关键词:
机械臂
双臂协同
动力学建模
控制算法
递推
摘要:
多变的非结构化环境和任务需求的多样性要求机械臂具有从低自由度到高自由度,从单臂到双臂快速拓展的能力,而且部分机械臂还配置了柔性关节以提升人机交互的安全性与柔顺性。开展机械臂动力学建模与基于模型的控制算法研究是实现上述机器人高动态性能的基础,然而快速拓展得到的新结构类型机械臂给建模和控制的便捷性、实时性等提出了更高的要求。为能够快速建立不同结构机械臂的动力学模型并实现基于模型高精度高效率的控制,本文以递推思想为主线,开展了从刚性关节到柔性关节,从单臂到双臂的建模与控制方面的研究,并采用仿真或实验手段对上述算法进行验证。
为实现机械臂动力学模型的递推性,基于子系统的牛顿-欧拉动力学建模方法建立了刚性单臂的递推逆动力学模型Sub-RNEA(Recursive Newton-Euler Algorithm based on the Subsystem),继而由链式法和代入法分别得到正动力学模型。在Sub-RNEA的基础上,通过将正向递推和逆向递推相关的子系统方程相对时间两次求导,并与高阶逆动力学模型EJNEA(Elastic Joint Newton-Euler Algorithm)的部分公式结合,提出了具有递推形式的基于子系统的柔性单臂高阶逆动力学模型Sub-EJNEA(EJNEA based on the Subsystem)。通过与物理仿真模型和已有模型EJNEA的输出量对比分析,验证了所建模型的正确性。
针对刚性单臂在运动控制中受机械臂动力学模型参数的不确定性和扰动的影响,提出了一种基于虚拟分解控制(VDC,Virtual Decomposition Control)与误差的鲁棒积分(RISE,Robust Integral of the Sign of the Error)融合的的复合自适应控制算法。基于虚拟分解设计子系统形式的自适应控制,同时引入无模型的误差鲁棒积分控制算法RISE对扰动项进行抑制,实现了控制算法的递推性与鲁棒性,进而提升了对多自由度机械臂的控制性能。实验结果表明算法在轨迹跟踪精度与控制能量消耗两个方面都具有一定的优势。
针对刚性双臂协同搬运时需要对目标物体的位置及夹紧内力同时控制以实现搬运安全性的问题,在刚性抓取的假设下,可将机械臂与目标的接触力分解为控制目标运动的分力和挤压目标的内力,进而对运动控制和内力控制可以独立设计控制算法,提出了基于VDC-RISE的力位混合控制算法,仿真与实验结果均表明,所提算法在保证内力跟踪的同时,可实现更高的位置跟踪精度。当搬运物体与外界环境存在期望交互时,因力位混合控制无法处理运动控制所需的高刚度和交互控制所需的高柔顺之间的矛盾,提出基于VDC的双环阻抗控制算法,通过设计基于刚度自适应与阻尼动态调节的外环阻抗控制应对目标与刚度不确定环的交互力跟踪问题,设计递推实现的内环阻抗不仅保证了算法运行的实时性,而且避免了对于机械臂准确动力学模型参数的依赖,仿真结果表明所提算法能够满足内力、目标位置以及目标与环境交互力的协同控制要求。
针对柔性单臂的反馈线性化(FL,Feedback Linearization)控制的弱鲁棒性问题,在高阶反馈可获得的假设下,通过FL与逐次降阶的叠加反馈结合,提出了一种增强型反馈线性化(FL-E,FL-Enhancement)控制算法,提升了应对动力学模型参数不确定和高阶反馈存在误差时的鲁棒性。当高阶反馈无法获得时,提出基于RISE与标称高阶前馈融合的增强型误差鲁棒积分控制算法RISE+,并拓展该算法,提出基于RISE+的柔性双臂力位混合控制算法,仿真结果表明,上述单臂轨迹跟踪控制算法和双臂力位混合控制算法均提升了控制性能。