1、工業機器人的控制策略探討摘要: 概述了機器人的發展過程, 總結了當前工業機器人的技術特點。介紹了幾種在工業機器人技術中常用的控制策略, 如變結構控制、自適應控制、魯棒控制和智能控制等。分析了各種控制策略應用于工業機器人的具體體現, 如變結構控制使控制帶寬和控制精度達到最優折衷、自適應控制補償參數不確定性、魯棒控制補償非參數不確定性、神經網絡技術成功應用于各種機器人的運動規劃、模糊控制簡化控制算法等。探討了工業機器人控制技術的發展趨勢。關鍵詞: 工業機器人; 控制策略; 發展趨勢0 前言1954年美國的GCDovel提出關于實現機器自動化的示教再現( teachi ng /playback) !

2、 的概念,為工業機器人的誕生奠定了基礎。1961年和1962年, 美國的 UNI MA T I ON公司和 AM F公司將這個概念變成了現實, 分別制作了世界上第一代工業機器人。工業機器人是一個十分復雜的多輸入多輸出非線性系統, 它具有時變、強耦合和非線性的動力學特征, 因而帶來了控制的復雜性。由于測量和建模的不精確, 再加上負載的變化以及外部擾動等不確定性的影響, 難以建立工業機器人精確、完整的運動模型。現代工業的快速發展需要高品質的工業機器人為之服務, 而高品質的機器人控制必須綜合考慮各種不確定性因素的影響, 因此針對工業機器人的非線性和不確定性的控制策略成為了工業機器人研究的重點和難點

3、1。1 工業機器人的控制策略針對工業機器人的多變量、非線性、強耦合以及不確定性, 目前采用或正在大力研究的主要有如下幾種控制策略:11 變結構控制20世紀 60年代, 前蘇聯學者 Emelyanov提出了變結構控制。20世紀 70年代以來, 變結構控制經過U tkin , Itkis及其他控制學者的傳播和研究工作, 經歷40多年來的發展, 在國際范圍內得到廣泛的重視,形成了一門相對獨立的控制研究分支。變結構控制方法對于系統參數的時變規律、非線性程度以及外界干擾等不需要精確的數學模型, 只要知道它們的變化范圍, 就能對系統進行精確的軌跡跟蹤控制。變結構控制方法設計過程本身就是解耦過程, 因此在多

4、輸入多輸出系統中, 多個控制器設計可按各自獨立系統進行, 其參數選擇也不是十分嚴格。滑模變結構控制系統快速性好, 無超調, 計算量小,實時性強 2。變結構控制本身的不連續性以及控制器頻繁的切換動作有可能造成跟蹤誤差在零點附近產生抖動現象, 而不能收斂于零, 這種抖動輕則會引起執行部件的機械磨損, 重則會激勵未建模的高頻動態響應特別是考慮到連桿柔性的時候, 容易使控制失效。12 自適應控制控制器參數的自動調節首先于 20世紀 40年代末被提出來討論, 同時自適應控制的名稱首先用來定義控制器對過程的靜態和動態參數的調節能力。自適應控制的方法就是在運行過程中不斷測量受控對象的特性, 根據測得的特征信

5、息使控制系統按最新的特性實現閉環最優控制 3。自適應控制能認識環境的變化, 并能自動改變控制器的參數和結構, 自動調整控制作用, 以保證系統達到滿意的控制品質。自適應控制不是一般的系統狀態反饋或系統輸出反饋控制, 而是一種比較復雜的反饋控制, 實時性要求嚴格, 實現比較復雜, 特別是當存在非參數不確定性時, 自適應控制難以保證系統的穩定性。即使線性定常的控制對象, 其自適應控制也是非線性時變反饋控制系統 4。13 魯棒控制魯棒控制 ( Robust Control ) 的研究始于20世50年代。G Za m es在1981年發表的著名論文, 可以看成是現代魯棒控制特 別是 H控制的 先驅。JC

6、 Doy l e等四人在 1989年發表的著名文章是 H控制的里程碑。隨后, YNester ov等人提出的凸規劃內點法極大地推動了 H控制理論向應用階段的發展。1994年 SPBoyd等人有關線性矩陣不等式 ( LM I)的專著的問世以及 PGahi net等人與美國 The M at hs Wor ks公司合作推出的M atlab LM I Tool box使得H控制理論真正成為一個實用的系統分析與設計方法 5。魯棒控制可以在不確定因素的一定變化范圍內,保證系統穩定和維持一定的性能指標, 它是一種固定控制, 比較容易實現。一般魯棒控制系統的設計是以一些最差的情況為基礎, 因此一般系統并不工

7、作在最優狀態。魯棒自適應控制對控制器實時性能要求比較嚴格。14 智能控制 薩里迪斯在 1977年首次提出了分層遞階的智能控制結構。整個控制結構由上往下分為 3個層次, 組織級、協調級和執行級。其控制精度由下往上逐級遞減, 智能程度由下往上逐級增加。根據機器人的任務分解, 在面向設備的基礎級可以采用常規的自動控制技術, 如 P I D控制、前饋控制等。在協調級和組織級, 存在不確定性, 控制模型往往無法建立或建立的模型不夠精確, 無法取得良好的控制效果。因此, 需要采用智能控制方法, 如模糊控制、神經網絡控制、專家控制以及集成智能控制 6。( 1) 模糊控制1965年美國著名控制論學者 LAZa

8、deh首次提出一種完全不同于傳統數學與控制理論的模糊集合理圖 1 模糊控制的基本結構圖論, 把信息科學推進到人工智能的新方向。模糊邏輯系統或模糊控制系統是由模糊規則基、模糊推理、模糊化算子和解模糊化算子 4個部分組成, 其基本結構如圖 1所示。設 x# U= U1 % Un X 1 X2 % Xn 為模糊系統的輸入, y # V! R為模糊系統的輸出, 那么, 模糊邏輯系統構成了由子空間 U到子空間 V上的一個映射 7 , 8。工業機器人的模糊控制有它獨特的優勢簡化了控制算法。模糊系統理論還有一些重要的理論問題沒有得到很好的解決, 因而研究模糊控制的理論問題遠非像現代控制理論那么簡單。模糊控制

9、系統的可控性和可觀性問題還沒有得到解決, 模糊控制器的設計沒有統一的設計準則, 控制器的設計存在隨意性。模糊系統穩定性判據都是基于具體的控制對象, 而且假設條件千差萬別, 沒有統一的方法。模糊控制系統具有魯棒性都只是基于計算機仿真的結論, 并不是基于理論分析的結果。( 2) 神經網絡控制圖 2 BP人工神經網絡模型結構神經網絡是由許多具有并行運算功能的、簡單的信息處理單元 (人工神經元 ) 相互連接組成的網絡。人工神經網絡中的精華和實際應用最普遍的是BP網絡, 圖 2是其模型結構。 神經網絡控制模型建立后, 在輸入狀態信息不完備的情況下, 也能快速做出反應, 進行模型辨識, 這對于工業機器人的

10、智能控制是十分理想的。神經網絡系統具有快速并行處理運算能力、很強的容錯性和自適應學習能力的特點。神經網絡控制主要處理傳統技術不能解決的復雜的非線性、不確定、不確知系統的控制問題。神經網絡控制存在自學習的問題, 當環境發生變化時, 原來的映射關系不再適用, 需要重新訓練網絡。神經網絡控制目前還沒有一個比較系統的方法來確定網絡的層數和每層的接點數, 仍主要憑借經驗和試湊 9。2 工業機器人控制策略發展趨勢 到目前為止, 多數商品化工業機器人控制器下級的控制策略基本上是獨立關節 PID伺服算法。這種控制方法的主要缺點是, 反饋增益是預先確定的常量,它不能在有效載荷變化的情況下改變反饋增益。機器人高速

11、運動時, 其動力學效應十分顯著。為解決上述問題, 就要根據機器人手臂的動態模型求出施加于機器人手臂的力矩。于是就提出了諸如計算力矩法、非線性解耦反饋控制、前饋補償控制算法等方案。但這些算法大多過于復雜, 難以實時計算。故研究人員一方面研究簡化模型、簡化計算方法, 提出一些有效的并行算法、遞推算法等; 另一方面又研究對系統參數變化及擾動不敏感, 或不過分依賴準確的系統動態模型的控制方法。最后, 充分考慮各控制算法的優缺點, 取長補短, 在一個工業機器人當中采用多種控制算法的結合處理。開展對控制方案、動態控制模型以及控制算法的研究, 以求改善機器人系統的動態控制性能。工業機器人控制策略主要向以下

12、3個方面發展。21 力位置混合控制工業機器人在實際應用中都不可避免地要與環境接觸, 比如生產裝配、焊接等 , 它們不再是簡單的位置控制, 而需要機械手具有感覺和觸覺, 將面臨更多的不確定性, 故力和位置混合控制將成為未來工業機器人控制的一個研究方向, 如圖 3所示。 系統具有位置控制回路、力控制回路和速度阻尼回路。力和位置混合控制系統中的力控制與位置控制互不影響。混合控制系統中的力控制子系統的性能,對整個系統產生重要的作用。22 協調并行處理復合控制由于微電子技術的發展, 微型計算機的性能提高、成本降低。從而可以利用多個微型處理器對各種工業機器人的感覺 (如視覺、觸覺等 ) 信息進行并行處理,

13、 并控制機器人多功能的手, 快速地完成更復雜的工作 1 0, 如圖 4所示。23 分解控制分解控制是單獨對工業機器人的各個關節進行控制, 由于反饋信息是局部的, 它不會因為某一關節的傳感器損壞而影響其他關節的工作, 這便于故障檢測和排除, 加強了控制系統的可靠性; 分散控制不需要系統的全部模型信息, 因此它對系統的不確定性具有很強的魯棒性。所以分解控制也將是未來工業機器人控制技術的一個研究方向 11 , 如圖 5所示。 高級的分散結構, 能用多微機實現整個控制系統, 其中用一組微處理機解決各個關節運動獨立的最優穩定問題, 用另一組微處理機處理低級的直接解耦控制。由于綜合控制是非線性的, 形成的

14、遞階系統在強干擾作用下, 也具有較好的工作性能。3 結論變結構控制使控制帶寬和控制精度達到最優折衷, 消除了控制的 抖振 ! , 增加了系統對未建模動力學的不敏感性; 自適應控制補償參數不確定性; 魯棒控制補償非參數不確定性; 智能控制具有自學習、自適應、自組織等功能; 模糊控制簡化控制算法, 探索了模糊邏輯和分析方法學在改善控制系統性能方面的能力; 神經網絡技術成功應用于各種機器人的軌跡規劃和運動控制等。未來機器人控制將向力位置混合控制、協調并行處理復合控制和分解控制等方向發展。W1 ( s)的幅值應該盡可能大, 在高頻段, 為了控制系統的超調量, W1 ( s)的幅值一般取在 01 08之

15、間,W1 ( s)在 Bode圖中與 0dB的交叉處頻率等于或稍小于希望的閉環系統帶寬。一般來說W 1 ( s)具有低通濾波特性。4 控制系統仿真分析基于實驗室二次調節試驗臺的相關參數, 在 P I D控制器和 H魯棒控制器下對二次調節轉速控制系統進行仿真對比分析。圖 6中曲線 1為在 H魯棒控制器下 J2 = 12kg&m2時的轉速階躍曲線, 曲線 2為當二次調節系統轉動慣量變化 20%時, 采用 H魯棒控制器的階躍響應曲線。由圖可知, 采用 H魯棒控制器, 當系統參數發生變化時, 系統能夠保持更好的穩定性, 即具有更強的魯棒性。 當輸入指令為 R ( t ) = s i n( 2t)時, 對傳統 PID控制器及 H魯棒控制器下系統的跟蹤特性進行仿真研究, 可以得到如圖 7所示的跟蹤誤差曲線。其中曲線1為 PID控制下的跟蹤誤差曲線, 曲線 2為 H魯棒控制下的跟蹤誤差。由圖可知, H魯棒控制器較之P I D控制器的跟蹤誤差小,