匹配条件。在本文中，考虑了并联机器人气动肌肉示于图驱动姿态控制，其中每个气动肌肉是由两个快速切换阀控制

4、。这样系统不仅能控制一切和气动肌肉有关状态，也是耦合多输入多输出（MIMO）增加难度并联机器人动力学系统。自适应鲁棒控制方法应用于减少集中未知不确定非线性和参数不确定性，很大程度上在使用一定鲁棒反馈控制补偿模型不确定性影响。所提出控制器设计明确考虑到交流计数压力动态影响。因此，高跟踪性能实践验证了所获得实验结果。2动态模型对并联机器人几何结构如图1所示，它由一个移动平台，基础平台，中心杆和三个气动肌肉组成。气动肌肉和移动平台和基础平台，由球形关节连接，这是均匀分布在各自平台上一个圆圈。中心柱刚性固定于基座平台，由一个球头连接到移动平台。并联机器人姿态是通过三个独立角度定义。滚动角度X绕X轴，Y

5、俯仰角和偏航角Z绕Z轴，双速切换阀是用来调节每个气动肌肉压力，而这种组合组件被称为随后驱动单元。假设移动平台惯性矩阵是I（），机械手平行矢量角速度矢量变换矩阵是G（）、球形接头粘性摩擦系数矩阵为C S = diag（ C S1，S2 S3 T C，C），一阶偏微微分运动影响系数矩阵J（），三个驱动单元等效质量矩阵M，在任务空间扰动D P（t）和肌肉力量载体F M = F M1，FM2，FM3 T，这将在下一次节交代。然后运动平台动力学模型为 每个驱动单元i，肌肉力量可以被描述为在i= Xmi /L0，Xm是压缩、气动肌肉，Fr是橡胶弹性力补偿，P是气动肌肉压力，a ,b是气动肌肉结构有关常数，

6、k是一个滑动效果因素，F建模误差。空气流经阀门一个快速切换阀质量流量占空比用u表示其中P U是上游压力，下游压力P D，Tu是上游温度，一个是阀门R一个是有效瓣口面积为气体常数f（Pu/ Pd）非线性流函数。一般压力动态方程（Richer and Hurmuzlu, 2000）：a和b代表未知参数是气动肌肉内容积和气动肌肉热力学温度。从公式1定义并行驱动力矩在任务空间机械臂为= Jpt（）Fm和执行器动力学其中是Fmi可计算部分，D（t）表示在驱动单元空间（肌肉空间）所有未知干扰是一种非线性增益函数矩阵推导式。因此 ，集合状态变量定义描述为X =x T1,XT 2, XT3 T = T, T,

7、 T T ，整个系统可以表示在状态空间形式 为而P = F P （X 1,X3）是反函数。3自适应鲁棒控制器3.1 设计问题，假设和符号 一般系统进行参数化，由于Cs，Ip变化不确定性，a,b和Dp, D未知非线性,其中，Dp和D可由两部分组成,名义上部分记为D p和D是恒定或缓慢变化和被通过参数自适应和快速变化处理。可以看出，系统主要困难，控制：系统具有严重参数不确定性，变阻尼系数，多变指数a和b。因此应采取参数自适应方法，减少参数不确定性。（乙）系统很大程度上建模集中误差等未知干扰和摩擦力，这是包含在D p和D。因此，该方法具有一定鲁棒性，应用于处理不确定非线性能提高有效性能。（丙）模型不

8、确定性是不匹配，即参数不确定性和不确定性非线性出现在动态方程，是不直接相关控制输入，因此，应采用反推设计技术，克服设计困难，实现渐近稳定。由于参数不确定性和不确定性非线性程度存在，参数不确定性和不确定性非线性应该满足= ：minmax，和D pDpmax，DDmax.让表示和=估计误差,不连续投影可以被定义为eq.7为了参数及其衍生物在自适应鲁棒控制全过程中有界适用定律是 = Proj ()，在 0是一个对角矩阵和是适应功能是合成后用投影映射方程3.2弧控制器设计设计平行递归反推设计程序在任务空间和肌肉通过电弧空间里雅普诺夫函数如下。1）步骤一：定义一个转换函数数量为Z2=Z1+ KcZ1，其

9、中Z 1 = x 1Y D轨迹跟踪误差矢量和Kc是一个正对角矩阵。如果Z2收敛到一个很小值或0，那么Z1将收敛到一个很小值或0，因为从Z1到Z2传递函数是稳定。然后，对eq.9同时注意到eq.6，任务空间中未知参数向量P = Cs1，Cs2 Cs3, Dpn1, Dpn2, Dpn3 T在任务空间中参数不确定性被描述为在这2 = diag（G T Gx2），I是一种参数自适应。如果作为eq.10输入，一个虚拟控制法d合成，Z 2尽可能小。d由两方面运用,通过在这da作用通过自适应控制法实现和2 =2ITp z2参数自适应实现一种改进模型补偿。day有控制规律，由两方面加强鲁棒控制。DS =DS

10、1 +DS2，DS1 =I P K 2其中K 2是积极增益控制功能参数，和DS2合成控制模型不确定性来自参数不确定性和非线性不确定性，满足下列条件2是一个积极设计参数，让输入差异是Z 3 =D，替eq.12为eq.10V 2 = Z 2T Z 2 / 2，它时间导数是2）步骤二：虚拟控制输入Qm合成，使Z 3收敛到零或一个小值以保证其瞬态性能。衍生输入差异：导出x 1输出微分观测器设计在下一部分。直流源于D，可以用于设计控制功能，但由于各种不确定因素无法计算，D 3 =Ddu是肌肉中总不确定性。肌肉空间未知参数向量是= a1，a2，a3，b1、b2，b3，dn1，dn2和dn3，在肌肉空间中参

11、数不确定性描述为一种参数自适应回归,给出了虚拟输入qmds用于自适应模型补偿和适应功能3 =3Z3。鲁棒控制规律mds由以下两方面组成其中K 3是一个正反馈增益矩阵和qmds2是一个强大控制选择功能，控制模型不确定性满足下列所有条件3是一个积极设计参数，考虑增强PSD函数V 3 =V 2 +z T3Z3 /2，它时间导数是在一般情况下，跟踪误差是有界。此外，在参数不确定性情况下渐近输出跟踪或零，最终跟踪误差将得到零。3）.步骤三：逆流图是用来计算快速切换阀具体任务指令，提供所需流量qmd。每个阀门控制输入，u = K (1)q* qmd。3.3输出微分观测器从上面看到eq.20计算需要姿态、速

12、度和加速度，因此输出微分观测器（QI et al.，2003）提出了速度和加速度由于依赖于不准确气动肌肉收缩力和摩擦力动态模型难而建立。设为估计值，I代表指数分别是极点配置方法是利用指定值a1，a2，a3，根据预期性能指标。输出微分观测器误差可以被集中到不确定非线性项Dp和D，这可以通过鲁棒控制衰减。3.4设计参数分析从以上程序，C 1，C 2、C 3、2、3和适应率2，3是设计参数，它对系统瞬态性能和最终跟踪误差有很大影响。（a）Kc有助于Z 1大幅度收敛到零，这是由于未建模动态高频下总控制系统带宽限制速度高，饱和控制变量和限制采样频率等。（b）2、3动态性幅度小，选择自解控制精度低， K

13、2 、K 3大幅度动态性，选择自解控制精度高。v =2minmin（K 2）（K 3） denotes最小特征值A和矩阵V=2 + 3。（C）2、3适应率Z2、Z3，Z2、Z3积分自下面准稳态方程代入到eq.16和eq.18，前者分别推导。是有界不确定性。利用极点配置方法设计了2、3和控制增益2，3。它们被限制带宽系统为Kc。4.实验结果控制概念有效性验证几种被测物供应压力为0.48 MPa。图2是建立实验（yao et al.，2005）ARC和DRC控制器测试对比实验和性能指标（Yao，2004）。图2控制器是缓慢平稳阶跃响应如5S图中所示上升时间测试，以响应姿势x = 0，y0，姿势x

14、= 6，y4 （在本系统Z是忽略它值总是接近0。）图3，ARC性能比DRC更好，ARC最终误差E XF = 0.0195， E YF = 0.0232，最大绝对误差为E XM = 0.2694和E YM = 0.4685。测试控制性能鲁棒性突发干扰中，位置传感器遭受突然抖动，可被认为是一个突变干扰系统。这种情况响应如图4所示。可见，系统产生较大跟踪误差由于位置传感器错误反馈信息，然后抖动消失后，系统回到稳定姿态迅速。因此，控制算法是鲁棒干扰。控制器再次运行并联机器人跟踪正弦运动轨迹频率不同。例如，图5正弦运动轨迹跟图6周期正弦运动轨迹在不确定性任务空间。再次确认ARC能比DRC达到更好性能。A

15、RC平均误差为2【E X = 0.1299、L 2 e y = 0.1012和最大绝对误差E XM = 0.3688、E YM = 0.3033。这并不奇怪，有较大未建模不确定性，所以有大建模误差，最终跟踪误差也会变大。 图3 图4 图5 图65.结论本文研究了一种由六个快速切换阀控制气动肌肉驱动并联机器人运动轨迹跟踪控制问题。这样一个系统数学模型，受到严重参数不确定性和不确定性非线性影响，已提出了一种自适应鲁棒控制器来处理这些模型不确定性。所提出控制器实现了其瞬态性能，以及保证最终跟踪精度。利用输出差分观测并联机器人速度和加速度，以提供一个简单和有效方式实施拟议自适应鲁棒控制器。已被获得实验

16、结果，验证了所提出ARC控制器良好跟踪性能。6.引用Bowler, C.J., D.G. Caldwell and G.A. Medrano-Cerda (1996). Pneumatic muscle actuators:Musculature for an anthropomorphic robot arm. IEEE Colloquium on Actuator Technol-ogy: Current Practice and New Developments pp. 8/18/6.Chou, C.P. and B. Hannaford (1996). Mea-surement and

17、 modeling of mckibben pneu-matic artificial muscles. IEEE Transactions on Robotics and Automation 12, 90102.Hildebrandt, A., O. Sawodny, R. Neumann and A. Hartmann (2005). Cascaded control con-cept of a robot with two degrees of free-dom driven by four artificial pneumatic mus-cle actuators. In: Ame

18、rican Control Confer-ence. USA. pp. 680685.Kimoto, M. and H. Ito (2003). Nonlinear robustcompensation for control of a pneumatic ac-tuator. In: SICE Annual Conference in Fukui. Japan. pp. 18201825.Lilly, J.H. (2003). Adaptive tracking for pneu-matic muscle actuators in bicep and tri-cep configuratio

19、ns. IEEE Transactions onNeural systems and rehabilitation engineering11, 333339.Qi, G.Y., Z.Q. Chen and Z.Z. Yuan (2003). Highorder differential feedback control for nonlin-ear systems. Engineering Science 5, 3544.Repperger, D.W., K.R. Johnson and C.A. Phillips(1998). A vsc position tracking systems

20、 in-volving a large scale pneumatic muscle actua-tor. In: Proceedings of the 37th IEEE Confer-ence on Decision and Control. Tampa,FloridaUSA. pp. 40324037.Richer, E. and Y. Hurmuzlu (2000). A highperformance pneumatic force actuator sys-tem: Part i-nonlinear mathematical model.Transactions of the AS

21、ME Journal of Dy-namic Systems, Measurement, and Control122, 416425.Tao, G.L., X.C. Zhu and J. Cao (2005). Modelingand controlling of parallel manipulator joint driven by pneumatic muscles. Chinese Jour-nal of Mechanical Engineering(English Edi-tion) 18, 537541.Tian, S.P., G.Q. Ding, D.T. Yang and L

22、.M. Lin(2004). Nonlinear modeling and controllingof artificial muscle system using neural net-works. Chinese Journal of Mechanical Engi-neering(English Edition) 17, 306310.Yang, G., B.R. Li and J. Liu (2002). A new an-alytical method on characteristics of artifi-cial pneumatic muscle actuator. Chine

23、se Hy-draulics and Pneumatics 10, 2225.Yao, B. (2004). Advanced motion control: Anadaptive robust framework. In: The 8th IEEE International Workshop on Advanced Motion Control. Kawasaki Japan. pp. 565570. Yao, B., F.P. Bu, J. Reedy and G.T.C. Chiu(2000). Adaptive robust motion control of single-rod hydraulic actuators: Theory and experiments. IEEE/ASME Transactions onmechatronics 5, 7991.