机器人重复学习控制策略

1、一种机器人系统重复学习控制策略机器人系统是一类高度复杂、强耦合的非线性系统。 随着工业自动化水平的不断提高，其高精度控制问题已经成为广大学者研究的热点。鉴于机器人系统往往执行重复性质运动任务的特点，重复学习控制已成为解决机器人系统的高精度轨迹跟踪问题的有效方法之一。本文介绍了重复学习控制方法和一种简单的重复学习控制策略。关键词：机器人控制 重复学习控制AbstractRobot manipulator is a main class of highly complex and strong coupling nonlinear system. With the development of i

2、ndustrial automation, high precision control problem of robot manipulator has become a hot research field. Based on the observation that the robot manipulator often performs repeated movement, repetitive learning control-strategy is one of the methods to address the high precision tracking problem o

3、f robot manipulator.Key words: Robot control Repetitive learning control1 引言机器人系统是一类高度复杂、强耦合的非线性系统， 随着工业自动化水平的不断提高，其高精度控制问题越来越成为人们研究的热点。基于机器人系统往往执行重复性质的运动任务，重复学习控制理论的发展为机器人系统的高精度控制提供了一种有效的方法。重复学习控制方法的目标是设计一个针对周期信号的跟踪控制器或者扰动补偿器，除了使用当前控制误差外，还重复使用了上一周期的误差，并与当前控制误差叠加在一起，作为偏差控制信号，来提高系统的控制品质。重复学习控制策略能够大大提

4、高系统跟踪周期信号的能力，抑制周期性干扰，具有较好的跟踪鲁棒性能。2机器人系统常用控制方法机器人的高精度控制一直是机器人控制领域研究的经典问题，已取得了相当丰富的成果。机器人轨迹跟踪控制系统的主要目的是通过设计各关节的驱动力矩，使得机器人的位置、速度等状态变量跟综给定的理想轨迹。到目前为止，应用在机器人轨迹跟踪控制上的控制方法大致可以分为两类：基于模型的控制方法和不基于模型的控制方法。2.1 基于模型的控制方法基于被控对象数学模型的控制方法有前馈补偿控制、计算力矩控制（反馈线性化方法）、自适应控制、反演控制设计方法等。这些方法都依赖与系统的数学模型。在实际工程中，由于机器人是一类高度复杂、高度

5、耦合的非线性系统， 很难得到机器人精确的数学模型，使得这些方法在实际应用中有些吃力。2.2 不基于模型的控制方法由于测量和建模的不精确性，再加上负载的变化以及外部扰动的影响，实际上无法得到机器人精确、完整的动力学模型，使得基于模型的控制方法在实际领域中的控制精度并不是很高。下面是几种不基于模型的控制方法:PID 控制，鲁棒控制，神经网络控制和模糊控制，迭代学习控制和变结构（滑模）控制。3 重复学习控制重复学习控制针对受控对象执行重复性质的运动任务，用前一个周期的控制误差来改善后一周期的控制，需要存储器来记录过去的误差信息，重复学习控制是指在无限时间的区间上的轨迹跟踪，能够大大提高系统跟踪周期信

6、号的能力，抑制周期性的干扰，具有较好的跟踪鲁棒性能。重复学习控制最直接的解决方案是应用内模原理构造内模控制器。在控制器中包含周期信号的模型，以获得无差的渐近跟踪特性。如果输入信号模型具有无穷的谐波成分，例如方波信号，则控制器必须包含无穷维的信号模型。在知道信号周期的情况下，通过具有延迟环节的正反馈回路形成信号模型，能够获得信号中的各种谐波频率成分。3.1 重复学习控制的基本原理重复学习控制方法是内模原理的一种应用，内模原理是指，如果控制系统的开环传递函数包含参考信号的模型，那么，系统闭环输出的稳态误差为零，例如v型反馈系统跟踪v-1阶参考输入信号无稳态误差，是因为其开环传递函数中包含了，恰好是

7、v-1阶输入信号的模型。对于周期性指令输入或干扰，如果将周期信号的产生模型引入到系统闭环系统中，根据内模原理，便可实现系统的重复学习控制。从频域的角度来看，重复控制方法是内模原理的一种应用，适于跟踪周期信号或抑制周期干扰。周期信号的产生如图3.1所示，周期信号R0(t ) 通过一个纯延迟环节（延迟 L 秒）构成正反馈，形成周期为 L ，波形如 R(t) 的周期信号。+e-+e-sL+R0(s)R(s)+图3.1 周期信号发生器由图3.1可知： (3-1)则该信号模型的传递函数为： (3-2)设被控对象为 P(s)，将图3.1中的周期信号模型串联到控制回路中，构成基本重复控制系统，如图3.2所示

8、。a(s)Y(s)a(s)Y(s)-+C(s)e-sLP(s)E(s)R(s)-+C(s)e-sLP(s)E(s)R(s)H(s)H(s)图3.2 基本重复控制系统图3.2中，C(s) 为基本控制器；R(s ) 为周期参考信号；周期为 L ；N (s)为相同周期的干扰信号；通常称闭环系统为基本系统。与常规控制系统相比，加到C(s) 控制器上的信号，除了系统的输入与输出信号的偏差外，还叠加了上一个运行周期的偏差信号。图3.2中周期信号模型的前向通道是一个纯延迟环节，对闭环系统特性不利。如果给周期信号模型并联一个前向通道，其上串联比例环节或稳定的传递函数(s) ，则有利于改善系统的稳定性和快速性。

9、3.2 一种简单重复学习控制方案最简单的机器人系统的控制方法是PD或PID控制方法， 这也是早期的机器人系统大多采用的控制方法。它是不需要精确的机器人系统的动力学模型的，即不基于系统模型的控制方法，因此得到了广泛应用。由于PD控制或PID控制方法有两个明显的缺点：一是难于保证受控机器人具有良好的动态和静态品质；二是需要较大的控制能量，所以在快速、高精度轨迹跟踪控制的场合，简单的PD控制或PID控制难当此任。图3.3 并联式重复控制由于重复控制器中纯延时环节的存在，其输出相对于输入延迟了。因此在暂态过程中，重复控制器延迟之后才能逐周期响应。而且对有较大惯性或滞后的被控对象，PID控制器能改善系统

10、在调节过程中的动态特性。所以结合当前的控制策略，可以用PID控制和重复控制组合来改进系统，如图3.4所示。并联式复合控制结构在系统出现输入输出不相等时，重复控制器和PID控制器同时响应误差信号，两者输出之和作为调制信号，从而改变输出量，直到输入输出相同，系统进入稳态。参考文献：1 Liuzzo S, Tomei P. A global adaptive learning control for robotic manipulatorsJ.Automatica, 2008 , 44(5): 1379-13842 赵杰，杨永刚，刘玉斌.高精度轨迹跟踪的 6-PRRS 并联机器人自抗扰控制研究J.控

11、制与决策，2007,22(7):791-7943Kasac J, Novakovic B, Majetic D, Brezak D. Passive finite dimensional repetitive control of robot manipulatorsJ.IEEE Transactions on Control Systems Technology,2008, 16(3):570-5764 Liu T S, Lee W S. A repetitive learning method based on sliding mode for robot controlJ. Journa

12、l of Dynamic Systems, Measurement, and Control, 2000, 122(1):40-485 Dixon W E, Zergeroglu E, Dawson D M. Repetitive learning control: a lyapunov-based approachJ. IEEE Transactions on Systems, Man and Cybernetics,Pt B, 2002,32 (4):538-5456 刘金琨.机器人控制系统的设计与 MATLAB 的仿真M.北京:清华大学出版社,20089 许建新，侯忠生.学习控制的现状与

13、展望(1)J.自动化学报，2005,31(6):943-95510Su Y X, Zheng C H. A simple repetitive learning control for asymptotic tracking of robot manipulators with actuator saturationC.Preprints of the 18th IFAC World Congress.2011, 6886-689111褚立新,林辉.基于重复学习控制的高精度高速摆动扫描系统研究J.兰州交通大学学报,2007,26(3):141-15012李翠艳，庄显义. 伺服系统中抑制非线性扰

14、动的有限维重复学习控制方法J.控制与决策，2005,20(7): 798-80213Hara S, Yamamoto Y, Omata T. Repetitive control system: a new type servo system for periodic exogenous signals J. IEEE Transactions on Automatic Control, 1988,33(7):659-668 14田慧慧,苏玉鑫.机器人系统非线性分散重复学习轨迹跟踪控制J.自动化学报,2011,37(10):1264-127015Xu J X, Yan R. On repeti

15、tive learning control for periodic tracking tasks J. IEEE Transactions on Automatic Control, 2006, 51(11):1842-184813Sun M X, Ge S S, Mareels I M Y. Adaptive repetitive learning control of robotic manipulators without the requirement for initial repositioningJ. IEEE Transactions on Robotics, 2006,22(3): 563-56814Kuc T Y, Han W G. An adaptive PID learning control of robot manipulatorsJ. Automatica, 2000, 36(5):717-72515Nakada S, Naniwa T. A hybrid controller of adaptive and learning contro