未確知環(huán)境下機器人力控制技術研究.pdf

1、隨著機器人應用領域的不斷擴展和對機器人智能化要求的不斷提高，以往以位置控制為主的機器人控制方法已不能滿足某些復雜環(huán)境(裝配、拋光、去毛刺、助力機器人、康復機器人)的應用要求，機器人與環(huán)境間力/位置控制方法同時實現(xiàn)機器人末端接觸力和位置期望值跟蹤控制，適應了機器人在復雜環(huán)境中運動控制的要求。本文主要針對機器人參數(shù)攝動及外界工作環(huán)境接觸剛度的不確定性進行力/位置控制研究和探討，主要研究結果概括如下：
　　 1.考慮摩擦及外界干擾的情

2、況下，針對具有參數(shù)不確定性的機器人系統(tǒng)，提出三種利用神經(jīng)網(wǎng)絡來進行不確定性補償?shù)牧?位置控制方法。方法一，通過神經(jīng)網(wǎng)絡補償機器人模型的未建模動力學部分等參數(shù)不確定性帶來的影響，同時在力控制回路中采用灰色預測模糊調(diào)節(jié)，以提高系統(tǒng)的動態(tài)性能和穩(wěn)態(tài)精度；方法二，利用模糊CMAC神經(jīng)網(wǎng)絡設計魯棒自適應補償控制器，保證輸出跟蹤誤差漸進收斂到零；方法三，使用神經(jīng)網(wǎng)絡補償機器人本身的不確定性，并采用RLS算法對環(huán)境參數(shù)進行在線估計，進而確定合適的阻抗

3、參數(shù)對機器人進行控制。三種控制方法的仿真結果皆表明對于模型參數(shù)攝動和變化的工作環(huán)境，可以使機器人系統(tǒng)具有良好的魯棒性和適應能力。
　　 2.針對環(huán)境剛度未確知情況下的位控機器人進行力控制研究，提出四種控制方法。方法一，利用遺傳算法優(yōu)化模糊控制器的參數(shù)，引入灰色預測決策機制使控制器對機器人和環(huán)境之間的動態(tài)接觸過程具有適應能力；方法二，利用遞推最小二乘算法根據(jù)機器人對未知接觸環(huán)境的動態(tài)響應來在線估計環(huán)境參數(shù)，然后選擇一個合適的模糊控

4、制規(guī)則調(diào)整因子對力控向量進行控制；方法三，利用模糊神經(jīng)網(wǎng)絡進行機器人力控制來適應未知環(huán)境的變化，根據(jù)機器人對未知環(huán)境的動態(tài)響應來對未知環(huán)境進行分類，然后選擇一個合適的模糊神經(jīng)網(wǎng)絡力控制器對機器人進行控制；方法四，模糊控制器取代傳統(tǒng)模型參考自適應控制中的反饋控制器，得到模型參考模糊自適應力控制策略。四種控制方法均采用把力控制器的輸出作為機器人位置控制部分給定的修正值，通過提高位置控制的精度達到控制力的目的，保證機器人與剛度變化較大的環(huán)境接

5、觸時，獲得較好的力跟蹤性能。
　　 3.針對機器人力控制時所對應的受限運動控制問題，即同時滿足機器人自由空間的位置跟蹤能力和約束空間的力跟蹤能力，提出兩種智能控制方法來解決此問題。方法一，在阻抗控制器中引入滑?？刂?，以克服傳統(tǒng)的阻抗控制器中由于機器人或環(huán)境的不確定性和干擾而造成的魯棒性差的問題；方法二，采用神經(jīng)網(wǎng)絡補償機器人位置控制時的不確定性，當機器人末端與環(huán)境接觸時，通過轉(zhuǎn)矩換算得到實際的接觸力，無須使用力傳感器就可以同時控

6、制機器人力和位置。兩種控制方法都可以使得機器人在自由空間可以做未受約束運動，具有位置跟蹤能力，在面接觸空間做受約束運動，具有力跟蹤的能力。
　　 4.綜合阻抗控制和混合力/位控制的優(yōu)點，提出三種基于視覺的機器人力控制方法。方法一，利用視覺傳感器的測量特點，對未知環(huán)境邊緣進行估計獲得位控和力控方向，根據(jù)位控和力控方向?qū)C器人終端的運動軌跡進行規(guī)劃，采用阻抗控制器使機器人獲得了較好的柔順性；方法二，通過力反饋信息對未知環(huán)境中的法線方