未知環(huán)境下的機器人智能力控制算法、仿真及實驗研究.pdf

1、機器人在從事精密裝配、工件表面打磨、拋光和擦洗及輪廓跟蹤等作業(yè)時，要求其終端執(zhí)行裝置和環(huán)境之間保持接觸，同時具備控制其終端位置和接觸力的能力，即機器人力控制的能力。 機器人力控制是機器人控制領(lǐng)域中的研究熱點。針對在形狀和剛度均未知的接觸環(huán)境中進行柔順控制的問題，在傳統(tǒng)的力控制方法中加入了智能控制策略以適應未知環(huán)境的動態(tài)特性。論文在理論研究的基礎(chǔ)上，進行了相關(guān)的計算機仿真研究，并在開放式機器人力控制平臺上進行了大量的實驗研究，主要

2、研究內(nèi)容及成果如下： (1)在傳統(tǒng)的阻抗控制模型中應用一種新的參考軌跡模糊調(diào)節(jié)算法，根據(jù)反饋的接觸力信息，通過模糊推理，用參考比例因子調(diào)節(jié)參考軌跡，從而使生成的參考軌跡適應未知環(huán)境剛度的變化。同時根據(jù)接觸力的變化對阻抗模型參數(shù)進行模糊調(diào)節(jié)，減少了受限運動中一些干擾的影響，使跟蹤位置誤差和力誤差達到最小，提高了全局力控制效果。通過計算機仿真，證明在環(huán)境參數(shù)變化時，此算法較傳統(tǒng)的力控制方法有更好的魯棒性。 (2)針對機器人在

3、形狀和剛度均未知的接觸環(huán)境表面上進行柔順控制的問題，提出了一種面向未知環(huán)境的智能預測算法，并將其應用于阻抗模型中。此預測算法根據(jù)機械手末端位置和力的反饋信息，通過三種預測因子(滿意度因子，曲率適應因子，參考比例因子)，預測并調(diào)整未來采樣時刻的阻抗控制模型中的參考軌跡，使控制器能夠?qū)ξ粗h(huán)境的動態(tài)特性具有適應能力。每次預測首先對以前的預測進行評估，使其具有更好的在線適應能力，同時考慮環(huán)境表面曲率和剛度變化的特點。算法在線調(diào)節(jié)阻抗模型參數(shù)，

4、減少在受限運動中的力誤差，提高全局的力控制效果。根據(jù)反饋方式的不同，把智能預測算法分為兩種：基于位置反饋的預測算法和力反饋的預測算法。文中比較了這兩種方法的區(qū)別，并進行了相關(guān)的仿真研究。此外，在自由空間到約束空間的轉(zhuǎn)換過程中加入了非連續(xù)的轉(zhuǎn)換算法，減少了轉(zhuǎn)換過程中的沖擊力，在隨后的受限運動中采用上述的智能預測算法。通過對橢圓、正弦曲線等多種有凹凸變化的受限表面進行的力跟蹤仿真研究，結(jié)果表明控制算法對未知環(huán)境參數(shù)的變化有較強的適應能力，可

5、以在接觸表面剛度在一定范圍內(nèi)變化的情況下，完成對形狀變化比較平緩(光滑連續(xù)可導的)各種非規(guī)則曲面的力跟蹤。 (3)在力/位混合控制模型中同樣應用此智能預測算法。根據(jù)位置和力反饋信息，通過三種預測因子預測調(diào)整力/位混合控制模型中的期望軌跡，使機器人控制器能夠?qū)ξ粗h(huán)境的動態(tài)特性具有適應能力。預測算法不僅預測力/位混合控制模型中未來時刻的期望軌跡，還通過對方向角的預測，實時計算旋轉(zhuǎn)變換矩陣和選擇矩陣，確定了未來采樣時刻接觸點的力控和

6、位控方向。與阻抗控制模型中的預測過程相似，預測算法考慮了過去控制周期預測誤差和接觸環(huán)境表面曲率的變化。同時，算法中根據(jù)接觸力誤差在線調(diào)整力控向量中的比例參數(shù)，減少沖擊力，提高全局的力控制效果。通過計算機仿真，驗證了預測算法可以在不同的控制模型中應用，取得了較高的力控制精度。 (4)為了在機器人控制器中實現(xiàn)提出的智能力控制算法，完成各種力控制實驗，構(gòu)造了一個開放式機器人力控制系統(tǒng)，并對系統(tǒng)中硬件和軟件體系結(jié)構(gòu)進行了深入的探討與分析

7、。根據(jù)系統(tǒng)中應用的DSP控制器的特點和伺服驅(qū)動器的不同控制模式，給出了一種機器人力控制具體的硬件實現(xiàn)形式。同時，針對力控制系統(tǒng)中開放式的要求，編制了模塊化的控制軟件。另外，對影響機器人控制器實時性的主要因素進行了分析。 (5)在開放式的機器人力控制系統(tǒng)中，應用提出的智能預測算法在不同的控制模型(力/位混合控制模型，阻抗控制模型)、不同的預測方式(位置反饋預測，力反饋預測)、不同的跟蹤速度、不同的期望力、不同的接觸剛度條件下對非規(guī)