第9章 机器人控制

ching

2019/09/02 发布于 教育 分类

文字内容
1. 第9章 机器人控制 机器人学简明教程 第9章 机器人控制 9.1 反馈与闭环控制 9.2 二阶系统控制 9.3 控制律的分解 9.4 轨迹跟踪控制 9.5 单关节控制 9.6 机械臂非线性控制
2. 第9章 机器人控制 9.1 反馈与闭环控制 一般机械臂的每个关节都安装测量关节角位置的传感器, 同时装有对相邻连杆施加扭矩的驱动器。我们希望机械臂关 节按期望轨迹运动,而驱动器是按照扭矩指令运动的。因此, 必须应用某种控制律计算出适当的驱动指令来实现期望的运 动。而这些期望的扭矩主要是根据关节传感器的反馈计算出 来的。图9-1为机器人控制系统的示意图。机器人控制系统 根据期望关节轨迹和传感器反馈得到的关节位置与速度信息 计算控制力矩,驱动机器人实现期望的运动。如果不使用传 感器反馈信息,且假设已知系统的动力学模型,可以直接根 据期望关节轨迹得到需要的驱动扭矩 τ  M (θd )θd  C (θd , θd )  G (θd ) (9-1)
3. 第9章 机器人控制 图9-1 机器人控制系统示意图
4. 第9章 机器人控制 如果模型是精确的,而且不存在其他干扰,应用式(9- 1)控制机械臂即可实现期望的轨迹。式(9-1)这种不使用反 馈信息的控制方法称为开环控制。然而实际系统的模型一般 不会是精确的,而且干扰总是存在的,所以这种开环控制方 案是不实用的。建立高性能控制系统的方法是利用关节角反 馈信息,通过比较期望位置和实际位置之差以及期望速度与 实际速度之差得到伺服误差  E θd  θ     E  θd  θ (9-2) 系统根据伺服误差函数计算驱动器需要的扭矩。这种利用反馈 的控制系统称为闭环控制系统。从图9-1中可以看出,控制系 统的信号流形成一个封闭的环。
5. 第9章 机器人控制 控制系统设计的核心问题是保证闭环系统满足特定的性 能要求,而最基本的标准是系统必须保持稳定。稳定系统的 定性解释是,机器人在按照各种期望轨迹运动时系统始终保 持“较小”的伺服误差,即使存在“中度”的干扰。而不稳 定系统的伺服误差随系统运行增大,而不是减小。
6. 第9章 机器人控制 图9-1中所有信号线均表示n维矢量(假设机械臂有n个 关节),因此机械臂控制系统是一个多输入多输出(MIMO) 控制系统。本章将每个关节作为一个独立的系统进行控制, 因此需要设计n个独立的单输入单输出(SISO)控制系统。 这也是目前大部分工业机器人所采用的控制系统设计方法。 这种独立关节控制方法是一种近似方法,因为机械臂的动力 学方程的关节变量之间是相互耦合的。 控制系统设计采用的模型可以选择传递函数或微分方程 描述。因为非线性问题只能采用微分方程描述,所以本书采 用微分方程描述系统的模型。
7. 第9章 机器人控制 9.2 二阶系统控制 图9-2所示为一个带驱动器的弹簧质量系统,驱动器在 质量块上施加力f,根据牛顿第二定律可以得到系统的动力 学方程 mx  cx  kx  f (9-3) 系统自由振动的微分方程为 mx  cx  kx 0 (9-4) 可以写成标准二阶系统形式  x  2n x  n2 x 0 (9-5)
8. 第9章 机器人控制 图9-2 带驱动器的弹簧-质量系统
9. 第9章 机器人控制 式中,ωn为固有频率;ζ为阻尼比,其表达式分别为 n  k / m c   2 km (9-6) 假定控制的任务是使质量块固定在x=0处不动,且可以 通过传感器测量质量块的位置和速度。可以采用如下的反 馈控制律 f   k p x  kd x 该控制系统称为位置校正系统。其功能是在存在扰动的情 况下,保持质量块在固定的位置。将反馈控制律式(9-7) 带入到动力学方程式(9-3),得到系统的闭环动力学方程 如下 (9-8) mx  cx  kx  k p x  kd x
10. 第9章 机器人控制 合并相同项得 mx  c ' x  k ' x 0 (9-9) 式中,k′=k+kp;c′=c+kd。由式(9-9)可知,通过设定控制增 益可以使闭环系统呈现任何期望的二阶系统特性。通常选择 控制增益使阻尼比ζ=0.7或者ζ=1(临界阻尼),并使系统得 到期望的闭环刚度。
11. 第9章 机器人控制 例9-1 对于图9-2所示的弹簧质量系统,各参数为质 量m=10kg,阻尼系数c=2Ns/m,刚度系数k=20N/m。求使闭 环系统固有频率为ωn=20且阻尼比ζ=0.7或者ζ=1时临界阻尼 系统的位置校正控制律的增益kp和kd。 解:闭环增益 k’=m n2 =4000 N/m 根据式(9-6),当ζ=1时 c’=2 mk ' =400 Ns/m
12. 第9章 机器人控制 因此系统的控制增益分别为 kp = k’- k =4000-20=3980N/m, kd = c’- c =400-2=398 Ns/m。 当 =0.7 时 c’=20.7 mk ' =280 Ns/m, 因此系统的控制增益分别为 kp = k’- k =4000-20=3980N/m,kd = c’- c =280-2=278 Ns/m。
13. 第9章 机器人控制 图9-3 闭环系统响应曲线
14. 第9章 机器人控制 9.3 控制律的分解 在系统模型已知的条件下,控制律式(9-7)可以分解为 基于模型的控制和伺服控制两部分。这样系统的参数(m, c,k)仅出现在基于模型的控制部分,使得伺服控制部分的 设计变得简单容易。这种控制律分解方法在复杂的非线性系 统控制中非常重要,可以把复杂的非线性系统控制器设计问 题转化为线性系统控制器设计问题。下面以9.2节介绍的弹 簧质量系统为例介绍这种控制器设计方法。
15. 第9章 机器人控制 在式(9-7)中,令基于模型的控制为f=αf′+β,则 mx  cx  kx  f '  (9-10) 将f′作为新的系统输入,并选择 则式(9-10)变为   m   cx kx (9-11)  xf ' (9-12) 采用与9.2节相同的方法设计控制律 f '   k p x  k d x (9-13)
16. 第9章 机器人控制 则闭环系统动力学方程为  x  k d x  k p x  0 这种控制律分解设计方法使得控制增益选择非常容易,且与系 统参数无关。kp 即为闭环刚度,使闭环系统处于临界阻尼状态 时 kd=2 k p 。
17. 第9章 机器人控制 9.4 轨迹跟踪控制 9.2节和9.3节讨论了期望系统维持在零点的控制律设计 问题,下面研究让质量块按期望轨迹运动的控制律设计问 题。给定质量块的期望轨迹xd(t),并假设轨迹充分光滑,即 xd和xd存在。定义伺服误差e=xd-x,并采用下面的控制律 f '   xd  k p e  kd e (9-15) 代入到式(9-12)得到系统的闭环误差动力学方程 e  k d e  k p e  0 (9-16)
18. 第9章 机器人控制 因此,可以通过选择控制增益,使闭环系统式(9-16) 呈现期望的性能。采用控制分解技术设计的轨迹跟踪控制结 构如图9-4所示。下面讨论闭环控制系统的抗干扰能力和存 在干扰条件下的稳态误差。
19. 第9章 机器人控制 图9-4 轨迹跟踪控制结构
20. 第9章 机器人控制 控制系统的一个重要作用是具有抗干扰能力,即系统在 存在外部干扰的情况下,仍能保持良好的性能。假设弹簧 质量系统存在有界的常值干扰力,闭环系统的误差动力学方 程变为 e  k d e  k p e  f dist (9-17) 根据常微分方程理论,误差动力学方程的解是有界的。当系 统达到稳态时,系统的稳态误差为 e=fdist/kp (9-18) 式(9-18)表明系统在常值干扰的情况下存在稳态误差,其数 值随控制增益kp增大而减小。
21. 第9章 机器人控制 为了消除稳态误差,一般采用在控制律中附加积分项。 控制律为 f '   xd  k p e kd e  ki  edt (9-19) 系统的误差方程变为 e  kd e  k p e  ki  edt  f dist (9-20) 计算式(9-20)的导数,得  e  kd e  k p e  ki e  fdist (9-21) 这是一个三阶常微分方程,注意到干扰是常数,因此系统的 稳态误差为 e=0 (9-22)
22. 第9章 机器人控制 控制律式(9-19)是工程上广泛使用的所谓比例-积分-微 分控制,即PID控制。式(9-15)是其简化形式,称为PD 控制。 从以上分析可知,在存在常值外部干扰的情况下,PD 控制存在稳态误差,而附加积分项的PID控制可以消除这 种稳态误差。
23. 第9章 机器人控制 我们仍然以例9-1的弹簧质量系统为例设计轨迹跟踪控 制律。各参数取为质量m=10kg,阻尼系数c=2Ns/m,刚度系 数k=20N/m,设计闭环系统的固有频率ωn=20,阻尼比ζ=1。 PD控制律的增益kp=400和kd=40,系统的期望轨迹为 xd=sin2πt。图9-5给出了弹簧质量系统的闭环跟踪控制曲 线,其中图9-5(a)是没有外部扰动时系统的跟踪控制曲线, 虚线为期望轨迹,实线为实际轨迹。从图上可以看出两者基 本是重合的,即实现了完美跟踪。
24. 第9章 机器人控制 图9-5(b)给出了系统存在常值扰动fdist=300N时系统的跟踪 控制曲线,曲线的含义与图9-5(a)的含义相同,从图上可 以看出系统响应明显向上偏移,即存在静差。图9-5(c)给 出了在前面PD控制基础上附加积分项ki=400,即PID控制 的系统跟踪控制曲线。观察图9-5(c)可以发现,开始阶段 系统存在和PD控制类似的误差,但随着误差积分作用的显 现,经过两个周期以后系统实现了对期望轨迹的完美跟踪。
25. 第9章 机器人控制 图9-5 弹簧质量系统跟踪控制曲线
26. 第9章 机器人控制 9.5 单关节控制 1.电机模型 假设电机常数为电枢绕组感抗la、电枢绕组电阻ra、转矩常 数km、反电动势常数ke,电路中各物理量表示为电源电压va、 电流ia、反电动势v、电机转矩τm,则电机输出转矩为 电路方程为  m  k m ia (9-23) laia  rai  va  kem (9-24) 忽略电机感抗影响,在理想情况下可以将电机看成一个纯力矩源。
27. 第9章 机器人控制 2.机电模型 电机通常通过减速器与负载相连,图9-6所示为通过减 速器与负载相连的电机转子的动力学模型。设传动比为η, 负载转矩为τ,负载转角θ,则负载与电机相应量之间的关系 为    m (9-25)   1 /   m (9-26) 电机转子动力学方程为 m  Imm  cmm  (1/) I c   (9-27) 式中,Im、I分别为转子和负载的转动惯量;cm、c分别为转 子和负载的黏性摩擦系数。采用转子变量表示的动力学方程 为  I    b m   Im  2 m  bm  2 m (9-28)      
28. 第9章 机器人控制 图9-6 电机系统模型
29. 第9章 机器人控制 采用负载变量表示的动力学方程为    I 2Im  c 2cm  (9-29) I+η2Im称为负载端的有效惯量,当η>>1时,电机转子惯量占有 效惯量的主要部分。因此,可以将有效惯量视为常数,这也是 可以采用独立关节控制的原因之一。 在上面的建模过程中,我们忽略了电机和负载的柔性,但 实际系统都存在一定的柔性。假设系统的柔性振动固有频率 为ωres,为了防止激起未建模的柔性动态(柔性共振),则设计 闭环控制系统的固有频率应该满足 n  res 2 (9-30)
30. 第9章 机器人控制 如果为了加快系统的响应速度而选择很高的增益,就有 激起系统未建模柔性共振的风险。对于带有太阳帆板等柔性 部件的航天器,因为没有空气阻力,柔性共振后果比较严重。 历史上就曾有过因为控制系统引起卫星柔性共振而出现事故 的教训。 单关节控制系统设计中,假设电机为纯力矩源、有效惯 量为常数、机构柔性可以忽略。则可以采用如下的分解控制 策略   I max   2 I m    c   2c max m  (9-31)  '  d  k d e  k p e (9-32)
31. 第9章 机器人控制 则闭环系统误差动力学方程为 e  kd e  k p e dist (9-33) 设计闭环系统的固有频率为柔性固有频率的1/2,系统处于临 界阻尼状态,则控制增益为 2 k p  n2  res /4 kd  2 k p  res (9-34) 显然,控制系统设计需要对结构的柔性进行估计。
32. 第9章 机器人控制 9.6 机械臂非线性控制 1.反馈线性化控制 前面介绍的单关节控制忽略了机械臂连杆间的耦合,而实 际系统是高度耦合的非线性系统。下面仍然采用控制律分解 技术设计控制律,系统动力学方程为 τ  M (θ )θ  C (θ , θ )  G (θ ) (9-35)
33. 第9章 机器人控制 选择分解控制参数(此时为矩阵和矢量) τ  ατ ' β  α  M (θ )  β  C (θ , θ )  G (θ ) 伺服控制律 τ ' θd  K d E  K p E (9-36) (9-37) 其中,伺服误差定义为   E θd  θ      E  θd  θ (9-38)
34. 第9章 机器人控制 系统的闭环误差动力学方程为   K E  K p E  0 E d (9-39) 实际应用一般选择控制增益矩阵Kp和Kd为对角矩阵,则此时 矢量方程式(9-39)是解耦的,可以写成与独立关节控制相同 的形式 e  kdi e  k pi e 0 (9-40) 采用控制律分解技术,基于模型的控制部分的反馈补偿 将系统变为单位质量的二阶线性系统,因此该方法也被称为 反馈线性化方法。当然,实际系统不可能具有如此理想的控 制性能,因为模型总是不够精确的。
35. 第9章 机器人控制 下面以第6章例6-5采用的两连杆平面机械臂(见图6- 7)为对象,说明机械臂反馈线性化控制(控制律分解技术) 方法。仿真采用的机械臂的参数如下 大臂质量m1=1kg,小臂质量m2=0.2kg,大臂长度L1=1m,小 臂长度L2=0.6m,大臂质心到臂起点距离Lc1=0.5m,小臂质心到 臂起点距离Lc2=0.3m, 大臂转动惯量I1=0.1kgm2, 小臂转动惯 量I2=0.02kgm2, 重力加速度g=9.8m/s2。
36. 第9章 机器人控制 采用式(9-36)和式(9-37)给出的控制律分解和伺 服控制方法,闭环系统的刚度为ωn=10(kp=100),阻尼比 η=0.7(kd=14)。期望机械臂末端画一个以(0.5,0)为圆心, 以0.1为半径的圆,期望机械臂末端运动轨迹选为 rx (t)=0.1cos(2t)+0.5; ry (t)=0.1sin(2t);
37. 第9章 机器人控制 因为机械臂控制是在关节空间进行的,所以必须先求出 关节空间的期望关节角及其角速度轨迹。期望关节角轨迹可 以按一定的时间步长采用逆运动学式(3-12)~式(3-14) 计算离散时间点的值。期望角速度轨迹可以采用雅可比矩阵 建立的关节空间速度与笛卡尔空间速度的关系式(5-15) 获得,例5-3已经计算了该机械臂的雅可比矩阵。而笛卡尔 空间速度可以通过对上面给出的期望机械臂末端运动轨迹求 导而得到。图9-7给出了两连杆机械臂反馈线性化跟踪控制 的仿真结果,仿真图表明,即使在初始误差比较大的情况下, 闭环系统也可以实现期望轨迹的有效跟踪。
38. 第9章 机器人控制 图9-7 两连杆机械反馈线性化跟踪控制仿真结果
39. 第9章 机器人控制 2.独立关节PID控制 实际工业机器人一般采用如下的独立关节PID控制 (9-41) τ θd  K d E  K p E  K i  Edt 式中,增益矩阵Kd、Kp、Ki为正常数对角矩阵,当期望加速 度未知时可以简单地设为零。也就是实际工业机器人一般不 采用基于模型的控制。因此,可以简单地对机械臂的每个关 节独立进行控制,一般每个关节采用一个独立的单片机(或 数字信号处理器DSP)进行控制。因为动力学的重力项估计 相对比较容易,所以也有些工业机器人采用附加重力补偿项 的控制方法 τ θd  K d E  K p E  K i  Edt  Gˆ (θ ) (9-42)
40. 第9章 机器人控制 同时也可以将质量矩阵的估计引入到控制系统中,但速度项 和摩擦项一般难以建模估计。独立关节PID控制和带重力补偿 项PID控制的稳定性分析不能采用前面的线性系统分析方法, 可以采用下面介绍的李雅普诺夫方法证明系统的稳定性。 (1)李雅普诺夫直接法。 19世纪俄国数学物理学家李雅普诺夫提出了两种分析非线性系统 稳定性的方法。一种是将非线性系统在平衡点附近线性化,再根 据线性系统特征值分布情况分析系统的稳定性,称为李雅普诺夫 第一方法。另一种是定义李雅普诺夫能量函数,从能量的角度直 接分析非线性系统的稳定性,称为李雅普诺夫第二方法(又称李 雅普诺夫直接法)。李雅普诺夫直接法及其改进方法仍然是目前 非线性控制系统稳定性分析与设计的基本方法。
41. 第9章 机器人控制 下面以前面介绍的弹簧质量系统自由振荡平衡点的稳 定性为例说明李雅普诺夫直接法。系统动力学方程为 mx  cx  kx  0 (9-43) 式中,x=0是系统的平衡点。对任意的x,系统的能量函数为 1 2 1 2 V ( x)  mx  kx 2 2 (9-44) 式中,第一项是系统动能;第二项是系统弹性势能。将式(9 -44)对时间求导,并考虑动力学方程式(9-43),可以得到系 统能量随时间的变化率为   kxx  (mx  kx) x  cx 2  0 V ( x)  mxx (9-45)
42. 第9章 机器人控制 . 上式只有x=0时等号成立,否则就是小于零的。因此, 从任何初始状态出发,系统的能量总是随时间下降(耗散) . 的,直到系统达到静止(x=0)状态。当系统静止时加速度 为零,所以根据动力学方程式(9-43)可知  kx=0x=0 (9-46) 因此,系统从任何初始状态出发都将稳定到系统的平衡点。 下面给出一般非线性系统稳定性判定的李雅普诺夫直接法。 给定一般的非线性常微分方程组 X  f ( X ) (9-47) 式中,X是m维矢量;f(X)是任意的非线性函数,假设零点是 系统的平衡点(f(0)=0)。构造广义能量函数(李雅普诺夫 函数)V(X),满足以下条件:
43. 第9章 机器人控制 ①V(X)具有连续一阶偏导数,对任意X≠0都有V(X)>0, 且V(0)=0。 ②V(X)沿任何系统的轨迹对时间的导数满足 V ( X )  0 。 则式(9-47)表示的系统平衡点是稳定的,如果条件②中的 导数除平衡点X=0外均有V ( X )  0,则系统平衡点是渐进稳 定的。
44. 第9章 机器人控制 例9-2 . 给定线性系统X=-AX,其中,A为m×m对称 正定矩阵。试用李雅普诺夫直接法证明系统平衡点的稳定性。 解:因为A为对称正定矩阵,所以X=0是系统唯一平衡 点,选取李雅普诺夫函数为 1 T V (X )  X X 2 该函数是正定二次函数,满足前面的条件①,对时间求导得 V ( X )  X T X   X T AX 因为A是对称正定矩阵,上式为非正的,且只有当X = 0 时为零,所以系统的平衡点是渐进稳定的。
45. 第9章 机器人控制 例9-3 荡动力学方程 给定具有非线性刚度的弹簧质量系统自由振  x  x  x3 0 ,试用李雅普诺夫直接法证明 系统平衡点的稳定性。 解:x=0是系统唯一平衡点,选择李雅普诺夫函数为 1 2 1 4 V ( x)  x  x 2 4 该函数是正定的,满足前面的条件1,对时间求导得   x3 x  (  V ( x)  xx x  x3 ) x   x 2 该函数是非正的,所以系统将稳定到  x  0 。此 x  0 ,且  时,根据动力学方程知x = 0,因此该系统是渐进稳定的。
46. 第9章 机器人控制 (2)带重力补偿PID控制系统的稳定性。 下面采用李雅普诺夫直接法分析工业机器人控制系统的稳定 性。系统动力学方程为 τ  M (θ )θ  C (θ , θ )  G (θ ) (9-48) 采用附加重力补偿项的控制方法 τ  K p E  K d θ  G (θ ) (9-49) 代入到式(9-48)得系统误差动力学方程为 M (θ )θ  C (θ , θ )  K d θ  K p E  0 (9-50)
47. 第9章 机器人控制 选择李雅普诺夫函数为 1 T 1 T  V ( X )  θ M (θ )θ  E K p E 2 2 (9-51) 式中,X  [θ T , θT ]T 为系统状态变量,该函数是正定的,满 足前面的条件①,对时间求导得 1 T   V ( X )  θ M ( θ) θ  θ T M ( θ) θ  ET K p θ 2 1 T   θ M (θ )θ  θ T K p E  θ T K d θ  θ T C ( θ, θ )  ET K p θ 2 T  θ K d θ  0 (9-52)
48. 第9章 机器人控制 上式推导过程中使用了如下结果: ① ② 1 T  θ M (θ )θ  θT C (θ , θ )  0 2 θT K p E  E T K p θ 第一式是根据机械臂拉格朗日动力学方程的结构得到的结论, 详细的可参考相关文献。第二式中注意到两项都是标量 (数),转置和自身相等,同时Kp是对称矩阵即可得到该 结果。
49. 第9章 机器人控制 3.笛卡尔空间控制方法 前面介绍的工业机器人控制采用的都是关节空间的方法, 而实际应用中一般给出的是末端执行器的轨迹,需要采用逆 运动学方法计算。逆运动学计算比较复杂而且一般是多解的。 所以,人们研究了采用基于笛卡尔坐标空间的控制方法。图 9-8给出了其中一种笛卡尔坐标空间控制的实现方法(不需 要位姿测量,只测量关节角)。笛卡尔坐标空间控制的实现 通过系统雅可比矩阵的转置建立笛卡尔空间力和关节空间力 矩的关系,通过系统的正运动学计算出笛卡尔空间坐标值。 笛卡尔空间控制系统的稳定性和性能分析均比较复杂,而且 由于非线性作用,难以保证系统在整个空间上的性能良好。
50. 第9章 机器人控制 图9-8 笛卡尔空间控制结构
51. 第9章 机器人控制 4.机械臂力控制 前面介绍了机械臂的空间轨迹跟踪控制问题,为了提高 控制的精度和速度,闭环系统一般都具有非常高的刚度。当 考虑机械臂与环境接触的操作任务时,如让机器人抓取一个 生鸡蛋,采用位置控制方法显然是不合适的。因为位置误差 总是存在的,操作的结果经常会是将鸡蛋抓碎或者抓不起来。 完成此类任务的方法就是机械臂的力控制。下面以图9-9 所示简单的弹簧质量系统介绍力控制方法。
52. 第9章 机器人控制 图9-9 接触力控制
53. 第9章 机器人控制 力控制主要用于机械臂与环境接触问题,接触模型通常 简化为一个弹簧表示接触刚度ke。需要控制的是作用于环境 的力fe,它是施加在弹簧上的作用力。 f e  ke x (9-53) f  mx  ke x (9-54) 系统的动力学方程为 利用式(9-53),将x及其导数用环境力fe表示,式(9-54)变为 f  mke1  fe  fe (9-55)
54. 第9章 机器人控制 采用控制律分解技术令基于模型的控制为f=αf′+β,并选 择   mke1     fe 得到系统控制律 f  mk (  f d  kd e  k p e)  f e 1 e (9-56) 式中,e=fd-fe为期望环境力与实际环境力之差。系统的闭环误 差方程为 e  kd e  k p e  0 (9-57)
55. 第9章 机器人控制 同9-4节类似,可以通过选择控制增益系统来使系统具 有期望的性能。一般控制任务是将系统的接触力控制到常数 值,所以系统的控制律简化为 1  f  m (  k d x  k e k p e)  f d (9-58) 图9-10给出了弹簧质量系统力控制误差曲线,仿真中参数选 为质量m=10kg,环境刚度ke=1000N/s,控制律的增益kp=400和 kd=40,期望环境力fd=100N,干扰力fdist=100N。图9-10(b)是 采用PD力伺服控制时,系统的力跟踪误差曲线。从图上可以 看出系统跟踪误差稳定在一个恒定值,即系统存在静差。图9 -10(c)给出了在前面PD控制基础上附加积分项ki=400,即PID 力伺服控制的系统跟踪控制曲线。
56. 第9章 机器人控制 图9-10 弹簧质量系统力控制误差曲线
57. 第9章 机器人控制 观察图9-10(c) 可以发现,开始阶段系统存在和PD控制类 似的误差,且有一定的超调量,但随着误差积分作用的显现, 经过4s以后系统实现了对期望力轨迹的完美跟踪(误差趋于 0)。图9-10(a)是采用PID力伺服控制时,系统的位移跟 踪误差曲线。可以发现系统位移趋于0.1m,与环境刚度相 乘得到的环境力恰好为期望环境力。
58. 第9章 机器人控制 5.机械臂阻抗控制 前面介绍的机械臂力控制方法需要已知环境的刚度,同时还需 要环境力的测量。环境刚度估计是一个比较复杂的问题,同时,力 的传感器测量经常是不方便的,而且难以达到比较高的精度。同位 置测量相比,力测量的代价是比较大的。下面以机器人绘图为例说 明所谓“阻抗控制”的基本思想。图9-11所示极坐标机器人,机 器人可以沿Z轴转动,同时可以沿X轴滑动。通过控制θ和d可以使机 械臂末端按期望的平面轨迹运动(例如直线、圆等)。如果在机械 臂末端夹持一支笔,则可以期望能在工作台的纸上画出相应的曲线。 但是,在实际系统上实现却不是很容易的。因为误差总是存在的, 若笔太高则不能与纸张接触,而笔太低则可能卡住。一种简单的解 决方法是在笔与机械臂末端之间放置一根合适的弹簧,则可以在一 定的误差范围内完成绘制曲线的任务。
59. 第9章 机器人控制 图9-11 极坐标机器人
60. 第9章 机器人控制 上面的例子不是通过力控制方法来实现笔与纸面的接触 力大小,而是通过弹簧来实现的。该方法是一种被动的力控 制方法。按照这种思想,机器人的力控制可以通过控制闭环 系统自身的刚度来实现。下面仍然以简单的弹簧质量系统 为例介绍机器人的阻抗控制方法。 图9-12所示与环境接触的弹簧质量系统,其中fe为机 器人对环境的作用力。系统的动力学方程为 mx  cx  kx  f  f e (9-59) md  x  cd e  kd e  f e (9-60) 期望动作为
61. 第9章 机器人控制 式中,e=xd-x为系统位置误差;md、cd、kd分别表示期望的 质量、阻尼和刚度系数。假设系统的加速度可测,根据式(9 -59)和式(9-60),可以得到系统的阻抗控制律为 f  (m  md )  x  (c  cd ) x  (k  kd ) x  cd xd  kd xd (9-61)
62. 第9章 机器人控制 图9-12 与环境接触的弹簧质量系统
63. 第9章 机器人控制 选择合适的期望的质量、阻尼和刚度系数,采用式(9- 61)的阻抗控制即可使环境力按式(9-60)进行期望的动作。 图9-13给出了弹簧质量系统阻抗控制闭环响应曲线, 仿真中参数选为质量m=10kg,阻尼系数c=20N·s/m,刚度系 数k=100N/m,位置控制设计系统的闭环系统固有频率为 ωn=20,系统的期望轨迹为xd=0。阻抗控制律的期望系统质 量md=10kg,阻尼系数cd=14N·s/m,刚度系数kd=40N/m,环 境刚度ke=10000N/s。
64. 第9章 机器人控制 图9-13(a)是分别采用位置伺服控制和阻抗控制时,系 统的位移跟踪曲线,其中细实线表示位置控制,粗实线表示 阻抗控制。从该图上可以看出阻抗控制系统6s左右可以实现 期望轨迹跟踪,比位置伺服控制跟踪速度慢一些。图9- 13(b)给出了使用位置伺服控制的闭环系统环境力响应曲线, 可以看出最大环境力超过300N。图9-13(c)给出了使用阻抗 控制的闭环系统环境力响应曲线,可以看出最大环境力小于 30N。比较图9-13(b)与图9-13(c)可以发现采用阻抗控制可 以有效减小机械臂对环境的冲击力。为了说明问题,位置伺 服控制设计成欠阻尼系统,因为实际系统总是存在一定的误 差,不可能恰好处于理想状态。
65. 第9章 机器人控制 图9-13 弹簧质量系统阻抗控制响应曲线
66. 第9章 机器人控制 6.机械臂力/位置混合控制 如图9-14所示3自由度移动关节笛卡尔机械臂,末端手 爪与竖直表面接触。假设关节轴线沿着约束坐标系的三个坐 标轴方向。忽略滑动摩擦,末端执行器与刚度为ke的 表面接触,Yc轴垂直于接触表面。因此,在Yc轴方向需要 力控制,Xc轴和Zc轴方向需要进行位置控制。对于图9-14 所示的笛卡尔机械臂,1轴和3轴采用位置伺服控制,而2轴 则采用力控制。
67. 第9章 机器人控制 图9-14 与表面接触的3自由度笛卡尔机械臂
68. 第9章 机器人控制 图9-15给出了三自由度笛卡尔机械臂的力/位置混合控 制的一般结构。引入约束矩阵S和S′描述力和位置控制的模 式来控制每个关节。S为对角矩阵,对角线元素为0或1,1表 示采用位置控制,0表示自由不受控制;S′与S的含义类似, 1表示采用力控制,0表示自由不受控制。
69. 第9章 机器人控制 图9-15 笛卡尔机械臂力/位置混合控制结构
70. 第9章 机器人控制 本混合控制例子的约束矩阵如下 1 0 0  0 0 0  S  0 0 0  , S   0 1 0  0 0 1  0 0 0  同一个方向或者采用位置伺服控制,或者采用力伺服控制, 但只能采取其中之一。即不能同时控制位置和力,所以约束 矩阵满足S+S′=I,其中I是单位矩阵。图9-15给出的力/位置 混合控制的一般结构,可以根据具体操作任务选择约束矩阵, 具有很好的通用性。
71. 第9章 机器人控制 下面讨论一般机械臂的力/位置混合控制问题,图9-16 给出了一般机械臂的力/位置混合控制示意图。可以假设任 务是采用通用旋转关节机械臂完成擦黑板动作。在垂直黑板 面的方向(用单位矢量eF表示)需要进行力控制,而在平行 黑板面的方向(用单位矢量eP表示)需要进行位置控制。用 rd和r表示机器人末端手爪的期望位姿和实际位姿,用Fd和F 表示末端手爪对黑板的期望作用力和实际作用力。用Δr表 示机器人末端手爪位姿的误差在eP方向的投影,ΔF表示机 器人末端手爪力的误差在eF方向的投影。则两个误差的投影 可以按以下公式计算 r  [eTP (rd  r )]e p  T  F  [ e F ( Fd  F )]e F  (9-62)
72. 第9章 机器人控制 图9-16 一般机械臂力/位置混合控制示意图
73. 第9章 机器人控制 位置伺服采用PD控制方法 τ P  K PP θ  K DP θ (9-63) 式中,控制增益矩阵为正定对角矩阵,其上标“P”表示位置 控制。假设机器人的雅可比矩阵是可逆的,则式(9-63)的关 节角度和角速度偏差可以用下式估计 θ  J 1r , θ  J 1r (9-64) 力伺服采用PI控制方法 F P τ F  K τ  K F I  τdt (9-65)
74. 第9章 机器人控制 式中,控制增益矩阵亦为正定对角矩阵,上标“F”表示 力控制。利用机器人的雅可比矩阵得到手爪环境力和关节力 矩的关系 τ  J T F (9-66) 注意,式(9-64)利用的是机器人运动学关系计算得到的, 而式(9-66)利用的是机器人静力学关系计算获得的。将位 置控制律式(9-63)和力控制律式(9-65)相加即得到力/位置 混合 τ  τP  τF (9-67) 力/位置混合控制的结构图如图9-17所示。按照该混合控制 策略,可以实现机器人即在垂直黑板面方向用期望手爪力Fd 推压,由同时在平行黑板方向跟踪期望轨迹rd。
75. 第9章 机器人控制 图9-17 一般机械臂混合控制示意图
76. 第9章 机器人控制 本章重点介绍了机械臂位置控制和力控制方法。采用直 流电机为驱动器、编码器为传感器的位置伺服控制已经相当 成熟,并已经广泛应用于工业机器人系统。而力控制系统由 于结构复杂,同时力传感器技术本身也远没有位置传感器成 熟,所以尚处在研究阶段。