机器人控制

机器人控制,参考书目,Bruno Siciliano, Lorenzo Sciavicco, et al. Robotics: Modeling, planning and control.蔡自兴. 机器人学（第二版）. 北京：清华大学出版社，2009谭民，徐德，侯增广等.先进机器人控制. 北京：高等教育出版社， 2007.,本章内容,机器人控制概述机器人控制分类机器人控制系统硬件配置及结构机器人的位置控制机器人的力控制总结,学习目标,了解机器人控制的基本概念掌握机器人控制的分类及特点掌握机器人的位置控制方法深入理解机器人的力控制方法，包括直接力控制，阻抗控制等,一. 机器人控制技术综述,“控制”的目的 是使被控对象产生控制者所期望的行为方式“控制”的基本条件是了解被控对象的特性 “实质”是对驱动器输出力矩的控制,输入X,被控对象的模型,输出Y,目 的,机器人控制的两个问题：1）求机器人的动态模型（动力学问题）；2）根据动态模型设计控制规律,机器人技术与控制学科的关系,机器人控制国际视野,IEEE/RSJ International Conference on Intelligent Robots and Systems,二. 机器人控制的分类,1）按照有无反馈分为：开环控制闭环控制,开环精确控制的条件：精确地知道被控对象的模型，并且这一模型在控制过程中保持不变,如果被控对象的模型能够精确知道，但模型是变化的，怎么办？,如果模型的变化是可以预测的,开环预测控制,如果模型的变化是可以实时辩识的,开环辨识控制,以被控对象的实际输出构成某种评价标准来修正控制器的输入信号，以使对象的输出接近期望值-闭环反馈控制,被控对象的特性（数学模型）不能完全确定或完全不能确定的情况下，怎么办？,最常用的评价标准就是输入与输出（期望的输出与实际输出）之间的偏差,例如：,按照期望控制量分为：位置控制，力控制,智能化的控制方式,模糊控制(fuzzy control ) 自适应控制（ adaptive control ） 最优控制(optimal control) 神经网络控制(neuro control ) 模糊神经网络控制 专家控制(expert control)Others,三. 控制系统硬件配置及结构,电气硬件软件架构,高性能机器人运动控制卡,主控芯片,单片机dsp tms320c6713 DSPDigital signal processingSamsung S5L8900B01ARMFPGAFieldProgrammableGateArray （现场可编程逻辑阵列）,架构,Code Composer Studio (CCStudio)集成开发环境,编程环境,例：灵巧手控制系统,底层由手指DSP和FPGA实现传感器数据采集、处理及电机驱动；在通讯层由手掌FPGA传递传感器信号并且为各手指分配控制命令；高层由高速浮点DSP执行各种任务规划及多指协调整个系统控制周期为200s顶层由计算机来提供多种人机接口,总体架构1）传感器信号采集及处理系统,驱动电路系统,基于PWM的三相全桥控制,电源系统,实现电压转换,PID控制器的基本原理,反馈控制实例：PID,被控参数（位置、力、速度、温度、流量、液位等）以怎样的途径，多长时间到达期望值,PID 控制方法,以单个关节的角度控制为例,定义e(t)为输入输出之差的时间函数,控制器公式,比例+积分控制器（P+I）,比例+积分+微分控制器（PID）,比例+微分控制器（PD）,比例控制器（P）,数字PID控制算法,计算机控制系统多数是采样-数据控制系统。连续-时间信号采样、量化数字量积分，微分采用数值逼近的方法。,采用矩形积分,差分代替微分,代入的公式整理,做代换,得：,当不需要控制量的绝对值，而是增量时（例如控制步进电机）采用增量式控制方法,做差,优点：抗积分饱和（当控制变量达到一定值后，系统的输出不再增长）,算法流程,Matlab/simulink 模型,仿真结果分析,PID控制器具有一定的鲁棒性，但对干扰抑制效果不是很好,PID参数对控制系统性能的影响,Kp-影响系统的响应速度，Kp越大，响应速度越快,增大Kp可能会引起系统超调，甚至振荡和不稳定；,Ki-影响系统的静态精度，有利于消除系统的静态误差，但Ki过大也可能会引起系统超调，甚至振荡和不稳定；,Kd-影响系统的响应速度，通常可加快系统的稳定时间，但微分环节也会把外部的干扰放大，微分作用过强，可能会引起系统的振荡和不稳定；,传统PID参数整定方法,PID控制器参数整定的一般规律,先调节 Kp, 至系统出现振荡,设此时比例增益为Kp取Kp = Kp/2, 逐渐增大Ki,直至出现振荡,记Ki取Ki=Ki/3, 调节Kd, 直至获得满意的系统特性,机器人的位置控制,机器人系统的特点：电机驱动，动态特性非线性，关节弹性及摩擦存在,在建立模型时，提出下列两个假设：（1）机器人的各段是理想刚体，因而所有关节都是理想的，不存在摩擦和间隙。 （2）相邻两连杆间只有一个自由度，要么为完全旋转的要么是完全平移的。,笛卡尔空间位置控制,Xd为笛卡尔空间期望位置，Xe为实际位置,从稳定性和精度的观点看，要获得满意的伺服传动性能，必须在伺服电路内引入补偿网络。,1机器人位置控制任务分类：点到点的控制(如搬运、点焊机器人)或连续路径的控制（如弧焊、喷漆机器人）。,2. 位置控制方法：关节空间控制结构和直角坐标空间控制结构，分别见图5.11（a）和（b）所示。,位置、速度反馈控制,速度环：使关节电机表现出期望的速度特性，通常通过驱动器的电流环控制位置环：使关节电机运动到期望的位置，由控制器实现。,速度、加速度前馈补偿控制,当机器人处于高度运动时，位置、速度反馈的精度大幅降低，此时通过速度、加速度前馈补偿提高跟踪精度。,速度、加速度前馈补偿,锁住机器人的其他各关节而依次移动一个关节，这种工作方法显然是低效率的。这种工作过程使执行规定任务的时间变得过长，因而是不经济的。不过，如果要让一个以上的关节同时运动，那么各运动关节间的力和力矩会产生互相作用，而且不能对每个关节适当地应用前述位置控制器。因此，要克服这种互相作用，就必须附加补偿作用。要确定这种补偿，就需要分析机器人的动态特征。 1动态方程的拉格朗日公式动态方程式表示一个系统的动态特征。我们已讨论过动态方程的一般形式的拉格朗日方程如下：,多关节位置控制器,二自由度机械手简图,二自由度机械手的动力学方程,分解控制,基于计算力矩前馈补偿的多关节分解控制,专家控制系统(Expert Control System)几乎所有的专家控制都包括：knowledge base(知识库), reasoning engineer (推理机), rule set (控制规则集) and/or control algorithm.,模糊控制系统(Fuzzy Control System)A new mechanism of control law of knowledge-based (rule-based) and even language-description.An improved alternative method to non-linear control.,神经控制系统(Neuro-Control System)控制系统基于 Artificial Neural Network (ANN-based control), 简称为neural control or NN control.,教师学习 Supervised neural controller structure,例：基于神经网络的位置控制,五. 机器人的力控制,力控制简介直接力控制（Direct force control）间接力控制（Indirect force control）应用举例,力控制简介,目的: 控制机器人各关节使其末端表现出一定的力或力矩特性。,为什么采用力控制？,轴孔配合,形状适应性,接触碰撞,直接力控制,作用：实现机器人与环境作用力的精确控制实例：力的PI控制方法,特点：直接力控制具有力回路，直接控制期望力,直接力控制,间接力控制,分类：主动柔顺-阻抗控制；被动柔顺-变刚度,特点：间接力控制（阻抗控制、力/位混合控制）通过控制位置实现力控制，没有明确力回路,单自由度系统柔顺控制,写成状态图的形式为：,在PD控制下,联立得：,闭环系统状态图为：,传递函数为：,闭环系统的拉氏变换为：,稳态位置为：,稳态接触力为：,当：,二自由度机械臂与平面接触的柔顺控制,包含阻尼项的阻抗控制模型,阻抗控制分类,区别在内环,基于位置的笛卡尔空间阻抗控制,基于力的笛卡尔空间阻抗控制,例：机械臂笛卡尔阻抗控制,末端期望轨迹：X-Y平面内直径300mm的圆。障碍物：圆柱形杯子。,各关节位置响应,笛卡尔位置响应,机械臂末端接触力响应曲线,末端接触力,各关节力矩响应曲线,关节力矩,被动柔顺控制,目的：基于安全性考虑阿西莫夫三定律：1950年,美国作家埃萨克阿西莫夫在科幻小说I，Robot中首