（机械制造及其自动化专业论文）不确定环境下机器人柔顺控制及可视化仿真的研究.pdf

摘要 摘要 机器人主动柔顺控制是新兴智能制造中的一项关键技术。由于机器 人本身的高度非线性、强耦合性以及柔顺作业任务中环境不确定性等问 题的存在，使得主动柔顺控制的应用受到了极大的限制。本文应用软计 算方法对机器人不确定环境下的主动柔顺控制方法进行了研究。 本文分析了柔顺控制在机械行业中的不同应用方法，利用几何图形 的方法对阻抗控制的特性进行了研究，针对阻抗控制轨迹跟踪能力较弱 的局限，指出了存在环境刚度和位置不确定情况下实现轨迹跟踪的途径， 并在基于位置的阻抗控制基础上，给出了一种具有力跟踪目标阻抗和位 置反馈的柔顺控制方法，建立了仿真模型。应用正交实验方法，建立了 硬质合金旋转锉的预测力学模型，为期望力和控制参数设置、调整提供 了依据。 研究了基于模糊补偿的鲁棒阻抗控制方法，设计了一个基于规则自 调整的模糊补偿器，该补偿器采用了改进的规则因子自调整函数，不但 考虑了系统的位置误差、误差变化，还能防止系统的过度补偿而引起的 接触力大的变化。应用具有力跟踪能力的目标阻抗模型，保证了接触力 的稳定性。具有自调整因子的模糊补偿器克服了控制表查询及单一控制 因子等方法不能对环境变化做出自适应调整的缺点，可以自动调节控制 规则适应环境的变化，对位置的不确定性进行补偿，从而使系统具有更 好的性能。 研究了通过调整目标阻抗参数实现位置跟踪的方法，设计了一个基 于目标阻抗模糊自调整的阻抗控制器。该控制器可以根据系统状态，自 动调整目标阻抗参数，使其适应环境的变化。由于常规模糊控制器的设 计依靠设计者的经验和不断的调试，给模糊控制器设计工作带来很大的 困难，为此，本文应用遗传算法，对模糊控制的隶属度函数进行了优化， 通过设置适应度函数不同项目的加权系数满足了机械加工中的要求。 在基于位置的阻抗控制基础上，提出了一种任务规划与执行的协调 控制方法，在控制进行中，控制器可以根据目前的系统状态对预先规划 v 山东大学博士学位论文 的期望位置或期望力进行调整，以适应整个系统动态过程中的变化。根 据柔顺控制的特点，本文分别针对进给速度和期望力的调整设计了两种 控制方案，其控制部分应用本文提出的模糊阻抗控制方法。该协调控制 方法继承了阻抗控制的优点，同时避免了环境突变对加工效果产生较大 的影响，适用于柔顺控制作业中环境不确定性较大的情况。 研究了基于神经网络的移动机器人力位跟踪方法，将力控制方法和 位置控制相结合，通过显式力控制方法进行了移动机器人在不确定环境 下的力位跟踪实验研究。其中力控制采用基于神经网络调整的p d 控制方 法，与常规p d 方法相比，该方法可以提高跟踪速度，减小超调。 机器人离线编程及仿真技术是机器人研究中的重要领域。本文应用 基于虚拟现实建模语言和j a v a 对一个冗余度机器人进行了可视化建模和 运动学仿真研究。同时根据机器人去毛刺的编程特点，进行了机器人棱 边跟踪的可视化仿真研究，棱边轨迹由通用三维造型软件自动生成的n c 代码获得，简单方便。 关键词：机器人；柔顺控制；阻抗控制；模糊控制；神经网络；v r m l a b s t r a c t a b s t r a c t r o b o t i ca c t i v e c o m p l i a n c e c o n t r o li s a n i m p o r t a n tt e c h n o l o g yi nt h e i n t e l l i g e n tm a n u f a c t u r i n gs y s t e m s i ti sk n o w nt h a tf o rt h ee x i s t i n go fc o m p l e x n o n l i n e a r i t y ，s t r o n gc o u p l i n ga n dl o t so fu n c e r t a i n t i e si nr o b o t i c s y s t e m s ， e s p e c i a l l yt h ec o m p l e x i t ya n du n c e r t a i n t yi nt h er o b o t i cc o m p l i a n c et a s k ，t h e a p p l i c a t i o n o ft h ea c t i v e c o m p l i a n c e c o n t r o l d i s s e r t a t i o na i m st os o l v et h eu n c e r t a i np r o b l e m s i s g r e a t l yc o n s t r i c t e d t h i s i na c t i v ec o m p l i a n c ec o n t r o l p r o c e d u r eu s i n gt h es o f tc o m p u t i n gm e t h o d s t h ed i f f e r e n tu s a g e so ft h ec o m p l i a n c ec o n t r o li nt h em e c h a n i c a li n d u s t r i e s a r ea n a l y z e da n dt h ep e r f o r m a n c e so ft h ei m p e d a n c ec o n t r o la r ed i s c u s s e du s i n g t h eg e o m e t r i c a lf i g u r em e t h o d a g a i n s tt h ep o o rt r a j e c t o r yt r a c k i n ga b i l i t yo f t h e i m p e d a n c ec o n t r o li nm a n u f a c t u r i n gf i e l d ，an e wa p p r o a c hb a s e do nt h ep o s i t i o n i m p e d a n c ec o n t r o li sp r e s e n t e df o rt h eu n c e r t a i n t yo fe n v i r o n m e n ts t i f fa n d p o s i t i o n ，w i t haf o r c et r a c k i n go b je c ti m p e d a n c e t h ee m p i r i c a lc a t t i n gf o r c e m o d e lo fac a r b i d er o t a r yf i l ei sf o u n d e db yo r t h o n o r m a le x p e r i m e n t s ，w h i c hc a n b eu s e dt os e tt h ee x p e c t e df o r c ea n dt h ec o n t r o lp a r a m e t e r s an e wr o b u s ti m p e d a n c ec o n t r o lm e t h o db a s e do nf u z z yc o m p e n s a t i o ni s p r o p o s e d t h er u l es e l f - t u n i n gf u z z yc o m p e n s a t o ra d o p t sa n i m p r o v e dr u l e f a c t o ra d j u s t m e n tf u n c t i o n ，w h i c hn o to n l yc o n s i d e r st h ep o s i t i o ne r r o ra n de r r o r d i v e r s i f i c a t i o no ft h es y s t e m ，b u ta l s oc a np r e v e n tt h eg r e a tc h a n g eo ft h ef o r c e g e n e r a t e db yt h eo v e rc o m p e n s a t i o no ft h es y s t e m t h ea p p l i c a t i o no fo b i e c t i m p e d a n c em o d e lw i t hf o r c et r a c k i n gc a p a b i l i t ye n s u r e st h er e l i a b i l i t yo ft h e c o n t a c tf o r c ec o n t r 0 1 t h ef u z z yc o m p e n s a t o rw i t hs e l f t u n i n gf a c t o ro v e r c o m e s t h ed i s a d v a n t a g et h a tt h eq u e r yt a b l ea n d s i n g l ea d j u s t i n gf a c t o rc a n n o tc a r r vo u t a d j u s t m e n t t o t h e c h a n g e o fe n v i r o n m e n t t h e p r o p o s e dm e t h o dc a n a u t o m a t i c a l l ya d j u s tt h ec o n t r o lr u l et oa d a p tt h ev a r i a t i o no ft h ee n v i r o n m e n t a n dc o m p e n s a t et h eu n c e r t a i n t yo ft h ep o s i t i o n t om a k et h es y s t e mp o s s e s st h e b e t t e rp e r f o r m a n c e s t h e m e t h o dt or e a l i z et h e p o s i t i o nt r a c k i n gb y a d j u s t i n g t h eo b j e c t i m p e d a n c ep a r a m e t e ri sd i s c u s s e d ，a n dar o b u s ti m p e d a n c ec o n t r o l l e rb a s e do n t h eo b j e c ti m p e d a n c ep a r a m e t e r ss e l f - a d j u s t m e n ti s d e s i g n e d t h i sc o n t r o l l e r c a na u t o m a t i c a l l y a d j u s tt h eo b j e c ti m p e d a n c ep a r a m e t e r sa c c o r d i n gt ot h e v 工工 s v s t e mc o n d i t i o n ，a n dm a k et h e ma d a p tt h ev a r i a t i o no ft h ee n v i r o n m e n t i t 1 s k n o w nt h a tt h ed e s i g no ft h en o r m a lf u z z yc o n t r o l l e rd e p e n d so nt h ee x p e r i e n c e o fd e s i g n e r s ，w h i c hb r i n g sg r e a td i f f i c u l t yt ot h ed e s i g no ft h ef u z z yc o n t r o l l e r h e n c e ，t h eg e n e t i ca l g o r i t h mi sa p p l i e dt oo p t i m i z et h em e m b e r s h i pf u n c t i o no f t h ef u z z vc o n t r 0 1 t h ef i t n e s sf u n c t i o nm e e t st h es p e c i a lr e q u i r e m e n t so ft h e m a c h i n i n gb ym e a n s o fs e t t i n gt h ed i f f e r e n tw e i g h t i n gc o e f f i c i e n t s t ot h e d i f f e r e n ti t e m s 0 nt h eb a s i so fp o s i t i o nb a s e di m p e d a n c ec o n t r o l ，a c o o r d i n a t ec o n t r o l m e t h o df o rt a s kp l a n n i n ga n dc o n t r o li sp r o p o s e d d u r i n gt h ec o n t r o lp r o c e d u r e ， t h ec o n t r o l l e rc a na d j u s tt h ee x p e c t e dp o s i t i o na n de x p e c t e df o r c et h a tp l a n n e d b e f o r e h a n da c c o r d i n gt ot h ep r e s e n ts y s t e mc o n d i t i o n ，t oa d a p tt h ev a r i a t i o no f e n v i r o n m e n ti nt h ew h o l ed y n a m i cp r o c e s s f o rt h er o b o t i cd e b u r r i n gt a s k s ，t w o c o n t r o ls c h e m e sa r ed e s i g n e df o rt h ea d j u s t m e n to ff e e d i n gs p e e da n de x p e c t e d f o r c e ，r e s p e c t i v e l y ，w h o s e c o n t r o lc o m p o n e n t sa p p l y t h ef u z z yi m p e d a n c e c o n t r o lm e t h o dp r e s e n t e di nt h i sd i s s e r t a t i o n t h i sc o n t r o lm e t h o di n h e r i t st h e a d v a n t a g eo ft h ei m p e d a n c ec o n t r o l ，a n da tt h es a m e t i m ep r e v e n t st h ea c c i d e n t o fe n v i r o n m e n tf r o mb r i n g i n gb i ge f f e c t t ot h ed e b u r r i n gs u r f a c e ，w h i c hi s s u i t a b l et ot h eg r e a t e ru n c e r t a i n t yo ft h ee n v i r o n m e n ti nt h ec o m p l i a n c ec o n t r o l t a s k s an e u r a ln e t w o r kb a s e dm o b i l er o b o tf o r c e p o s i t i o nt r a c k i n gm e t h o d i s d i s c u s s e d c o r p o r a t e t h ef o r c ec o n t r o lw i t ht h ep o s i t i o nc o n t r o l ，t h e f o r c e p o s i t i o nt r a c k i n g e x p e r i m e n t o ft h em o b i l e r o b o ti nt h eu n c e r t a l n e n v i r o n m e n ti sr e a l i z e db ye x p l i c i t f o r c ec o n t r o lm e t h o d t h ee x p e r i m e n t i n d i c a t e dt h en e u r a ln e t w o r kb a s e dp dc o n t r o l l e rc o u l di m p r o v et r a c k i n gs p e e d a n dr e d u c eo v e r s h o o tc o m p a r e dw i t ht h en o r m a lp dm e t h o d t h er o b o t i co f f 1 i n ep r o g r a m m i n ga n dt h es i m u l a t i n gt e c h n o l o g y 1 st h e i m p o r t a n tf i e l di nt h er o b o t i cr e s e a r c h t h ev i r t u a lr e a l i t ym o d e ll a n g u a g ea n d j a v al a n g u a g ea r ea p p l i e dt o b u i l dt h ev i s u a lm o d e l i n ga n dt a k ek i n e m a t i c s s i m u l a t i o n sf o ro n er e d u n d a n tr o b o t s i m u l t a n e o u s l y ，t h er o b o t i ce d g et r a c k i n g m e t h o da c c o r d i n gt ot h ep r o g r a m m i n gf e a t u r e so fr o b o t i cd e b u r r i n gi s d i s c u s s e d t h et r a je c t o r yc a nb ee a s i l yg o tb yn cc o d ea u t o m a t i c a l l yg e n e r a t e db yt h e u n i v e r s a lt h r e e d i m e n s i o n a lm o d e l i n gs o f t w a r e k e y w o r d s ：r o b o t ，c o m p l i a n c ec o n t r o l ， n e u r a ln e t w o r k ，v r m l i m p e d a n c ec o n t r o l ，f u z z yl o g i cc o n t r o l ， v i i i 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研 究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人 或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集 体，均己在文中以明确方式标明。本人完全意识到本声明的法律责任由本人承 担。 论文作者签名：型 e t期：竺侈杉 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅； 本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：理丝导师签名： 目 第1 章绪论 第1 章绪论 1 1 机器人柔顺控制概述 随着工业机器人向更深更广方向的发展以及机器人智能化水平的提 高，机器人已被应用到机械制造、原子能利用、宇宙探索、海洋开发及 日常生活等各个领域。根据机器人在运动过程中是否受限可以把机器人 运动分为自由运动和受限运动。在搬运、喷漆和焊接等作业中，机器人 不受环境约束，在控制中主要考虑路径规划和避障等问题。但在机器人 辅助装配、光整加工、灵巧手、太空对接、双手协调等作业中，机器人 作业过程受到环境的约束，所以这类控制中，不但要进行精确的位置控 制，而且必须恰当地控制接触力，来克服环境的约束或者依从于环境， 在完成作业任务的同时，避免大的力冲击损害接触物或机器人，此类作 业的控制通常被称为柔顺控制。 机器人能够对接触环境顺从的这种能力称之为柔顺性。在复杂任务 执行过程中，机器人的柔顺性起着越来越重要的作用，柔顺能力已经成 为机器人智能化的特征。为了实现机器人的柔顺控制，近年来专家学者 们提出了许多有效的控制算法，机器人的柔顺控制包括主动柔顺和被动 柔顺两种实现方式，机器人凭借一些辅助的柔顺机构，使其在与环境接 触时能够对外部作用力产生自然顺从的称之为被动柔顺；机器人利用力 反馈信息采用一定的控制策略去主动控制作用力的称之为主动柔顺。 1 2 被动柔顺控制 被动柔顺即利用一些在机器人与环境作用时能够吸收或储存能量的 机械器件，如弹簧、阻尼等组成的机构，使机器人与环境相接触时对外 部作用力产生一定的自然顺从能力。其对于补偿位置误差、吸收振动能 量、增加加工柔顺性起着重要作用。最具有代表性的被动柔顺装置是美 国m i td r a p e r 实验室设计的一种称为远程中心柔顺r c c ( r e m o t ec e n t e r c o m p l i a n c e ) 的无源机械装置，它是一个由六根弹簧构成的能顺从空间六 个自由度的柔顺手腕，但它不能使机器人本身产生对力的反应。 山东大宁博十宁何论文 机器人参与机械加工中，如去毛刺、磨削等，研究者给出了众多柔 顺工具【，用来补偿位置误差，吸收振动能量，避免对刀具或者工件的 损害。目前应用最多的是气动浮头，机器人采用被动柔顺装置进行作业， 显然存在着一定的问题 z l ： ( 1 ) 无法根除机器人高刚度和高柔顺之间的矛盾； ( 2 ) 被动柔顺装置的专用性强，适应能力差，使用范围受到限制； ( 3 ) 机器人加上被动柔顺装置，其本身并不具备控制能力，给机器 人带来了困难，尤其是在既需要控制作用力又需要严格控制位置的场合， 矛盾更为突出。 w h i t n e y 3 】认为当机器人与刚性环境接触时，安置在机器人末端的 “软”的工具能够起到被动柔顺的目的。但是“软”工具降低了力响应 的动态范围和末端位置的精度。因此，为了克服被动柔顺性存在的极大 不足，主动柔顺控制便应运而生，进而成为如今机器人研究领域的一个 主要方向。 主动柔顺是机器入根据力反馈信息，采取一定的控制策略对机器人 和环境之间的作用力进行主动控制。柔顺控制的研究始于2 0 世纪5 0 年代 的主从机械臂上的力遥感，在7 0 年代，随着机器人、传感器、计算机和 控制技术等的发展，主动柔顺成为机器人领域一个重要的研究方向。目 前实现机器人主动柔顺控制的方法主要有两类：阻抗控制( i m p e d a n c e c o n t r 0 1 ) 1 4 - 1 0 l 和混合力位控制f h y b r i df o r c e p o s i t i o nc o n t r 0 1 ) 1 1 刖1 。 1 。3 机器人主动柔顺控制的研究现状及进展 由于被动柔顺控制存在各种各样的缺点和不足，主动柔顺控制( 力控 制) 逐渐成为了研究的主流方向。根据目前柔顺控制发展状况，不同的专 家学者从不同的角度对控制策略进行了阐述，有着不同的见解和分类方 法。根据柔顺控制发展过程，一般可以分为两类：基本柔顺控制方法和 先进控制方法。 1 3 1 基本柔顺控制方法 在基本的控制方法中，根据力在机器人控制中不同的参与方式，可 第1 章绪论 以分为以下几类【1 5 l ： 涉及位置和力的关系的控制策略：刚度控制 1 6 , 1 7 1 ； 涉及速度和力的关系的控制策略：阻抗控制 4 - 1 0 ，导纳控制1 1 8 】，阻 尼控制； 位置和力单独控制的策略：混合力位控制 1 1 - 1 4 】，混合阻抗控制1 1 9 l ： 直接力控制策略：显式力控制，隐式力控制【2 0 , 2 1 】。 但在实际研究中，研究较多的主要是阻抗控制和混合力位控制，各 种基本柔顺控制的特点如表1 - 1 所示。 表1 - 1 基本柔顺控制 1 1 阻抗控制 阻抗控制提供了一个对自由运动空间和约束运动空间进行统一控制 的框架，它不直接控制期望的位置和力，而是通过调节由用户设定的机 器人末端位置偏差和力的动态关系来实现柔顺控制的目的。这里设定的 理想的机器人的末端位置偏差和机器人环境作用力之间的动态关系称 为目标阻抗。阻抗控制是在阻尼控制和刚度控制的基础上发展起来的， 在w h i t n e y 5 1 和s a l i s b u r y 1 6 j 先后提出阻尼控制和刚度控制，对于阻抗控 制，以w h i t n e y 5 1 ，h o g a n 6 】和k a z e r o o n i 4 】等人的工作最具有代表性。 h o g a n 于1 9 8 5 年系统地阐述了阻抗控制的概念，并且提出了基于机器人动 i jj 东大学博十宁何论文 力学模型的阻抗控制策略，对柔顺控制的发展具有深远的影响。m a p l e s i 7 】 对阻抗控制进行了总结：当把力反馈信号转换为位置修正量，通过刚度 矩阵来描述机器人末端作用力和位置的关系时，这种力控制称为刚度控 制；当把力反馈信号转换为速度修正量，利用传感器力信号进行速度调 节时，这种力控制称为阻尼控制；当把力反馈信号同时转换为位置和速 度的修正量时，即为阻抗控制。 阻抗控制被认为是一种统一的自由运动控制和约束运动控制方法， 具有以下优点：它不需要精确的离线任务规划，对自由运动和约束运动 之间的转换具有很强的适应性；对系统的不确定性和扰动具有较强的鲁 棒性；其任务规划量和实时计算量较少，并且不需要控制模式的切换， 在很多应用上优于混合力位控制。但当约束环境不确定或未知时，阻抗 控制表现出较差的轨迹跟踪能力，这是阻抗控制的主要缺点。图1 - 1 给出 了阻抗控制结构示意图。 图1 - 1 阻抗控制结构示意图 2 1 混合力位控制 力控制的最佳方案是以独立的形式同时控制力和位置，理论上机器 人力自由空间和位置自由空间是两个互补的正交子空间，此方法利用一 对角矩阵将整个空间分为两个子空间，与机械手臂接触的工作物件曲面 上的法线方向为力控制子空间，只作力控制而不作位置控制；而切线方 向为位置控制子空间，只作位置控制而不作力控制。 1 9 8 1 年r a i b e r t1 1 3 1 在m a s o n 1 2 】的基础上提出了混合力位控制，即通 过雅可比矩阵将作业空间任意方向的力和位置分配到各个关节控制器 上，机器人以独立的形式同时控制力和位置。此后z h a n g 1 4 l 等人提出了 把操作空间的位置环用等效的关节位置环代替的改进方法。力位置混合 控制策略直观上允许对末端执行器环境之问的接触力进行直接控制，这 第1 章绪论 是实现许多机器人控制任务所必需的。但是，作为位置控制与力控制分 别考虑的结果，混合位置力控制方法需要详尽的任务描述，在实现时还 要考虑控制方向的迅速切换，需要较快的运算速度和较大的运算量。总 之，力位混合控制理论明确，但付诸实施难。图1 2 为混合力位控制结 构示意图。 图1 2 混合力位控制结构示意图 1 3 2 先进控制方法 基本的力控制方法可以有效的控制力和位置，但在完成复杂任务时， 面临着模型参数不确定、环境结构不确定及外界干扰等问题。机器人如 何在这些问题下完成任务所需要的柔顺控制激发人们去研究先进的控制 方法。目前先进的控制方法大部分是从经典的方法发展来的，在经典力 控制的基础上，增加了自适应性或鲁棒性，其主要研究成果如表1 2 所示。 自适应控制可以在机器人和环境参数未知时，通过辨识、学习和调 整控制规律，使受控系统维持良好的动静态特性。自适应力控制在现存 的基本力控制方法的基础上加入自适应控制算法，使得当机器人和环境 中存在未知参数时仍然可以获得需要的刚度、阻尼或阻抗。 鲁棒力控制是指使机器人系统在存在不确定性的情况下具有使稳定 性、渐进调节和动态特性保持不变的特性，即系统具有承受不确定性影 响的能力。由于鲁棒控制器是根据已知的系统不确定性变化范围中最坏 的情况设计的，因此鲁棒控制可以补偿最坏情况以内的不确定性，保证 系统在未知扰动下的鲁棒性。鲁棒力控制在存在不确定性和干扰的情况 下，仍能达到需要的动态性能，如目标阻抗等。 学习控制适用于机器人重复性作业，学习控制用位置、速度或者力 山东大学博十学付论丈 误差来学习产生理想性能的期望输入，它能在有限参数不确定和干扰下 保证系统的鲁棒性，并保证位置或力误差的收敛。 表1 - 2 先进柔顺控制方法 控制策略刚度控制、阻抗控制、导纳控制混合位置力位置、混合阻抗控制 自适应刚度控制1 2 2 - 2 4 1自适应混合力位置控制 3 z - 3 q 自适应 自适应阻抗控制 2 6 - 2 9 j自适应混合阻抗控制l 自适应导纳控制 3 0 - 3 1 j 鲁棒控制滑模阻抗控制【”3 8 l滑模混合力位控制 4 0 , 4 1 l 鲁棒阻抗控制 3 9 1滑模混合阻抗控制4 2 l 学习控制 刚度学习控制 4 3 1 、导纳学习 混合力位学习控制 4 7 - 4 9 1 控制 4 4 1 、阻抗学习控制 4 5 , 4 6 1 1 3 3 基于软计算技术的柔顺控制方法 机器人基本控制方法和先进控制方法都是建立在机器人动力学模型 基础上的，自适应控制是通过在线辨识对象模型，自动调节控制参数， 以消除对象特性时变和环境干扰波动等不确定因素的影响。自适应控制 可以很好的解决模型参数不确定性问题，但实现起来较为困难，且难以 保证在未知扰动下系统的鲁棒性。同时由于受辨识算法的制约，一般只 适合于模型参数缓变、环境干扰不强的工业控制过程。变结构和鲁棒控 制通过提高系统的不灵敏度和自适应性，来抵御一定的外部干扰和系统 参数摄动等不确定性影响。但鲁棒区域和摄动区间必须己知且有界，并 且设计必须在系统的鲁棒性和控制精确性之间折衷。两种控制方法的区 别是前者往往设计时复杂，但设计出的控制器简单，且具有不连续的控 制形式；而后者正好相反。近年来，以模糊逻辑、神经网络、学习算法 等软计算技术为代表的智能控制理论方法及其综合集成为解决具有不确 定性( 包括结构不确定性和参数不确定性) 、时空非线性以及多变量等特 性的复杂难建模系统的控制问题提供了一条有效途径。 神经网络控制方法是从机理上对人脑生理系统进行简单结构模拟的 一种新兴控制和辨识方法。神经网络方法具有模糊性、自适应性和自学 6 第1 章绪论 习性的特点，与以往传统控制方法相比具有极大的优越性。神经网络被 成功应用到阻抗控制中，其中一类目的是通过学习使系统可以在固定目 标阻抗下存在一定的鲁棒性，可以对机器人模型和环境的不确定性进行 补偿 5 0 - 5 2 】。而另一类是可以通过神经网络的不断学习自动调整阻抗参数 5 3 - 5 5 】。t s u j i 5 3 】综合了神经网络在阻抗控制中的各种应用，在一个控制器 中，设计了四个神经网络单元，通过在线学习，其中三个网络分别对机 器人末端的位置、速度、接触力进行调整，而另一个对环境进行识别。 在自由运动阶段神经网络通过训练来调整位置和速度，而在接触运动过 程中神经网络实现对力的控制和环境的识别。作者通过计算机仿真实验 证明该方法可以调节阻抗控制的刚度、阻尼和惯性参数，可以识别未知 的环境特性。目前神经网络在实际控制中的应用仍受到很多限制，专门 适合于控制问题的动态神经网络仍待进一步发展，网型没有根本的突破， 神经网络的泛化能力不足，制约了控制系统的鲁棒性。网络本身的黑箱 式内部知识表达方式，使其不能利用初始经验进行学习，易于陷入局部 最小。分布式并行计算的潜力还有赖于硬件技术的进步。总之该方法是 一种控制策略的工具支持，其学习和控制算法的收敛性和实时性有待加 强。 模糊控制是从行为上模拟人的模糊推理和决策过程的一种实用控制 方法，近年来被广泛应用于柔顺控制方面 5 8 - 6 5 l 。模糊逻辑控制不需要被 控对象的准确数学模型，该方法适用于对难以建模的对象实施鲁棒性控 制，仅通过被控对象输入输出量的检测，进行一系列有针对性的各种可 能状态的推理和判断，并且做出适应性的最优化控制。因此该方法最终 控制形式简单，易于实现，取得了很好的控制效果。其控制效果取决于 是否能够正确、全面和有效的将操作人员的控制经验总结为一系列的语 言控制。该方法的难点是控制规则选取困难，一套有效的控制方法需要 经过多次的反复试验和调整才能确定。因而使得单纯的模糊控制缺乏自 学习、自适应能力，当对象参数变化或负载变化时不能获得满意的控制 效果，所以其在机器人控制中的应用范围不可避免地受到了限制。由于 单纯某种智能控制方法都有一些缺点，随之出现了各种高级智能方法之 间的交叉综合应用，如模糊神经网络 6 6 1 、进化学习 6 7 - 6 8 l 等。 l i 泺夫学博十学付论文 总之，在机器人的力控制方法中，基本的控制方法是必不可少的， 它是最简单也是应用最成功的方法。高级方法和基本方法的结合，在保 证系统简单稳定的前提下取得了更好的控制性能。但此类控制策略的选 取还没有较规范的标准，大量的计算影响了实用性，目前基于软件算方 法的智能控制方法大多还停留在仿真实验阶段。 1 4 柔顺控制在不同任务中的应用分析与比较 机器人柔顺控制广泛应用于各行业，针对不同的任务要求和不同的 环境状况，对各种先进的控制方法进行笼统的优劣评价是不合适的，针 对不同的具体任务和环境，柔顺控制的控制要求和控制方法有着较大的 区别。在机械行业中，机器人柔顺控制涉及装配、机械加工、双手协调 及灵巧手等领域，而在机械加工中的应用集中于磨削、铣削、去毛刺、 抛光、研磨等方向。在不同的领域柔顺控制所侧重的控制对象和方法不 尽相同，如：在实际操作中机械加工机器人力控制方式有别于装配操作 机器人，前者以非冲突的方法控制力和力矩，沿着被约束的方向控制力， 沿着非约束的方向控制位置，根据运动中的接触力来修正实现规划好的 路径。而装配机器人的力反馈则是为了增加在约束环境中的定位精度， 是机械手末端执行器对于环境的实际位置的信息源。去毛刺机器人的路 径规划和力控制方式与抛光、研磨机器人也有很大区别，去毛刺过程中 机械手必须准确跟踪零件的棱边，而抛光机械手必须完成对待加工曲面 遍历跟踪；去毛刺过程中末端工具沿进给方向的切向力随着毛刺大小的 不同变化较大，对加工效果产生很大影响，必须同时控制切向力和法向 力，而抛光操作由于切除材料少，应用恒定的法向力控制方法就可以得 到期望的效果，切向力一般不做特别控制。抛光、研磨机器人的路径规 划和工具的选择要比去毛刺和打磨焊缝困难得多。通过以上分析，可以 看出机器人去毛刺操作的柔顺控制比一般的磨削和抛光较为复杂。为了 清楚的表示课题的研究内容，本论文将主要以去毛刺为例进行柔顺控制 研究。 8 第l 章绪论 1 5 机器人柔顺控制在切除毛刺加工中的应用与研究现状 1 5 1 主动柔顺控制 机器人去毛刺操作是机器人柔顺控制研究中的一个重要方向，目前 已取得了众多的研究成果，机器人毛刺修理系统的示意图和加工实物图， 如图1 3 和图1 4 所示。为克服毛刺大小的不确定性和模型不精确等问题， 控制器必须能够适应环境的变化，并有较好的稳定性。p u l s 6 9 】提出了一 种实时自适应机器人去毛刺策略，比最初的先测量后去除的方法，节省 了时间，提高了加工效率，并研究了消除环境的变化对加工效果影响的 自适应方法。b o n e i 7 0 】建立了一套机器人去毛刺的力学模型，证明了细小 均大的毛刺对去毛刺过程几乎没有什么影响，并应用p i d 控制进行了实验 研究。k a z e r o o n i 4 , 7 1 l 应用阻抗控制进行了去毛刺研究，在法向和切向设 置了不同的阻抗参数，保证了法向的稳定性和切向的柔顺性。s t e p i e n 7 2 】 在位置控制环的基础上，加入了一个力控制外环，力控制通过p i d 实现， 通过对位置的补偿来消除力跟踪和去毛刺操作中的不确定性。b o n e l 7 3 】 在切除毛刺的加工过程中融合视觉传感器和力传感器的信息，对毛刺的 尺寸和位置进行精确的测量，根据反馈结果在线调整控制参数，适应环 境的变化。p a g i l l a ! h 】等通过磨削系数建立切向力和法向力的关系，根据 工具和零件不同的接触状况估计磨削系数，对切向力起到很好的补偿效 果。w i e n s 7 5 , 7 6 1 提出了一种基于过程模型的自适应控制方法，该方法直接 通过建立的加工过程模型来判断毛刺的存在与否，并对法向力进行调整， 达到最大限度去除毛刺的目的。 基本柔顺控制的共同点都是通过建立工具位置和接触力的关系模 型，然后应用不同的控制方法实现位置和力的控制。但是由于机器人系 统不确定性和毛刺大小位置的不可预测性很难获得精确的动态模型。 l i u i ”】提出了矫正的混合力位控制结构，并在此基础上引入了模糊控制 策略，该方法可以补偿系统位置误差并能根据毛刺尺寸大小的变化调整 工具进给速度。而后在文献 7 7 ，7 8 】中l i u 提出了三阶段去毛刺理论，即首 先决定机器人的期望轨迹，然后通过测力探头探测出毛刺的大小和位置， 最后根据毛刺的存在情况应用不同的控制策略。当毛刺大小、位置均匀 i l i 尔人宁博十宁付论文 时，采用恒定法向力法，而当毛刺尺寸变化较大时采用调节进给速度来 避免大的切削力。无论哪种方式，其期望切削力都是应用模糊策略根据 毛刺的横截面积和进给速度进行设置。k i g u c h i 6 6 l 开发了模糊神经网络力 位控制器，控制器把模糊神经网络合并到混合控制方法内，可以在未知 环境下在线调整其控制参数完成去毛刺作业。c h e n 儿9 i 设计了自调整模糊 控制器，根据恒力去毛刺的方法，在法向保持恒力，得到期望的切深。 p i r e s i ”l 应用f u z z y - p i 控制对期望位置进行调整，从而保证接触力的稳 定，并取得了较好的效果。h s u ”j 把模糊控制引入到混合力位控制中， 通过对不确定性的补偿，起到了很好的作用。 学习控制作为智能控制最早的研究领域之一，常被用于环境复杂多 变的机器人切除毛刺控制过程，在目前的研究中可分为两类：一类是学 习人的加工技能，即通过学习把熟练工人的加工技能转化到机器人控制 器中；另一类是独立的研究机器人系统，在任务执行中对系统固有的未 知特征信息进行学习。j e o n 等1 4 7 1 把学习控制引入混合力位控制中，系统 通过对前面加工过程中力和位置误差的学习来更新前馈补偿器，进而提 高控制的效果。l i u l 8 1 , 8 2 1 应用神经网络把人在去毛刺过程中的经验和技能 教给机器人，让它们模仿人的识别和加工过程。s u 等1 6 7 l 提出了基于进化 的虚拟示教方法，工人通过虚拟环境不断的训练，可以得到阻抗控制参 数和实际加工信息的关系，然后应用模糊控制理论，根据实际的加工环 境调整机器人阻抗控制的参数。t z a f e s t a s ”】以滑模控制和模糊控制为基 础，提出了一种模糊强化学习方法，应用一个二自由度机器人进行了仿 真验证，通过十次左右的学习，系统就可以很好的完成去毛刺操作。 p r a b h u “j 把强化学习方法引入到导纳控制中，根据反馈的力误差和误差 变化，进行不断学习更新学习因子，从而改变进给速度，通过仿真验证 了该方法对于去除较大毛刺和保持期望力恒定有较好的效果。 综上所述，先进的控制方法解决了常规方法出现的一些问题，可以 提高机器人切除毛刺的加工效果，但是目前多局限于仿真和实验室研究， 还不能在实际生产中应用。 1 0 第1 章绪论 数 据 传 输 机器人控制柜 控制信号 图l - 3 机器人毛刺修理系统示意图 图1 4 机器人柔顺作业实物图 1 5 2 机器人去毛刺操作的编程研究现状 1 ) 离线编程方式 即通过基于零件c a d c a m 模型的机器人仿真系统进行离线编程，这 种方法可以节省编程时间，具有一定的优越性，但是由于理论建模和实 际环境的误差影响因素较多，计算出的轨迹有时很难达到加工要求，在 l l f 尔人宁博士学何论文 实际加工过程中还应进行修改或在线调整。这类编程软件可以分为两类， 一类是通用机器人的编程仿真软件，如g r a s p 、w o r k s p a c e 8 5 , 8 6 】，这 类仿真软件都有离线编程功能，但是对于去毛刺这种复杂任务的编程有