机械臂关节柔顺性控制策略研究
《2024年六自由度机械臂控制系统设计与运动学仿真》范文

《六自由度机械臂控制系统设计与运动学仿真》篇一一、引言六自由度机械臂,以其出色的灵活性、灵活的运动空间以及复杂的运动能力,在现代自动化工业和高端科技领域有着广泛的应用。
本篇论文旨在介绍一种六自由度机械臂控制系统的设计与运动学仿真。
通过详细阐述系统设计、控制策略以及运动学仿真结果,为六自由度机械臂的研发与应用提供理论依据和实验支持。
二、系统设计1. 硬件设计六自由度机械臂控制系统硬件主要包括机械臂本体、驱动器、传感器和控制单元等部分。
其中,机械臂本体采用串联式结构设计,通过六个关节的协调运动实现六自由度。
驱动器选用高性能直流无刷电机,并配备高精度减速器以提高控制精度。
传感器包括位置传感器、力传感器等,用于实时监测机械臂的状态和外部环境信息。
控制单元采用高性能微处理器,负责接收传感器信息、处理控制指令并输出控制信号。
2. 软件设计软件设计主要包括控制系统算法设计和人机交互界面设计。
控制系统算法包括运动规划、轨迹跟踪、姿态调整等模块,通过优化算法提高机械臂的运动性能和控制精度。
人机交互界面采用图形化界面设计,方便用户进行操作和监控。
三、控制策略1. 运动规划运动规划是六自由度机械臂控制系统的重要组成部分,主要任务是根据任务需求规划出合理的运动轨迹。
本系统采用基于规划的方法,通过预设的运动路径和速度参数,使机械臂按照规划的轨迹进行运动。
同时,采用动态规划算法对机械臂的运动进行实时调整,以适应外部环境的变化。
2. 轨迹跟踪轨迹跟踪是六自由度机械臂控制系统的核心部分,主要任务是使机械臂在运动过程中始终保持正确的姿态和位置。
本系统采用基于PID控制算法的轨迹跟踪策略,通过实时调整控制信号,使机械臂能够准确、快速地跟踪预设的轨迹。
同时,针对机械臂在运动过程中可能出现的扰动和误差,采用鲁棒性较强的控制策略进行优化。
四、运动学仿真为验证六自由度机械臂控制系统的设计效果和运动性能,我们进行了运动学仿真实验。
通过建立三维模型,模拟机械臂在不同任务下的运动过程,并分析其运动轨迹、姿态调整和速度变化等关键参数。
机械臂的控制系统设计

机械臂的控制系统设计机械臂是一种可以代替人工完成各种工作的智能设备,其控制系统设计是机械臂正常运行的关键。
良好的控制系统设计可以使机械臂实现精准的动作和高效的工作,提高生产效率和质量。
本文将从机械臂的运动控制、传感器系统和用户界面设计三个方面来讨论机械臂的控制系统设计。
一、机械臂的运动控制1.1 机械臂的运动方式机械臂的运动方式通常包括旋转运动和直线运动两种。
旋转运动包括关节轴的旋转,而直线运动包括伸缩臂的伸缩和升降臂的升降。
在控制系统设计中,需要对机械臂的运动方式进行合理的分析和设计,确定机械臂的关节轴数目和运动范围,以及运动的速度和加速度等参数。
1.2 运动控制算法针对机械臂的不同运动方式,需要设计相应的运动控制算法。
对于关节轴的旋转运动,通常采用PID控制算法;对于伸缩臂和升降臂的直线运动,可以采用电机控制算法来实现。
在运动控制算法的设计中,需要考虑机械臂的运动平滑性、速度和位置的精度等因素。
1.3 运动控制系统的硬件设计在机械臂的运动控制系统中,需要使用电机和传动装置来实现机械臂的运动。
对于不同的运动方式,可以选择不同类型的电机和传动装置,如步进电机、直流电机、伺服电机等。
还需要设计相应的传感器和反馈装置,用于检测机械臂的运动状态和位置,并对其进行闭环控制。
二、机械臂的传感器系统2.1 位置传感器机械臂的运动控制需要实时监测机械臂的位置,因此需要设计相应的位置传感器系统。
常用的位置传感器包括编码器、光电开关和激光测距传感器等。
这些传感器可以实时检测机械臂的位置,并将数据传输给控制系统,用于实现机械臂的闭环控制。
对于需要实现力反馈的机械臂,还需要设计相应的力传感器系统。
力传感器可以实时监测机械臂在工作过程中的受力情况,以便对机械臂的工作力度进行调节。
三、机械臂的用户界面设计3.1 操作界面设计机械臂的操作界面是机械臂控制系统的重要组成部分,它直接影响着用户对机械臂的操作体验。
操作界面需要设计直观、简单易用的人机交互界面,提供包括运动控制、参数设置、故障诊断等功能的操作按钮和指示灯。
北京理工大学科技成果——一体化柔性关节及仿人柔性机械臂

北京理工大学科技成果——一体化柔性关节及仿人柔性机械臂成果简介本项目研制的柔性一体化关节采用机电一体的模块化设计,具有高力矩稳定输出(输出力矩70Nm),高集成化(机构、驱动电路和通信模块集成于关节之中)、互换性好(肩、肘关节可直接替换)、可靠性高等特点,适合于大规模生产,可以降低机械臂成本,具有极大的市场推广价值。
关节内部含有弹性环节,存在内在柔性,当与环境或人接触时,可以保证人不受伤害以及机械臂自身的安全性。
同时,可以测量关节的输出力矩,获得比传统关节更好的力控制精度与稳定性。
本项目在柔性一体化关节的基础上研制了仿人柔性机械臂,该机械臂采用仿人类手臂的构型的结构设计,具有4个自由度(肩部3个,肘部1个),其长度与人类手臂长度相仿。
通过阻抗控制技术可以使机械臂模拟出人类手臂可“柔”可“刚”的肌肉特性,从而使机械臂可以在非结构化环境中,安全地与环境和人类进行交互。
该机械臂适于作为与人类接触使用的专用设备或者应用于服务型机器人和空间机器人领域。
目前,项目组已将该机械臂应用于按摩治疗领域,并搭建出腰痛中医点按机器人平台。
腰痛中医点按机器人可以逼真地模拟出医师完成点按揉、指揉、弹拨和推法4种按摩手法,假体实验和临床实验结果表明机器人与医师的按摩治疗效果相仿。
项目来源国家自然基金技术领域信息技术应用范围服务型机器人现状特点国内领先、国际先进柔性一体化关节技术创新研制了具有内在柔性和力矩测量的一体化关节,可以通过该关节快速地搭建出仿人机械臂,使机械臂在完成作业的同时可以在非结构化环境中安全地与人类和环境进行交互,为机器人与人类和谐相处提供了新的解决方案。
仿人柔性机械臂所在阶段原理样机成果知识产权申请发明专利4项成果转让方式合作开发/技术转让基于仿人柔性臂的按摩机器人平台市场状况服务型机器人以及可使用在非结构化环境中的机器人是现在机器人研究的热点,也是社会关注的焦点。
传统的刚性工业机器人构建传感器壁垒,采用柔顺控制算法实现对环境的柔顺性。
《基于动力学模型的DELTA机器人运动控制研究》

《基于动力学模型的DELTA机器人运动控制研究》一、引言随着工业自动化和智能制造的快速发展,DELTA机器人作为一种高效、灵活的工业机器人,其运动控制技术的研究显得尤为重要。
本文旨在基于动力学模型,对DELTA机器人的运动控制进行研究,以提高其运动精度和效率。
二、DELTA机器人概述DELTA机器人是一种并联机器人,由三个相同的机械臂组成,每个机械臂由电机、减速器、连杆等组成。
其运动灵活,适用于高速、高精度的抓取和搬运任务。
然而,由于机器人系统的复杂性,其运动控制一直是一个挑战。
三、动力学模型建立为了实现精确的运动控制,首先需要建立DELTA机器人的动力学模型。
动力学模型描述了机器人系统在受到外力作用时的运动规律,对于理解机器人的运动特性、优化运动控制算法具有重要意义。
在建立动力学模型时,需要考虑机器人的结构参数、电机参数、连杆长度等因素。
通过分析机器人的运动过程,可以得出机器人的动力学方程。
该方程描述了机器人的运动状态与外力之间的关系,为后续的运动控制提供了理论基础。
四、运动控制策略研究基于动力学模型,我们可以研究有效的运动控制策略。
运动控制策略主要包括轨迹规划、速度控制和力控制等方面。
轨迹规划是运动控制的核心,它决定了机器人的运动轨迹和速度。
通过优化轨迹规划算法,可以提高机器人的运动精度和效率。
速度控制则是根据机器人的当前状态和目标状态,计算电机所需的转速和转矩,以实现精确的运动控制。
力控制则是在机器人与外界物体相互作用时,通过调整电机的输出力,实现精确的力控制。
五、实验与分析为了验证基于动力学模型的DELTA机器人运动控制策略的有效性,我们进行了实验分析。
实验结果表明,通过优化轨迹规划算法和速度控制策略,可以显著提高DELTA机器人的运动精度和效率。
此外,通过力控制策略,机器人可以更好地适应外界环境的变化,实现精确的力控制。
六、结论与展望本文基于动力学模型对DELTA机器人的运动控制进行了研究,通过优化轨迹规划算法、速度控制和力控制策略,提高了机器人的运动精度和效率。
水下机器人机械手臂的设计与控制

水下机器人机械手臂的设计与控制随着科技的不断发展和应用,水下机器人成为了深海探索和海洋资源开发中不可或缺的工具。
而机械手臂作为水下机器人的“手”也显得尤为重要。
本篇文章将重点探讨水下机器人机械手臂的设计与控制。
一、机械手臂的设计1. 基本结构水下机器人机械手臂的基本结构一般包括机械臂主体、关节、末端执行器和控制系统。
机械臂主体是机械手臂的主支架,关节连接机械臂主体和末端执行器,控制系统是整个机器人的大脑,也是机械手臂的运作中枢。
2. 关节类型机械手臂的关节类型包括旋转关节、线性关节和旋转线性关节。
旋转关节由一个旋转轴固定在机械臂主体上,可以在水平或垂直平面内旋转;线性关节是指沿着直线方向移动的关节,用于伸展机械手臂;旋转线性关节则是既可以沿着直线方向移动又可以旋转的关节。
3. 末端执行器机械手臂的末端执行器一般有钳子、操作器、抓取器等多种类型。
根据机器人的应用场景和需求选择合适的末端执行器非常重要。
4. 简化设计为了避免机械手臂的结构复杂,降低制造成本和运行维护的难度,有时会采用简化设计方案。
例如,机械手臂的关节数目、类型和布局可以进行优化,通过降低复杂度来提高整体的性能和稳定性。
二、机械手臂的控制1. 控制算法机械手臂的控制算法是保证机器人正常运行的核心部分。
常见的控制算法包括PID控制、自适应控制和神经网络控制等。
PID控制是一种经典的控制算法,可以实现位置控制、速度控制和力控制;自适应控制能够根据不同工况自动调整控制参数;神经网络控制则可以模拟人脑的思维方式,具有自学习和自适应的能力。
2. 传感器机械手臂的传感器一般包括编码器、压力传感器、视觉传感器、声呐传感器等。
编码器可以实时感知机械手臂的位置和速度;压力传感器可以测量机器人与周围环境之间的接触力,帮助机器人避免碰撞;视觉传感器可以拍摄周围场景,实现机器人的视觉导航;声呐传感器可以探测水下环境的距离和深度。
3. 增量式控制增量式控制是一种非常常见的机械手臂控制策略。
机器人主动柔顺恒力打磨控制方法

提高工件表面精度的精密加工方法ꎬ打磨环节有很多影响因素ꎬ其中打磨力是一个关键因素ꎬ直接影响工件质量.为了以可控方式进行机器人柔顺恒力打磨[1]ꎬ国内外学者对机器人力控末端执行器开展了诸多研究.黄智等[2]提出一种气囊式力控打磨装置ꎬ对打磨压力进行控制ꎻ林文强等[3]提出一种可调节压力的气囊支撑装置ꎬ用于提高薄壁件加工精度.Chen等[4]提出一种末端执行器ꎬ用于对薄壁整体叶盘磨抛过程中主动接触力的控制.Dai等[5]设计一种具有较好阻尼性能的气电混合式末端执行器ꎬ改善控制系统的响应时间和控制带宽.Mohammad等[6]提出一种力控末端执行器ꎬ通过调节音圈电机的伸缩实现刀具柔度.Ma等[7]设计一种主动力控末端执行器ꎬ通过将其原型化为微型机械手研磨系统进行位置和力控制.Ding等[8]提出一种基于正负组合刚度机构的恒力装置.Jin等[9]设计一种调节旋转方向和气压来主动控制接触力大小的末端执行器.Mohammad等[10]提出一种可集成到机器人抛光单元中的力控末端执行器.Tommasino等[11]设计一种能够承受碰撞冲击力的双稳态机构末端执行器.为了实现恒力打磨ꎬ提高末端执行器从自由空间过渡到约束空间的顺应能力ꎬ解决控制过程中鲁棒性等问题ꎬ学者对机器人主动柔顺恒力控制方法开展了大量研究.史家顺等[12]提出一种跟随轨迹的变抛光力气动加载系统.许家忠等[13]提出一种基于位置控制的自适应阻抗控制器ꎬ解决机械臂末端位置判断问题和打磨轨迹在线补偿问题.张雷等[14]提出一种气动伺服抛光系统.王磊等[15]提出一种模糊预测算法.Xu等[16]提出一种将力/位置混合控制与PI/PD控制相结合方法.Mohsin等[17]提出一种基于刀具路径规划和抛光参数的复杂曲面机器人抛光控制方法.Gracia等[18]提出一种基于任务优先级和滑模控制的机器人表面处理混合位置/力控制方法.Kakinuma等[19]提出一种基于宏-微机构的机器人抛光控制系统ꎬ实现主轴快速动态力控制.Lakshminarayanan等[20]提出一种用于跟踪工件轮廓并实现位置和力实时调整的阻抗控制迭代学习控制器.Kana等[21]提出一种基于阻抗控制的协同曲线跟踪控制方法.在接触环境多变且不可预测的打磨加工场景下ꎬ上述控制方法[13ꎬ14ꎬ16ꎬ17ꎬ21]的控制性能对模型精度要求较高ꎬ且由于机器人打磨作业存在低刚度㊁小驱动带宽和低定位分辨率等问题[6]ꎬ控制方法[18]与控制器[20]计算量较大.由于机器人加工过程中打磨力非线性变化对工件的加工精度影响较大ꎬ传统PID控制并不能满足非线性系统的要求ꎬ而且会对系统的扰动放大[22].自抗扰控制技术具有实时估计系统内外部未知扰动并予以补偿㊁鲁棒性强和对模型依赖性低等特点[23]ꎬ近年来逐渐被应用于机器人领域ꎬ如机器人关节角跟踪[24]㊁机器人轨迹控制[25-27]等.本文将自抗扰控制技术应用于机器人打磨恒力控制ꎬ解决打磨过程中打磨控制系统存在的扰动问题.设计一种力控末端执行器ꎬ使机器人控制位置ꎬ末端执行器调节工件表面法线方向的打磨力ꎬ为实现恒力打磨的力和位置解耦控制提供结构基础ꎻ在末端执行器结构基础上ꎬ提出一种机器人主动柔顺恒力打磨控制方法ꎬ为机器人柔顺恒力控制提供一种实现途径.1㊀机器人力控末端执行器本文设计一种力控末端执行器结构ꎬ如图1a所示ꎬ其中ꎬ打磨电机通过连接主轴传递旋转运动到打磨工具ꎬ音圈电机提供打磨工具的伸缩平移控制ꎬ并采用滚珠花键副实现伸缩平移及旋转运动的解耦.所设计结构具有高集成化和通用性强等特点ꎬ其主要优势是可通过调节音圈电机伸缩量进而控制接触力ꎬ有效地避免了使用刚性末端执行器时因运动不准确导致工件变形或过切现象ꎬ为实现主动柔顺恒力控制提供优良结构基础.㊀㊀所设计结构关键部分包括伸缩平移组件(如图1b所示)和旋转运动组件(如图1c所示).其中:1)伸缩平移组件主要由音圈电机㊁导轨连接板㊁双列角接触球轴承与传力连接件组成.其主要优点有:①伸缩平移运行平稳.这得益于用于位置控制的中空型音圈电机的磁性外壳固定安装于腕部连接板上ꎬ线圈连接到导轨连接板上ꎬ可以确保设计刚性并防止运行期间打磨工具颤振对伸缩平移的影响.②结构紧凑.传递到导轨连接板的伸缩平移通过传力连接件和中空型力传感器传输到双列角接触球轴承的内侧ꎬ双列角接触球轴承的外侧与传力架过盈配合ꎬ同时允许传力架和传力连接件之间相对旋转运动ꎬ在平稳传递伸缩平移运动的同时ꎬ仅占用较小轴向空间ꎬ使末端执行器运动部件质量大幅度减小.2)旋转运动组件主要由打磨电机㊁主轴㊁深沟球轴承㊁传力架㊁法兰型滚珠花键副与打磨工具组成.其主要特点有:①平移和旋转运动可靠解耦.采用主轴将打磨电机输出的旋转运动通过机㊀㊀械传动形式传递给打磨工具ꎬ主轴上部连接至打磨电机ꎬ中间部分采用深沟球轴承支撑以承载径向负载ꎬ下部为具有滚道槽的花键轴段ꎬ与法兰型滚珠花键副连接ꎬ传力架连接至滚珠花键副将旋转运动传递给打磨工具ꎬ具备实现可靠伸缩平移同时传递扭矩的特点及打磨电机和主轴保持静止㊁打磨工具处旋转运动和伸缩平移互不干扰的优势.②通用性强.能够实现打磨工具与可胀锥度套之间无间隙的可靠夹紧和方便拆卸功能ꎻ且可与不同串联㊁并联型式机器人适配ꎬ适应多场景的打磨作业.图1㊀机器人力控末端执行器Fig.1㊀Roboticforcecontrolend ̄effector(a) 执行器结构ꎻ(b) 伸缩平移组件ꎻ(c) 旋转运动组件.2㊀机器人主动柔顺控制方法为了解决打磨过程中打磨控制系统存在扰动问题ꎬ本文设计一种自抗扰打磨控制器.同时ꎬ为了适应打磨作业接触环境多变工况ꎬ结合容易控制㊁计算量小的阻抗控制[13]ꎬ设计一种模糊变阻抗控制器.在此基础上ꎬ针对打磨非线性系统力波动影响打磨期望力跟踪效果㊁打磨力动态变化对控制精度影响较大等问题ꎬ提出一种机器人主动柔顺恒力打磨自抗扰模糊变阻抗控制方法.其中ꎬ内环控制采用所设计的模糊变阻抗控制器ꎬ用于补偿末端执行器位置误差并调节阻抗特性使得刚性与柔顺性主动适应多变打磨作业环境ꎬ外环控制采用所设计的自抗扰打磨控制器ꎬ用于动态调整打磨工具工作位置ꎻ内外环控制共同构成闭环控制回路ꎬ实现机器人主动柔顺恒力打磨.2 1㊀自抗扰打磨控制器本文的控制模型为二阶控制系统ꎬ可将其表示为如式(1)所示的非线性系统模型.㊆y(t)=f(̇y(t)ꎬy(t)ꎬω(t))+bu.(1)式中:f(̇y(t)ꎬy(t)ꎬω(t))为打磨过程中系统内外扰动总和ꎻy(t)为被控系统输出ꎻω(t)为打磨过程中时变扰动因素ꎻb为非零常数ꎻu为被控系统输入ꎬ将其转化为状态方程如式(2)所示.̇x1=x2ꎬ̇x2=x3+buꎬ̇x3=f(̇y(t)ꎬy(t)ꎬω(t))ꎬy=x1.üþýïïïïï(2)将式(2)写成式(3)所示的矩阵形式:̇x=Ax+B1u+B2f(̇y(t)ꎬy(t)ꎬω(t))=Ax+B1u+B2f(xꎬω).(3)式中:B1=[0b0]TꎻB2=[001]Tꎻ状态矢量x=[x1x2x3]TɪR3ꎻ系统矩阵A=010001000éëêêêùûúúú.在非线性系统中通常需要设计扩张状态观测器估计时变扰动[28-30].为了实现对打磨过程中时变扰动的估计与补偿ꎬ本文设计的扩张状态观测器如式(4)所示:^x =A^x+B1u+B2f(^xꎬω)+L(x-^x).(4)式中:L=β0100β0200β0300éëêêêêùûúúúúꎬ其中β01ꎬβ02ꎬβ03为扩张状态观测器增益参数ꎻ^x=[^x1^x2^x3]TɪR3为扩张状态观测器观测向量ꎬ^x1ꎬ^x2ꎬ^x3分别为x1ꎬx2ꎬx3观测值ꎻω=ω(t).为了获得更好的控制效果ꎬ将扩张状态观测器的状态误差信息输出[^x1^x2^x3]表示为非线性误差反馈控制量ꎬ设计如下反馈控制律:u=k1b(r-^x1)+k2b(̇r-^x2)+1b(㊆r-^x3).(5)式中:k1和k2为控制方法的参数ꎻr为输入信号xd的跟踪信号.将式(5)代入式(1)得㊆y(t)=f+k1(r-^x1)+k2(̇r-^x2)+(㊆r-^x3).(6)记r1=rꎬr2=̇rꎬr3=㊆rꎬ xi=xi-^xiꎬi=1ꎬ2ꎬ3ꎬ则有̇e1=̇r1-̇x1=r2-x2=e2ꎬ̇e2=̇r2-̇x2=㊀r3-(x3+bu)=㊀-k1(e1+ x1)-k2(e2+ x2)- x3.üþýïïïïï(7)设e=[e1e2]Tꎬ x= x1 x2 x3[]Tꎬ则式(7)可改写为̇e(t)=A1e(t)+A2 x(t).(8)式中:A1=㊀0㊀㊀1-k1-k2éëêêùûúúꎻA2=000-k1-k2-1éëêêùûúú.由于机器人打磨作业属于减材加工方式ꎬ通常不允许产生过切等现象.为了实现闭环系统的㊀㊀㊀㊀信号过渡ꎬ引入最速综合函数fhan()[23]ꎬ在保证快速跟踪的前提下使输入信号不产生超调ꎬ提高系统鲁棒性.具体形式如式(9)所示:a1=d(d+8|yx|)ꎬa2=ax+sign(yx)a1-d()/2ꎬsy=[sign(yx+d)-sign(yx-d)]/2ꎬa=(ax+yx-a2)sy+a2ꎬsa=[sign(a+d)-sign(a-d)]/2ꎬfhan=-r0[a/d-sign(a)]sa-r0sign(a).üþýïïïïïïïï(9)式中:r0为速度因子ꎻd=r0h20ꎻax=h0x2ꎻyx=x1+axꎻh0为滤波因子.由式(4)设计的扩张状态观测器和式(5)设计的误差反馈控制律ꎬ并结合式(9)中提供微分信号过渡的最速综合函数ꎬ得出以下离散自抗扰打磨控制器:1)跟踪微分器:fh=hfhan(r1(k)-xdꎬr2(k)ꎬr0ꎬh0)ꎬr1(k+1)=r1(k)+hr2(k)ꎬr2(k+1)=r2(k)+hfh.üþýïïïï(10)式中:h为采样周期ꎻfhan()为最速综合函数.2)误差反馈控制律:er1(k)=r1(k)-^x1(k)ꎬer2(k)=r2(k)-^x2(k)ꎬu0(k)=k1er1(k)+k2er2(k)ꎬu(k)=[u0(k)-^x3(k)]/b.üþýïïïïï(11)式中:er1为位置误差ꎻer2为位置误差的微分.3)扩张状态观测器:εw=^x1(k)-y(k)ꎬ^x1(k+1)=^x1(k)+h[^x2(k)-β01εw]ꎬ^x2(k+1)=^x2(k)+h[^x3(k)-β02εw+bu(k)]ꎬ^x3(k+1)=^x3(k)-hβ03εw.üþýïïïïï(12)式中ꎬεw为扩张状态观测器的观测误差.由式(10)~式(12)得出自抗扰打磨控制器ꎬ实现对位置误差估计与补偿.其对模型依赖性低ꎬ具有更高控制精度㊁稳定性和较强的鲁棒性.所设计自抗扰打磨控制器对应的控制框图如图2所示ꎬ具体流程为:1)采用跟踪微分器对给定期望位置xd信号进行平滑过渡处理ꎬ得到期望信号r1及其微分信号r2ꎻ2)误差反馈控制律将位置误差er1和位置误差的微分er2进行处理ꎬ获得控制量u0ꎻ3)扩张状态观测器对打磨过程中系统内外扰动总和进行状态观测^x1ꎬ^x2ꎬ^x3ꎬ其中^x1ꎬ^x2为期望信号的补偿ꎬ^x3为控制量u0的补偿.图2㊀自抗扰打磨控制器控制框图Fig.2㊀Controlblockdiagramofactivedisturbancerejectiongrindingcontroller2.2㊀扩张状态观测器收敛性分析扩张状态观测器将系统总扰动扩张成一个新的系统状态量ꎬ通过控制系统输入㊁输出将误差观测出来并加以补偿[31].本文采用Lyapunov稳定性理论对扩张状态观测器进行收敛性分析ꎬ证明在求解打磨非线性系统问题时自抗扰打磨控制器的跟踪误差收敛为零.由式(3)和式(4)得̇x-^x=(A-L)(x-^x)+B2[f(xꎬω)-f(^xꎬω)].(13)由于扩张状态观测器增益参数可以依据观测器带宽(σ)来设计参数[31]ꎬ即β01=3σꎬβ02=3σ2ꎬβ03=σ3ꎬ因此ꎬ式(13)可展开写成x1= x2-3σ x1ꎬx2= x3-3σ2x2ꎬ x3=f(xꎬω)-f(^xꎬω)-σ3 x3.üþýïïïï(14)令εi= xiσi-1ꎬi=1ꎬ2ꎬ3ꎬ式(14)可整理为̇ε=σAeε+B2f(xꎬω)-f(^xꎬω)σ2.(15)式中ꎬAe=-310-301-100éëêêêùûúúú为Hurwitz矩阵ꎬ则存在唯一的正定矩阵P满足ATeP+PAe=-Eꎬ(16)式中E为单位矩阵.若ε代表某一个向量ꎬ则取Lyapunov函数为V(ε)=εTPεꎬ得到̇V(ε)=-σ ε 2+2εTPB2f(xꎬω)-f(^xꎬω)σ2.(17)假设存在正常数nꎬ对于任意^xꎬ有|f(xꎬω)-f(^xꎬω)|ɤn x-^x ꎬ因此2εTPB2|f(xꎬω)-f(^xꎬω)|σ2ɤ2εTPB2n x-^xσ2.(18)当σȡ1ꎬx-^xσ2=x σ2=ε21+ε22σ2+ε23σ4σ2ɤ ε ꎬ因此2εTPB2|f(xꎬω)-f(^xꎬω)|σ2ɤ2 PB2n ε 2.(19)由式(17)和式(19)可得̇V(ε)ɤ(2 PB2n -σ) ε 2.(20)当σ>2 PB2n 时ꎬ̇V(ε)<0ꎬ于是当σ>2 PB2n ꎬlimtң¥ xi(t)=0ꎬi=1ꎬ2ꎬ3ꎬ因此假设成立ꎬ扩张状态观测器具有良好的收敛性与估计能力ꎬ证明了所设计自抗扰打磨控制器的跟踪误差能够收敛为零ꎬ能够较好实现对扰动的估计ꎬ为机器人主动柔顺恒力打磨控制方法收敛性问题提供理论分析基础.2.3㊀模糊变阻抗控制器本文为了实现恒力跟踪ꎬ将打磨作业过程的力与位置的动态变化通过阻抗来表征ꎬ并采用基于位置的阻抗控制间接控制力ꎬ即不直接控制音圈电机输出的伸缩驱动力ꎬ而是根据位置偏差信号间接控制音圈电机ꎬ通过与工件接触改变系统实际接触力ꎬ使实际接触力相对于期望接触力的力误差Fe逐渐趋近于零ꎬ实现打磨期望力Fn跟踪.打磨机器人作业系统经简化后建立基于位置的阻抗控制模型如式(21)所示:M(㊆x0-㊆xd)+B(̇x0-̇xd)+K(x0-xd)=Fe.(21)式中:MꎬB和K分别表示阻抗控制模型中的惯性系数㊁阻尼系数和刚度系数ꎻx0ꎬ̇x0和㊆x0分别表示机器人末端执行器的位置㊁速度和加速度ꎻxdꎬ̇xd和㊆xd分别表示机器人末端执行器的期望位置㊁期望速度和期望加速度.对于接触环境多变且不可预测的打磨作业场景ꎬ固定参数的阻抗控制无法根据任务或环境变化对输出值进行动态规划调整[32]ꎬ变参数阻抗控制可以较好地解决这一问题.模糊控制具有不依赖于被控对象精确数学模型和便于操作等特点[33].本文结合变参数阻抗控制和模糊控制的各自优点ꎬ根据力反馈信息得到的力误差Fe和误差变化ΔFe对阻抗参数MꎬB和K进行优化和输出ꎬ从而达到适应打磨多变接触环境和提高控制效果的目的.本文设计的模糊变阻抗控制器控制框图如图3所示.在模糊变阻抗控制器设计中ꎬ设定输入误差Fe和误差变化ΔFe两者的论域为[-3ꎬ3]ꎬ通过三角形隶属函数建立负大㊁负中㊁负小㊁零㊁正小㊁正中㊁正大共7个语言变量的模糊子集(NBꎬNMꎬNSꎬZ0ꎬPSꎬPMꎬPB)ꎬ根据控制要求设置每个值所取范围宽度相等ꎬ在模糊推理时采用并行法ꎻ输入模糊控制器的精确量经过模糊量化处理为模糊量ꎬ通过查询模糊规则表[33]ꎬ确定阻抗参数模糊量ꎬ将输出的模糊量通过加权平均法进行去模糊化得到精确输出变量ΔWMꎬΔWB和ΔWKꎬ将其代入修正关系式得到精确量输出WMꎬWB和WKꎬ修正关系式为WM=WMᶄ+ΔWMꎬWB=WBᶄ+ΔWBꎬWK=WKᶄ+ΔWK.üþýïïïï(22)式中ꎬWMᶄꎬWBᶄ和WKᶄ为设定的阻抗参数初始值.通过变参数实现动态调节力修正量ꎬ解决控制系统稳定性问题ꎬ实现对被控制对象的控制ꎬ满足任意时刻对阻抗参数进行优化和输出.图3㊀模糊变阻抗控制器控制框图Fig.3㊀Controlblockdiagramoffuzzyvariableimpedancecontroller2.4㊀机器人主动柔顺恒力打磨控制方法为了补偿末端执行器的位置误差并调节阻抗特性使得刚性与柔顺性主动适应多变打磨作业环境ꎬ本文结合以上设计的模糊变阻抗控制器和自抗扰打磨控制器ꎬ提出一种机器人主动柔顺恒力打磨自抗扰模糊变阻抗控制方法(简称为机器人主动柔顺恒力打磨控制方法)ꎬ实现动态调整打磨工具工作位置较好收敛到期望位置和恒力打磨.本文所提出的机器人主动柔顺恒力打磨控制方法对应控制框图如图4所示ꎬ具体流程如下:图4㊀机器人主动柔顺恒力打磨控制方法控制框图Fig.4㊀Controlblockdiagramofgrindingcontrolmethodofroboticactivecomplianceconstant ̄force㊀㊀1)给定期望位置xdꎬ自抗扰打磨控制器根据位置传感器反馈的打磨工具当前工作位置ꎬ对打磨模型和机器人扰动进行在线状态估计和信号补偿ꎻ㊀㊀㊀㊀2)自抗扰打磨控制器输出值作为阻抗模型的输入ꎬ通过阻抗模型建立末端执行器伸缩位移与接触力之间的关系ꎬ输出力的修正量进行力补偿ꎬ使力偏差趋近于零ꎬ避免力超调而产生过切现象ꎻ3)阻抗模型的阻抗参数采用模糊控制并考虑环境刚度补偿的力反馈信息进行优化和输出.㊀㊀在所构建的自抗扰模糊变阻抗闭环控制回路中ꎬ外环自抗扰打磨控制器根据在打磨初始条件下以及打磨过程中的期望位置和误差扰动ꎬ对位置误差进行估计与补偿ꎬ解决打磨过程中控制系统存在扰动的问题ꎻ内环模糊变阻抗控制器通过变参数实现动态调节力修正量ꎬ达到适应打磨多变接触环境和提高控制效果的目的.本文所提出的机器人主动柔顺恒力打磨控制方法ꎬ对末端执行器的打磨力进行补偿使其不发生超调ꎬ实现机器人主动柔顺恒力打磨.3㊀控制方法仿真与实验本文建立如图5所示机器人打磨虚拟样机ꎬ其由所设计的力控末端执行器㊁六自由度串联工业机器人及工件组成ꎬ并在该虚拟样机上开展Matlab与Adams联合仿真实验ꎬ验证提出的机器人主动柔顺恒力打磨控制方法的有效性.其中ꎬ工件为45号钢的非球面曲面.为避免末端执行器位姿变化量过大致使机器人系统影响打磨作业精度ꎬ将末端执行器设置为沿着工件非球面曲面的母线进行打磨(如图5b所示)ꎬ设置打磨力方向始终沿着非球面曲面法线方向ꎬ并指向非球面曲面.打磨电机转速设置为3000r/minꎬ将内环控制均设计为模糊变阻抗控制器ꎬ外环控制分别设计为PID控制器和自抗扰打磨控制器ꎬ分别得到PID模糊变阻抗控制器和自抗扰模糊变阻抗控制器ꎬ进行打磨仿真对比实验.两个控制器的参数是根据经验先进行粗调整ꎬ再作微调整ꎬ多次优化调整后ꎬ使期望目标值的接近程度达到约90%.采用两种控制器的仿真实验结果如图6和图7所示ꎬ打磨期望力均设置为20Nꎬ对应材料去除深度为0 07mm.图8为稳定打磨阶段打磨工具末端位置的误差分析对比图.通过对比可知ꎬPID模糊变阻抗控制器虽然能达到期望打磨力ꎬ但打磨力控制精度难以满足要求ꎬ力稳定性较差ꎬ最大力波动量为0 8Nꎬ稳定打磨阶段打磨工具末端位置的误差变化量较大ꎬ最大超调为1 26%ꎻ而自抗扰模糊变阻抗控制器能够显著地减小力变化量和打磨工具末端位置的误差变化量ꎬ对应的最大力波动量为0.52Nꎬ位置误差最大超调为0 67%.图5㊀工件与机器人及末端执行器虚拟样机Fig.5㊀Virtualprototypeofworkpieceꎬrobotꎬandend ̄effector(a) 机器人及末端执行器ꎻ(b) 工件.㊀㊀PID模糊变阻抗控制器和自抗扰模糊变阻抗控制器的仿真实验结果如表1所示.其中ꎬFmax为最大打磨力ꎬFmin为最小打磨力ꎬFb为最大力波动量ꎬEF为打磨力平均误差ꎬSF为打磨力方差ꎬΔX0为稳定打磨阶段打磨工具末端位置的误差波动范围.㊀㊀对比PID模糊变阻抗控制器的仿真结果可以看出ꎬ自抗扰模糊变阻抗控制器能显著地减小力波动ꎬ打磨力稳定性提高35%ꎬ打磨力平均误差减小33%ꎬ打磨力方差减小67%ꎬ稳定打磨阶段打磨工具末端位置的误差波动范围减小49 8%.上述分析结果表明ꎬ所提出的机器人主动柔顺恒力打磨控制方法能够较好地实现恒力打磨㊁减小打磨力波动与稳定打磨阶段打磨工具末端位置的误差波动范围.㊀㊀图6㊀PID模糊变阻抗控制器仿真(期望力20N)Fig.6㊀SimulationofPIDfuzzyvariableimpedancecontroller(desiredforce20N)b) 打磨工具位移量.图7㊀自抗扰模糊变阻抗控制器仿真(期望力20N)Fig.7㊀Simulationofactivedisturbancerejectionfuzzyvariableimpedancecontroller(desiredforce20N)(a) 打磨力ꎻ() 打磨工具位移量.图8㊀稳定打磨阶段打磨工具末端位置误差分析对比图(期望力20N)Fig.8㊀Comparisondiagramoferrorvalueanalysisofgrindingtoolendpositioninstablegrindingstage(desiredforce20N)(a) PID模糊变阻抗控制器ꎻ(b) 自抗扰模糊变阻抗控制器.㊀㊀在机器人打磨作业时ꎬ应根据所需材料去除量调节打磨力.为了进一步验证所提出的机器人主动柔顺恒力打磨控制方法在不同打磨力下的适用性ꎬ对打磨期望力分别为30N和40N的工况在上述相同打磨条件下开展仿真对比实验.仿真实验结果如图9至图14所示.表1㊀仿真实验数据Table1㊀Simulationdata参数PID模糊变阻抗控制器自抗扰模糊变阻抗控制器Fmax/N20.7120.62Fmin/N19.5519.58Fb/N0.80.52EF/N0.06300.0424SF/N20.09280.0309ΔX0/mm-0.0107~0.0126-0.0049~0.0067㊀㊀图9㊀PID模糊变阻抗控制器仿真(期望力30N)Fig.9㊀SimulationofPIDfuzzyvariableimpedancecontroller(desiredforce30N)(a) 打磨力ꎻ(b) 打磨工具位移量.图10㊀自抗扰模糊变阻抗控制器仿真(期望力30N)Fig.10㊀Simulationofactivedisturbancerejectionfuzzyvariableimpedancecontroller(desiredforce30N)(a) 打磨力ꎻ(b) 打磨工具位移量.图11㊀打磨期望力稳定打磨阶段打磨工具末端位置误差分析对比图(期望力30N)Fig.11㊀Analysisandcomparisondiagramofpositionerrorvalueattheendofgrindingtoolatthestageofstablegrindingwithdesiredforce(desiredforce30N)(a) PID模糊变阻抗控制器ꎻ(b) 自抗扰模糊变阻抗控制器.㊀㊀由图9至图14可知ꎬ相同的打磨转速下ꎬ自抗扰模糊变阻抗控制器能够更准确跟踪期望力ꎬ稳定打磨阶段打磨工具末端位置的误差变化量更小ꎬ不会出现较大超调.因此ꎬ本文所提出的机器人主动柔顺恒力打磨控制方法能够获得更小力/位置误差ꎬ同时解决了控制系统稳定性和收敛性问题ꎬ对于机器人打磨作业具有较好的有效性与适用性.在相同打磨转速(3000r/min)下ꎬ设置打磨期望力初始值为20Nꎬ然后上升至25Nꎬ开展打㊀㊀磨期望力跟踪仿真实验ꎬPID模糊变阻抗控制器和自抗扰模糊变阻抗控制器的力跟踪仿真对比结果如图15所示.图12㊀PID模糊变阻抗控制器仿真(期望力40N)Fig.12㊀SimulationofPIDfuzzyvariableimpedancecontroller(desiredforce40N)(a) 打磨力ꎻ(b) 打磨工具位移量.图13㊀自抗扰模糊变阻抗控制器仿真(期望力40N)Fig.13㊀Simulationofactivedisturbancerejectionfuzzyvariableimpedancecontroller(desiredforceof40N)(a) 打磨力ꎻ(b) 打磨工具位移量.图14㊀打磨期望力稳定打磨阶段打磨工具末端位置误差分析对比图(期望力40N)Fig.14㊀Analysisandcomparisondiagramofpositionerrorvalueattheendofgrindingtoolatthestageofstablegrindingwithdesiredforce(desiredforce40N)(a) PID模糊变阻抗控制器ꎻ(b) 自抗扰模糊变阻抗控制器.㊀㊀分析可知ꎬ在初始阶段自抗扰模糊变阻抗控制器能够减小力的波动量ꎬ尽管在过渡阶段由于跟踪微分器的作用致使调节时间延长ꎬ但是最终能够在不发生超调情况下跟踪变化的期望跟踪力ꎬ有效避免机器人打磨作业中发生过切问题ꎬ而PID模糊变阻抗控制器为了较快完成过渡阶段易引起超调而致使打磨作业发生过切现象ꎻ在力跟踪实验中ꎬ自抗扰模糊变阻抗控制器的最大力波㊀㊀动量为0 49Nꎬ而PID模糊变阻抗控制器的最大力波动量为0 96N.仿真结果表明ꎬ所提出的机器人主动柔顺恒力打磨控制方法能够较好地实现从某个期望力切换到另一个期望力ꎬ可以有效提高打磨力控制系统的稳定性和鲁棒性.图15㊀力跟踪效果对比Fig.15㊀Comparisonofforcetrackingeffect㊀㊀本文机器人实验平台如图16所示ꎬ选用ABBIRB-4600机器人及IRC5控制器和示教器作为机器人实验平台ꎬBECKHOFF公司CX-260354嵌入式控制器作为实验平台控制设备ꎬ上位机控制器采用基于PC的控制软件TwinCAT3.上位机控制器与机器人IRC5控制器之间采用套接字通讯ꎬ与传感器之间采用EtherCAT通讯.实验中机器人运行提前示教的目标点ꎬ上位机控制器连接力传感器ꎬ力传感器将接收的实时力信息转换为数字信号输入到BECKHOFF控制器ꎬ经本文所提出的力控方法计算出相关控制修正量ꎻ机器人末端执行器作为下位机向上位机发送实时位姿信息ꎬ并接收所提出力控方法计算的修正位姿信息修改当前运动轨迹ꎬ从而控制机器人进行恒力打磨实验.图16㊀机器人打磨实验平台Fig.16㊀Roboticgrindingexperimentplatform㊀㊀在机器人恒力打磨实验中ꎬ打磨期望力均设置为10Nꎬ分别采用PID模糊变阻抗控制方法和本文所提出的机器人主动柔顺恒力打磨控制方法ꎬ对应力控制结果分别如图17和图18所示.实验结果表明ꎬPID模糊变阻抗控制方法有明显的力控延时ꎬ实时性效果差ꎬ在稳定阶段力误差波动约ʃ3.4N.与之比较ꎬ本文所提出的控制方法虽然初始阶段力超调量略大ꎬ但能够较快调整ꎬ在稳定阶段力误差波动在ʃ1.8N以内ꎬ与前者实验结果比较ꎬ力误差波动较小ꎬ力控制性能更加稳定ꎬ有效改善了力控延时.通过机器人实验验证了所提出方法的有效性.图17㊀PID模糊变阻抗控制打磨力Fig.17㊀GrindingforceofPIDfuzzyvariableimpedancecontrol图18㊀自抗扰模糊变阻抗控制打磨力Fig.18㊀Grindingforceofactivedisturbancerejectionfuzzyvariableimpedancecontrol4㊀结㊀㊀论1)本文针对机器人在打磨过程中采用刚性末端执行器控制精度不足问题ꎬ设计了一种力控末端执行器ꎬ实现机器人力控制和位置控制的解耦ꎬ在保证机器人恒力控制前提下ꎬ又能保证位置控制精度和响应速度ꎬ具有高集成化和通用性强等特点.2)提出了一种机器人主动柔顺恒力打磨自抗扰模糊变阻抗控制方法ꎬ内环控制为模糊变阻抗控制器ꎬ外环控制为自抗扰打磨控制器.采用Lyapunov稳定性理论开展了收敛性分析ꎬ证明了所提方法的无误差估计能力ꎬ并通过Matlab与Adams联合仿真验证了所提方法的有效性和适用性.3)对比PID模糊变阻抗控制器仿真结果表明ꎬ在相同打磨条件下ꎬ本文方法使打磨力稳定性提高35%ꎬ打磨力平均误差减小33%ꎬ打磨力方差减小67%ꎬ稳定打磨阶段打磨工具末端位置误差的波动范围减小49.8%ꎬ具有更好的力跟踪效果ꎬ能够有效地提高打磨力控制系统的稳定性和鲁棒性.并通过机器人对比实验ꎬ验证了所提方法较PID模糊变阻抗控制方法具有更小的力误差波动与更加稳定的力控性能ꎬ有效改善了力控延时ꎬ在稳定打磨阶段力误差波动控制在ʃ1.8N以内.本文方法可为机器人实现恒力打磨提供一种力控方法参考.参考文献:[1]㊀ZhuWLꎬBeaucampA.Compliantgrindingandpolishing:areview[J].InternationalJournalofMachineToolsandManufactureꎬ2020ꎬ158:103634.[2]㊀黄智ꎬ周涛ꎬ吴湘ꎬ等.机器人气囊抛光SiC光学元件加工特性研究[J].西安交通大学学报ꎬ2020ꎬ54(12):22-29.(HuangZhiꎬZhouTaoꎬWuXiangꎬetal.SiCopticalelementprocessingunderrobotbonnetpolishing[J].JournalofXi anJiaotongUniversityꎬ2020ꎬ54(12):22-29.) [3]㊀林文强ꎬ焦明裕ꎬ赵西松ꎬ等.可调节气囊提高航空薄壁件加工精度的研究[J].东北大学学报(自然科学版)ꎬ2017ꎬ38(3):390-394.(LinWen ̄qiangꎬJiaoMing ̄yuꎬZhaoXi ̄songꎬetal.Studyonimprovingthemachiningaccuracyofaviaticthin ̄walledpartswiththeadjustableairbag[J].JournalofNortheasternUniversity(NaturalScience)ꎬ2017ꎬ38(3):390-394.) [4]㊀ChenFꎬZhaoHꎬLiDꎬetal.Contactforcecontrolandvibrationsuppressioninroboticpolishingwithasmartendeffector[J].RoboticsandComputer ̄IntegratedManufacturingꎬ2019ꎬ57:391-403.[5]㊀DaiJꎬChenCYꎬZhuRꎬetal.Suppressvibrationonroboticpolishingwithimpedancematching[J].Actuatorsꎬ2021ꎬ10(3):59-78.[6]㊀MohammadAEKꎬHongJꎬWangD.Designofaforce ̄controlledend ̄effectorwithlow ̄inertiaeffectforroboticpolishingusingmacro ̄minirobotapproach[J].RoboticsandComputer ̄IntegratedManufacturingꎬ2018ꎬ49:54-65. [7]㊀MaZꎬPooANꎬAngMHꎬetal.Designandcontrolofanend ̄effectorforindustrialfinishingapplications[J].RoboticsandComputer ̄IntegratedManufacturingꎬ2018ꎬ53:240-253.[8]㊀DingBꎬZhaoJꎬLiY.Designofaspatialconstant ̄forceend ̄effectorforpolishing/deburringoperations[J].TheInternationalJournalofAdvancedManufacturingTechnologyꎬ2021ꎬ116(11):3507-3515.[9]㊀JinMꎬJiSꎬPanYꎬetal.Effectofdownwarddepthandinflationpressureoncontactforceofgasbagpolishing[J].PrecisionEngineeringꎬ2017ꎬ47:81-89.[10]MohammadAEKꎬHongJꎬWangDꎬetal.Synergisticintegrateddesignofanelectrochemicalmechanicalpolishingend ̄effectorforroboticpolishingapplications[J].RoboticsandComputer ̄IntegratedManufacturingꎬ2019ꎬ55:65-75. [11]TommasinoDꎬBottinMꎬCiprianiGꎬetal.Developmentandvalidationofanend ̄effectorformitigationofcollisions[J].JournalofMechanicalDesignꎬ2022ꎬ144(4):043301[12]史家顺ꎬ董金龙ꎬ刘聪ꎬ等.随五轴加工轨迹变抛光力的控制策略与方法[J].东北大学学报(自然科学版)ꎬ2020ꎬ41(1):89-94.(ShiJia ̄sunꎬDongJin ̄longꎬLiuCongꎬetal.Controlstrategyandmethodforvariablepolishingforceadaptingtothe5 ̄axismachiningtrajectory[J].JournalofNortheasternUniversity(NaturalScience)ꎬ2020ꎬ41(1):89-94.)[13]许家忠ꎬ郑学海ꎬ周洵.复合材料打磨机器人的主动柔顺控制[J].电机与控制学报ꎬ2019ꎬ23(12):151-158.(XuJia ̄zhongꎬZhengXue ̄haiꎬZhouXun.Activeandcompliantcontrolofthecompositepolishingrobot[J].ElectricMachinesandControlꎬ2019ꎬ23(12):151-158.) [14]张雷ꎬ周宛松ꎬ卢磊ꎬ等.抛光力实时控制策略研究[J].东北大学学报(自然科学版)ꎬ2015ꎬ36(6):853-857.(ZhangLeiꎬZhouWan ̄songꎬLuLeiꎬetal.Researchonreal ̄timecontrolstrategiesofpolishingforce[J].JournalofNortheasternUniversity(NaturalScience)ꎬ2015ꎬ36(6):853-857.)[15]王磊ꎬ柳洪义ꎬ王菲.在未知环境下基于模糊预测的力/位混合控制方法[J].东北大学学报(自然科学版)ꎬ2005ꎬ26(12):1181-1184.(WangLeiꎬLiuHong ̄yiꎬWangFei.Position/forcecontrolbasedonfuzzypredictioninunknownenvironment[J].JournalofNortheasternUniversity(NaturalScience)ꎬ2005ꎬ26(12):1181-1184.)[16]XuXHꎬZhuDHꎬZhangHYꎬetal.Applicationofnovelforcecontrolstrategiestoenhanceroboticabrasivebeltgrindingqualityofaero ̄engineblades[J].ChineseJournalofAeronauticsꎬ2019ꎬ32(10):2368-2382.[17]MohsinIꎬHeKꎬLiZꎬetal.Pathplanningunderforcecontrolinroboticpolishingofthecomplexcurvedsurfaces[J].AppliedSciencesꎬ2019ꎬ9(24):5489-5511.[18]GraciaLꎬSolanesJEꎬMu noz ̄BenaventPꎬetal.Adaptiveslidingmodecontrolforroboticsurfacetreatmentusingforcefeedback[J].Mechatronicsꎬ2018ꎬ52:102-118.[19]KakinumaYꎬOgawaSꎬKotoK.Robotpolishingcontrolwithanactiveendeffectorbasedonmacro ̄micromechanismandtheextendedPreston slaw[J].CIRPAnnalsꎬ2022ꎬ71(1):341-344.[20]LakshminarayananSꎬKanaSꎬMohanDMꎬetal.Anadaptiveframeworkforroboticpolishingbasedonimpedancecontrol[J].TheInternationalJournalofAdvancedManufacturingTechnologyꎬ2020ꎬ112(1/2):401-417.[21]KanaSꎬLakshminarayananSꎬMohanDMꎬetal.Impedancecontrolledhuman–robotcollaborativetoolingforedgechamferingandpolishingapplications[J].RoboticsandComputer ̄IntegratedManufacturingꎬ2021ꎬ72:102199. [22]张铁ꎬ吴圣和ꎬ蔡超.基于浮动平台的机器人恒力控制研磨方法[J].上海交通大学学报ꎬ2020ꎬ54(5):515-523.(ZhangTieꎬWuSheng ̄heꎬCaiChao.Constantforcecontrolmethodforroboticdiskgrindingbasedonfloatingplatform[J].JournalofShanghaiJiaoTongUniversityꎬ2020ꎬ54(5):515-523.)[23]韩京清.自抗扰控制技术:估计补偿不确定因素的控制技术[M].北京:国防工业出版社ꎬ2008.(下转第109页)㊀㊀。
五自由度机械臂运动和控制仿真分析
五自由度机械臂运动和控制仿真分析一、本文概述随着机器人技术的快速发展,机械臂作为其中的重要组成部分,已在工业自动化、医疗、航空航天等领域得到广泛应用。
机械臂的运动和控制问题是机器人研究领域的核心问题之一。
本文旨在探讨五自由度机械臂的运动学和动力学模型,分析其运动特性,并在此基础上研究其控制策略,为机械臂的精确控制和优化提供理论支持。
文章首先介绍五自由度机械臂的基本结构和运动学原理,阐述其运动学模型的建立过程。
然后,通过拉格朗日方法或牛顿-欧拉方法建立机械臂的动力学模型,分析其在不同运动状态下的动力学特性。
接着,文章将研究机械臂的控制策略,包括位置控制、速度控制和力控制等,通过仿真实验验证控制策略的有效性。
文章将总结五自由度机械臂的运动和控制特性,并展望未来的研究方向。
本文的研究对于提高机械臂的运动精度、稳定性和效率具有重要意义,有望为机械臂在实际应用中的优化和升级提供理论指导和技术支持。
二、五自由度机械臂的结构与特点五自由度机械臂是一种高度灵活和复杂的机器人系统,其结构设计和特点决定了其在运动和控制方面的性能。
五自由度机械臂通常包括一个基座、一个旋转关节、两个或更多个移动关节以及一个末端执行器。
这种配置使得机械臂可以在三维空间中实现广泛的运动范围,从而满足各种复杂任务的需求。
结构设计:五自由度机械臂的结构设计通常遵循模块化原则,每个关节都由一个电机、减速器和传动机构组成。
基座关节负责机械臂的整体定位和姿态调整,而移动关节则负责实现末端执行器在三维空间中的精确移动。
这种结构设计使得机械臂具有较高的刚性和稳定性,同时也便于维护和升级。
灵活性:五自由度机械臂的灵活性是其最大的特点之一。
通过合理控制各个关节的运动,机械臂可以在复杂环境中实现精确的操作。
例如,在装配线上,五自由度机械臂可以准确地抓取和放置不同大小和形状的零件;在医疗领域,五自由度机械臂可以用于执行精细的手术操作。
控制精度:为了实现精确的运动控制,五自由度机械臂通常配备有高性能的控制系统。
机械臂动作的控制
机械臂动作的控制1. 引言机械臂是一种具有多个关节链接的机械结构,可以模拟人类手臂的运动。
机械臂的控制是指通过控制机械臂的关节运动,实现特定的动作。
在实际应用中,机械臂的控制技术被广泛应用于工业自动化、医疗器械、军事等领域。
本文将介绍机械臂动作的控制方法。
2. 机械臂的结构和工作原理机械臂通常由若干个关节和连接件组成。
每个关节都可以用来控制机械臂在不同方向上的运动。
机械臂的运动由控制信号驱动,通过控制信号改变关节的角度,从而实现机械臂的运动。
机械臂可以通过直接控制关节角度、位置或速度来实现特定的动作。
3. 机械臂动作的控制方法3.1 关节角度控制机械臂的关节角度控制是最基本的控制方法之一。
通过改变每个关节的角度,可以控制机械臂在不同方向上的运动。
关节角度控制通常使用 PID 控制器进行实现。
PID 控制器通过测量关节当前的角度和设定的目标角度之间的误差,然后根据误差的大小调整控制信号,使机械臂逐渐接近目标位置。
3.2 关节位置控制机械臂的关节位置控制是在关节角度控制的基础上进一步发展而来的控制方法。
通过设定机械臂的目标位置,然后计算每个关节对应的目标角度,从而实现机械臂的移动。
关节位置控制通常需要使用逆运动学方法来求解关节角度。
逆运动学是通过已知目标位置求解关节角度的数学方法,可以根据机械臂的几何参数和关节限制条件来计算关节角度。
3.3 关节速度控制机械臂的关节速度控制是指控制机械臂的关节达到特定速度的控制方法。
通过设定关节的目标速度,然后控制关节的运动速度,机械臂可以实现特定的动作。
关节速度控制通常使用速度环控制器来实现。
速度环控制器通过测量关节的实际速度和设定的目标速度之间的误差,并根据误差大小调整控制信号,从而控制关节的运动速度。
4. 机械臂动作控制的实例4.1 机械臂的抓取动作机械臂的抓取动作是机械臂最常见的应用之一。
通过控制机械臂的关节角度,使机械臂达到适当的位置和角度,然后使用夹爪或其他工具来抓取目标物体。
柔性机械手臂的动力学建模研究
柔性机械手臂的动力学建模研究机器人技术的快速发展为工业自动化带来了重大意义的突破,其中的柔性机械臂也是其中的一大亮点。
柔性机械臂以其具有的柔性、高精度、低惯性等优点,被广泛应用于各个领域的生产和加工工作中,但是柔性机械臂的特殊性质使得其动力学建模存在困难,甚至有些复杂。
因此,本文将详细探讨柔性机械手臂的动力学建模研究。
一、柔性机械手臂的基本概述柔性机械臂的特殊性质在于其结构柔软且运动自由度多,同时由于受到弯曲、扭曲、伸展等多种形变影响,运动学和动力学关系极其复杂,这对动力学建模提出了很高的挑战。
在动力学建模的过程中,基于“柔性”的假设将变形的机械臂重新处理成一个具有连续分布的质量-弹性分布系统,通过利用Euler-Bernoulli和Timoshenko等经典理论可得到模型参数。
柔性机械臂建模的主要目标是求解机械臂在外部力作用下的位移、速度、加速度等信息,从而获得机械臂的动态响应。
二、柔性机械手臂的建模方法基于质量弹性分布的模型在建模过程中非常有用,这意味着考虑柔性机械臂上所有点的质量和弹性特性,同时考虑不同点之间的相互作用。
针对运动方程的构建,通常有三种主要方法:欧拉角动力学建模法、Quaternions动力学建模法和本体角动力学建模法等。
欧拉角动力学建模法:经典的欧拉角模型在柔性机械臂动力学建模方面得到了广泛的应用。
本模型基于欧拉角运动方程,其中的角度限制引起了机械臂姿态的不连续性和奇异性。
Quaternions动力学建模法:正是因为欧拉角动力学建模法存在的不连续性和奇异性问题,该问题也被Quaternions动力学建模法很好地解决了。
这个模型附属于一个四元数系统,它具有更好地解决方案的不连续性和奇异性等方面的优势,因此应用广泛。
本体角动力学建模法:柔性机械臂相对于地面的位移和基本运动轴之间的关系通常称为本体运动。
这种类型的建模方法可以用于需要计算机身姿态运动的场合。
但是,本体角动力学建模法也存在“万向锁”问题,限制了它在柔性机械臂领域的应用。
机械臂控制器 机械臂运动控制与轨迹规划方法介绍
机械臂控制器机械臂运动控制与轨迹规划方法介绍机械臂控制器机械臂运动控制与轨迹规划方法介绍机械臂作为一种重要的自动化设备,广泛应用于工业生产线、仓储物流等领域。
机械臂的运动控制和轨迹规划是保证机械臂正常工作和高效运行的关键。
在本文中,我将介绍机械臂控制器的基本原理和常用的机械臂运动控制与轨迹规划方法。
一、机械臂控制器的基本原理机械臂控制器是实现机械臂运动控制的关键设备,其基本原理如下:1. 传感器数据采集:机械臂控制器通过内置传感器或外接传感器获取机械臂的位置、速度和力等数据。
2. 数据处理与分析:控制器对传感器采集到的数据进行处理和分析,得出机械臂当前位置及状态。
3. 控制命令生成:基于机械臂的当前状态,控制器生成相应的控制指令,包括力/位置/速度等。
4. 控制信号输出:控制器将生成的控制指令转化为电信号输出给机械臂执行机构。
5. 反馈控制:机械臂执行机构通过传感器反馈实际执行情况给控制器,以实现闭环控制和误差校正。
二、机械臂运动控制方法机械臂运动控制方法常见的有以下几种:1. 位置控制:通过控制机械臂的关节位置,实现精确的运动控制。
位置控制适用于需要机械臂准确到达目标位置的场景,如精密装配、焊接等。
2. 力控制:通过控制机械臂的力传感器,实现对执行器施加的力的控制。
力控制适用于需要机械臂对外界力做出动态响应的场景,如物料搬运、协作操作等。
3. 轨迹控制:通过控制机械臂的关节位置或末端执行器的位姿,实现沿预定轨迹运动。
轨迹控制适用于需要机械臂按照特定轨迹完成任务的场景,如拾取放置、喷涂等。
三、机械臂轨迹规划方法机械臂的轨迹规划方法决定了机械臂在特定任务中的运动轨迹。
1. 离散点插补:将机械臂的预定轨迹划分为多个点,通过插值计算相邻点之间的中间点,实现机械臂的平滑运动。
2. 连续路径规划:基于数学模型和运动学计算,实现对机械臂路径的连续规划和优化。
常用的连续路径规划方法包括样条曲线插值、最优化算法等。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
机械臂关节柔顺性控制策略研究
机械臂作为一种重要的工业自动化设备,广泛应用于各个领域。
然而,传统的
机械臂关节控制方法往往是僵硬的,缺乏灵活性和柔顺性。
为了提高机械臂在复杂工作环境下的性能,研究人员开始关注机械臂关节的柔顺性控制策略。
关节柔顺性控制是指机械臂关节能够在不同的任务和工作环境中实现平滑、连
续和柔和的运动。
这种控制策略不仅可以增强机械臂在高速和高精度任务中的运动表现,还可以提高机械臂在与人类进行合作操作时的安全性。
为了实现机械臂关节的柔顺性控制,研究人员主要从以下几个方面展开研究。
首先,采用先进的传感器技术是实现柔顺性控制的基础。
通过在机械臂关节上
安装力、力矩或压力传感器等传感器,可以实时地获取关节的运动状态和受力情况。
这些传感器可以为控制算法提供关键的信息,使机械臂能够及时响应外部环境的变化,并做出柔和的动作。
其次,开发高性能的控制算法是关节柔顺性控制的核心。
传统的机械臂关节控
制算法往往只考虑到位置和速度的控制,缺乏对力和力矩的控制。
而关节柔顺性控制需要综合考虑位置、速度、力和力矩等因素,采用先进的控制理论和方法进行设计。
例如,可以采用模型预测控制、自适应控制或弹性元件控制等方法,实现关节力的控制和力矩的平衡,从而使机械臂关节能够更加柔和地运动。
此外,改进机械臂关节的结构设计也是提高柔顺性控制性能的重要手段。
目前,一些新型的关节结构已经出现,如柔性结构关节和弹性杆件关节等。
这些新型关节结构可以通过动态刚度调节和自适应控制,实现关节刚度的变化。
通过合理设计关节的刚度特性,可以进一步增强机械臂关节的柔顺性,并适应不同的工作任务和工作环境。
最后,机械臂关节柔顺性控制策略的研究还需要考虑到现实工业应用的可行性
和可靠性。
在实际工作环境中,机械臂往往需要长时间、高负荷的工作。
因此,在
设计关节柔顺性控制策略时,需要考虑到控制算法的实时性、计算复杂性和稳定性等问题。
只有设计出既满足控制要求又能够实际应用的柔顺性控制策略,才能真正提高机械臂关节的性能和实用性。
综上所述,机械臂关节柔顺性控制策略的研究具有重要的理论和应用意义。
通
过采用先进的传感器技术、高性能的控制算法和合理设计关节结构,可以实现机械臂关节在不同工作环境下的平滑、连续和柔和的运动。
这将为机械臂在工业自动化、协作操作和服务机器人等领域的应用提供更广阔的空间和更高的性能。