《机器人学第5章机器人控制算法课件》由会员分享,可在线阅读,更多相关《机器人学第5章机器人控制算法课件(48页珍藏版)》请在金锄头文库上搜索。
1、第七章第七章 控制控制 Control 7.1 7.1 引言引言 7.2 7.2 机器人控制器和控制结构机器人控制器和控制结构 7.3 7.3 机器人位置控制机器人位置控制 7.4 7.4 二阶线性系统控制规律的分解二阶线性系统控制规律的分解 7.5 7.5 单关节机器人的建模与控制单关节机器人的建模与控制 7.6 7.6 柔顺控制柔顺控制 7.7 7.7 位置和力的混合控制位置和力的混合控制 7.8 7.8 其他控制方法其他控制方法第第5章章 机器人的控制系统机器人的控制系统 5.3 控制理论与算法在机器人的运动学中,已知机器人末端欲到达的位姿,通过运动方程的求解可求出各关节需转过的角度。所
2、以运动过程中各个关节的运动并不是相互独立的,而是各轴相互关联、协调地运动。机器人运动的控制实际上是通过各轴伺服系统分别控制来实现的。所以机器人末端执行器的运动必须分解到各个轴的分运动,即执行器运动的速度、加速度和力或力矩必须分解为各个轴的速度、加速度和力或力矩,由各轴伺服系统的独立控制来完成。然而,各轴伺服系统的控制往往在关节坐标系下进行,而用户通常采用笛卡儿坐标来表示末端执行器的位姿,所以有必要进行各种运动参数包括速度、加速度和力(或力矩)的分解运动控制。分解运动控制能很大程度上化简为完成某个任务而对运动顺序提出的要求。本节将讨论分解运动的求解问题。 7.1 引言引言(Introductio
3、n) 前几章,我们借助齐次变换阐述了对于包括机械手在内的任何物体的位置和姿态的描述方法。研究了机械手的运动学,建立了机械手关节坐标和与直角坐标的位置和速度之间的关系,推导了机械手的动力学方程。 本章,我们要根据动力学方程来考虑机械手的控制问题,由于任何机械手的实际控制都是通过对各个关节的协调控制来实现的,因此,必须对每一个关节进行有效的控制。7.2 7.2 机器人控制器和控制结构机器人控制器和控制结构 机器人的控制就是要使机器人的各关节或末端执行器的位置能够以理想的动态品质跟踪给定的轨迹或稳定在给定的位姿上。机器人控制特点:冗余的、多变量、本质非线性、耦合的1.控制器分类 结构形式:伺服、非伺
4、服、位置反馈、速度反馈、力矩控制、 控制方式:非线性控制、分解加速度控制、最优控制、自适应控制、滑模变结构控制、模糊控制,神经网络控制等 控制器选择:依工作任务,可选PLC控制、普通计算机控制,智能计算机控制等。 简单分类:单关节控制器:主要考虑稳态误差补偿; 多关节控制器:主要考虑耦合惯量补偿。2、主要控制变量 任务轴R0:描述工件位置的坐标系 X(t):X(t):末端执行器状态; (t):关节变量; C C(t):关节力矩矢量; T(t)T(t):电机力矩矢量; V V(t):电机电压矢量本质是对下列双向方程的控制3、主要控制层次 分三个层次:人工智能级、控制模式级、伺服系统级1)人工智能
5、级 完成从机器人工作任务的语言描述 生成X X(t); 仍处于研究阶段。2)控制模式级 建立X X(t) T T(t)之间的双向关系。 电机模型 传动模型 关节动力学模型 机器人模型3)伺服系统级 解决关节伺服控制问题即PUMAPUMA机器人的伺服控制结构计算机分级控制结构,VAL编程语言。采用独立关节的PID伺服控制,伺服系统的反馈系数是确定的。由于机器人惯性力、关节间耦合、重力与机器人位姿和速度有关,所以难于保证在高速、变速和变载情况下的精度。上位机配有64kB RAM内存,采用Q-Bus作为系统总线,经过A、B接口板与下位机交换数据。上位机作运动规划,并将手部运动转化为各关节的运动,按控
6、制周期传给下位机。A接口板插在上位机的Q-Bus总线上,B接口板插在下位机的J-Bus总线上。B板有一个A /D转换器,用于采样电位器反馈的位置信息。下位机进行运动插补及关节伺服控制。它由6块6503CPU为核心的单板机组成,它与B接口板、手臂信号板插在J-Bus总线上。C接口板、高压控制板和6块功率放大器板插在Power amp bus上。上位机软件为系统编程软件软件系统的各种系统定义、命令、语言及其编译系统。针对各种运动形式的轨迹规划和坐标变换,以28ms的时间间隔完成轨迹插补点的计算、与下位机信息交换、执行VAL程序、示教盒信息处理、机器人标定、故障检测等。n,机械手为冗余,需要用广义逆:A为对称正定矩阵3 分解运动加速度 分解运动加速度控制:首先计算出工具的笛卡儿坐标加速度,然后将其分解为相应的各关节加速度,再按照动力学方程计算出控制力矩。 实际位置和姿态 期望的位置和姿态位置误差姿态误差 为减少位置和姿态误差,要求因为从而有: 代入得:因为这里考虑的是误差项,因此是闭环控制,精度高。7.8 其他控制方法1.变结构控制2.自适应控制3.神经网络控制4.模糊控制