机器人控制

机器人控制,参考书目,Bruno Siciliano, Lorenzo Sciavicco, et al. Robotics: Modeling, planning and control. 蔡自兴. 机器人学（第二版）. 北京：清华大学出版社，2009 谭民，徐德，侯增广等.先进机器人控制. 北京：高等教育出版社， 2007.,本章内容,机器人控制概述 机器人控制分类 机器人控制系统硬件配置及结构 机器人的位置控制 机器人的力控制 总结,学习目标,了解机器人控制的基本概念 掌握机器人控制的分类及特点 掌握机器人的位置控制方法 深入理解机器人的力控制方法，包括直接力控制，阻抗控制等,一. 机器人控制技术综述,“控制”的目的 是使被控对象产生控制者所期望的行为方式 “控制”的基本条件是了解被控对象的特性 “实质”是对驱动器输出力矩的控制,输入X,被控对象的模型,输出Y,目 的,机器人控制的两个问题：1）求机器人的动态模型（动力学问题）；2）根据动态模型设计控制规律,机器人技术与控制学科的关系,机器人控制国际视野,IEEE/RSJ International Conference on Intelligent Robots and Systems,二. 机器人控制的分类,1）按照有无反馈分为： 开环控制 闭环控制,开环精确控制的条件：精确地知道被控对象的模型，并且这一模型在控制过程中保持不变,如果被控对象的模型能够精确知道，但模型是变化的，怎么办？,如果模型的变化是可以预测的,开环预测控制,如果模型的变化是可以实时辩识的,开环辨识控制,以被控对象的实际输出构成某种评价标准来修正控制器的输入信号，以使对象的输出接近期望值-闭环反馈控制,被控对象的特性（数学模型）不能完全确定或完全不能确定的情况下，怎么办？,最常用的评价标准就是输入与输出（期望的输出与实际输出）之间的偏差,例如：,按照期望控制量分为：位置控制，力控制,智能化的控制方式,模糊控制(fuzzy control ) 自适应控制（ adaptive control ） 最优控制(optimal control) 神经网络控制(neuro control ) 模糊神经网络控制 专家控制(expert control) Others,三. 控制系统硬件配置及结构,电气硬件 软件架构,高性能机器人运动控制卡,主控芯片,单片机 dsp tms320c6713 DSP Digital signal processing Samsung S5L8900B01ARM FPGA Field Programmable Gate Array （现场可编程逻辑阵列）,架构,Code Composer Studio (CCStudio) 集成开发环境,编程环境,例：灵巧手控制系统,底层由手指DSP和FPGA实现传感器数据采集、处理及电机驱动； 在通讯层由手掌FPGA传递传感器信号并且为各手指分配控制命令； 高层由高速浮点DSP执行各种任务规划及多指协调 整个系统控制周期为200s 顶层由计算机来提供多种人机接口,总体架构 1）传感器信号采集及处理系统,驱动电路系统,基于PWM的三相全桥控制,电源系统,实现电压转换,PID控制器的基本原理,反馈控制实例：PID,被控参数（位置、力、速度、温度、流量、液位等）以怎样的途径，多长时间到达期望值,PID 控制方法,以单个关节的角度控制为例,定义e(t)为输入输出之差的时间函数,控制器公式,比例+积分控制器（P+I）,比例+积分+微分控制器（PID）,比例+微分控制器（PD）,比例控制器（P）,数字PID控制算法,计算机控制系统多数是采样-数据控制系统。连续-时间信号采样、量化数字量 积分，微分采用数值逼近的方法。,采用矩形积分,差分代替微分,代入的公式整理,做代换,得：,当不需要控制量的绝对值，而是增量时（例如控制步进电机）采用增量式控制方法,做差,优点：抗积分饱和（当控制变量达到一定值后，系统的输出不再增长）,算法流程,Matlab/simulink 模型,仿真结果分析,PID控制器具有一定的鲁棒性，但对干扰抑制效果不是很好,PID参数对控制系统性能的影响,Kp-影响系统的响应速度，Kp越大，响应速度越快,增大Kp可能会引起系统超调，甚至振荡和不稳定；,Ki-影响系统的静态精度，有利于消除系统的静态误差，但Ki过大也可能会引起系统超调，甚至振荡和不稳定；,Kd-影响系统的响应速度，通常可加快系统的稳定时间，但微分环节也会把外部的干扰放大，微分作用过强，可能会引起系统的振荡和不稳定；,传统PID参数整定方法,PID控制器参数整定的一般规律,先调节 Kp, 至系统出现振荡,设此时比例增益为Kp 取Kp = Kp/2, 逐渐增大Ki,直至出现振荡,记Ki 取Ki=Ki/3, 调节Kd, 直至获得满意的系统特性,机器人的位置控制,机器人系统的特点：电机驱动，动态特性非线性，关节弹性及摩擦存在,在建立模型时，提出下列两个假设： （1）机器人的各段是理想刚体，因而所有关节都是理想的，不存在摩擦和间隙。 （2）相邻两连杆间只有一个自由度，要么为完全旋转的要么是完全平移的。,笛卡尔空间位置控制,Xd为笛卡尔空间期望位置，Xe为实际位置,从稳定性和精度的观点看，要获得满意的伺服传动性能，必须在伺服电路内引入补偿网络。,1机器人位置控制任务分类：点到点的控制(如搬运、点焊机器人)或连续路径的控制（如弧焊、喷漆机器人）。,2. 位置控制方法：关节空间控制结构和直角坐标空间控制结构，分别见图5.11（a）和（b）所示。,位置、速度反馈控制,速度环：使关节电机表现出期望的速度特性，通常通过驱动器的电流环控制 位置环：使关节电机运动到期望的位置，由控制器实现。,速度、加速度前馈补偿控制,当机器人处于高度运动时，位置、速度反馈的精度大幅降低，此时通过速度、加速度前馈补偿提高跟踪精度。,速度、加速度前馈补偿,锁住机器人的其他各关节而依次移动一个关节，这种工作方法显然是低效率的。这种工作过程使执行规定任务的时间变得过长，因而是不经济的。不过，如果要让一个以上的关节同时运动，那么各运动关节间的力和力矩会产生互相作用，而且不能对每个关节适当地应用前述位置控制器。因此，要克服这种互相作用，就必须附加补偿作用。要确定这种补偿，就需要分析机器人的动态特征。 1动态方程的拉格朗日公式 动态方程式表示一个系统的动态特征。我们已讨论过动态方程的一般形式的拉格朗日方程如下：,多关节位置控制器,二自由度机械手简图,二自由度机械手的动力学方程,分解控制,基于计算力矩前馈补偿的多关节分解控制,专家控制系统(Expert Control System) 几乎所有的专家控制都包括：knowledge base(知识库), reasoning engineer (推理机), rule set (控制规则集) and/or control algorithm.,模糊控制系统(Fuzzy Control System) A new mechanism of control law of knowledge-based (rule-based) and even language-description. An improved alternative method to non-linear control.,神经控制系统(Neuro-Control System) 控制系统基于 Artificial Neural Network (ANN-based control), 简称为neural control or NN control.,教师学习 Supervised neural controller structure,例：基于神经网络的位置控制,五. 机器人的力控制,力控制简介 直接力控制（Direct force control） 间接力控制（Indirect force control） 应用举例,力控制简介,目的: 控制机器人各关节使其末端表现出一定的力或力矩特性。,为什么采用力控制？,轴孔配合,形状适应性,接触碰撞,直接力控制,作用：实现机器人与环境作用力的精确控制 实例：力的PI控制方法,特点：直接力控制具有力回路，直接控制期望力,直接力控制,间接力控制,分类：主动柔顺-阻抗控制；被动柔顺-变刚度,特点：间接力控制（阻抗控制、力/位混合控制）通过控制位置实现力控制，没有明确力回路,单自由度系统柔顺控制,写成状态图的形式为：,在PD控制下,联立得：,闭环系统状态图为：,传递函数为：,闭环系统的拉氏变换为：,稳态位置为：,稳态接触力为：,当：,二自由度机械臂与平面接触的柔顺控制,包含阻尼项的阻抗控制模型,阻抗控制分类,区别在内环,基于位置的笛卡尔空间阻抗控制,基于力的笛卡尔空间阻抗控制,例：机械臂笛卡尔阻抗控制,末端期望轨迹：X-Y平面内直径300mm的圆。 障碍物：圆柱形杯子。,各关节位置响应,笛卡尔位置响应,机械臂末端接触力响应曲线,末端接触力,各关节力矩响应曲线,关节力矩,被动柔顺控制,目的：基于安全性考虑 阿西莫夫三定律： 1950年,美国作家埃萨克·阿西莫夫在科幻小说I，Robot中首次使用了“Robotics” ，即“机器人学”。阿西莫夫提出了“机器人三定律”： 1、机器人不应伤害人类,且在人类受到伤害时不可袖手旁观； 2、机器人应遵守人类的命令，与第一条违背的命令除外； 3、机器人应能保护自己，与第一条相抵触者除外。,工业机器人通常远离人，但当人进入其工作范围，会造成意外伤害,与人交互需求,安全性是第一位的,从仿人的角度,变刚度,人体关节构造,前臂肘关节,仿生机器人关节,