第5章 机器人控制

1、机器人学基础机器人学基础国家级国家级智能科学基础系列课程教学团队智能科学基础系列课程教学团队“机器人学机器人学”课程配套教材课程配套教材蔡自兴蔡自兴 主编主编20092第五章 机器人控制5.1 机器人的基本控制原则 从控制观点看，机器人系统代表冗余的、多变量和本质上非线性的控制系统，同时又是复杂的耦合动态系统。每个控制任务本身就是一个动力学任务。机器人学基础35.1 机器人的基本控制原则控制器分类 机器人控制器是具有多种结构形式，包括非伺服控制、伺服控制、位置和速度反馈控制、力（力矩）控制、基于传感器的控制、非线性控制、分解加速度控制、滑模控制、最优控制、自适应控制、递阶控制以及各种智能控制等

2、 。 第五章 机器人控制5.1.1 基本控制原则45.1.1 基本控制原则5.1 机器人的基本控制原则5.1 表机器人控制的分类及其分析方法5.1.1 基本控制原则5主控变量 图5.1表示一台机器人的各关节控制变量。5.1 图机器手各关节控制变量5.1 机器人的基本控制原则6主要控制层次 图5.2表示机器人的主要控制层次。第一级：人工智能级第二级：控制模式级 第三级：伺服系统级5.2 图机器手主要控制层次5.1.1 基本控制原则5.1 机器人的基本控制原则5.1.2 伺服控制系统举例液压缸伺服传动系统75.1 机器人的基本控制原则5.3 图液压缸伺服传动系统结构图电-液压伺服控制系统 85.1

3、.2 伺服控制系统举例5.4 -图电 液压伺服控制系统5.1 机器人的基本控制原则9 机器人为串续连杆式机械手，其动态特性具有高度的非线性。要控制这种由马达驱动的操作机器人，用适当的数学方程式来表示其运动是十分重要的。这种数学表达式就是数学模型，或简称模型。 在设计模型时，提出下列二个假设： （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。第五章 机器人控制5.2 机器人的位置控制105.2.1 直流传动系统的建模n传递函数与等效方框图 5.5图 直流电动机伺服传动原理5.2 机器人的位置控制11直

4、流电动机的转速调整5.2 机器人的位置控制5.8图 具有测速反馈的直流电动机控制原理图5.2.1 直流传动系统的建模(a) 控制原理图(b) 等效电路图12基本控制结构5.2.2 位置控制的基本结构5.9图 机器人位置控制基本结构5.2 机器人的位置控制(a) 关节空间控制结构(b) 直角坐标空间控制结构13PUMA机器人的伺服控制结构 5.10 PUMA图 机器人的伺服控制结构5.2.2 位置控制的基本结构5.2 机器人的位置控制145.2.3 单关节位置控制器n位置控制系统结构5.11图 斯坦福机械手的位置控制系统方框图5.2 机器人的位置控制15单关节控制器的传递函数 5.12图 一个关

5、节的电动机-齿轮-负载联合装置示意图)()()()(2IemmmmImmKkBRSBLJRJSLSKSVS(5.35)5.2.3 单关节位置控制器5.2 机器人的位置控制165.13图 机械手位置控制器结构图5.2 .3 单关节位置控制器5.2 机器人的位置控制17参数确定及稳态误差 的确定关节控制器的稳态误差1KK 和tetIeffmKkKKBJRK/ )/(1ImeffKRJK4/2ILgfmsspKKCCCRe/ )(5.2 .3 单关节位置控制器5.2 机器人的位置控制(5.53)(5.55)(5.64)5.2 .4 多关节位置控制器18动态方程的拉格朗日公式各关节间的耦合与补偿耦合惯

6、量补偿的计算niqLqLdtdiii, 2 , 1,T616161ijkikjijkiaijijiDqqDqJqD T5.2 机器人的位置控制195.3 机器人的力和位置混合控制5.3.1 力和位置混合控制方案主动刚性控制 如果希望在某个方向上遇到实际约束，那么这个方向的刚性应当降低，以保证有较低的结构应力；反之，在某些不希望碰到实际约束的方向上，则应加大刚性，这样可使机械手紧紧跟随期望轨迹。于是，就能够通过改变刚性来适应变化的作业要求。第五章 机器人控制5.15图 主动刚性控制框图205.3.1 力和位置混合控制方案雷伯特-克雷格位置/力混合控制器5.16 R-C图 控制器结构5.3 机器人

7、的力和位置混合控制21雷伯特-克雷格位置/力混合控制器对R-C控制器进行如下改进：在混合控制器中考虑机械手的动态影响，并对机械手所受重力及哥氏力和向心力进行补偿； 考虑力控制系统的欠阻尼特性，在力控制回路中，加入阻尼反馈，以消弱振荡因素。引入加速度前馈，以满足作业任务对加速度的要求，也可使速度平滑过渡。改进后的R-C力/位置混合控制系统结构图如图5.17所示。5.3.1 力和位置混合控制方案225.17R-C图 改进后的混合控制系统结构雷伯特-克雷格位置/力混合控制器5.3.1 力和位置混合控制方案235.3.1 力和位置混合控制方案操作空间力和位置混合控制系统5.18/图 操作空间力 位置混

8、合控制系统框图5.3 机器人的力和位置混合控制5.3.2 力和位置混合控制系统控制规律的综合位置控制规律系统的控制器方程为：闭环系统的动态方程：取24)(),()()()(qGqqCqqKqqKqqMTdppdpdd (5.67)0qKqKqpppd (5.70)IKIKnppnpd22(5.71)5.3 机器人的力和位置混合控制25力控制规律令图5.17中的位置适从选择矩阵 S=0，控制末端在基坐标系z0方向上受到反作用力。设约束表面为刚体，末端受力如图5.19所示，那么对三连杆机械手进行力控制时有力控制选择矩阵：100000000S5.3.2 力和位置混合控制系统控制规律的综合5.3 机器

9、人的力和位置混合控制5.19图 机械手末端受力图力控制规律闭环系统的动态方程：上式表明，关节1对力控制不起作用，关节2和3对力控制有作用。265.3.2 力和位置混合控制系统控制规律的综合)()(0223333233233313233322223221dfdfddfdfdffHqKJJqKJqffHqKJJqKJqq (5.76)27力和位置混合控制规律设约束坐标系与基坐标系重合。如果要求作业在基坐标系的z0方向进行力控制，在某个与x0y0平面平行的约束面上进行位置控制，则适从选择矩阵为位置： 力： 000010001S100000000SfHJHJHJHJHJHJfHfHJzKzyKyKyx

10、KxKxfdpppdpppd23313222312221311221322110 (5.84)5.3.2 力和位置混合控制系统控制规律的综合5.3 机器人的力和位置混合控制5.4 机器人的智能控制5.4.1 智能控制系统的分类 递阶控制系统递阶智能控制系统是个整体。组织级代表控制系统的主导思想，并由人工智能起控制作用。协调级是上（组织）级和下（执行）级间的接口，承上启下，并由人工智能和运筹学共同作用。执行级是递阶控制的底层，要求具有较高的精度和较低的智能，它按控制论进行控制，对相关过程执行适当的控制作用。28第五章 机器人控制递阶控制系统 智能控制系统是由三个基本控制级构成的，其级联交互结构如

11、图5.20 所示。递阶智能控制系统遵循提高精度而降低智能（IPDI）的原理。概率模型用于表示组织级推理、规划和决策的不确定性，指定协调级的任务以及执行级的控制作用。采用熵来度量智能机器执行各种指令的效果，并采用熵进行最优决策。295.4.1 智能控制系统的分类 5.20图 递阶智能机器的级联结构30图5.21表示具有视觉反馈的PUMA600机械手的智能系统分级结构图。递阶控制系统 5.4.1 智能控制系统的分类 5.21图 具有视觉反馈的机械手递阶控制结构315.4.1 智能控制系统的分类 专家控制系统专家控制系统是一个应用专家系统技术的控制系统，也是一个典型的和广泛应用的基于知识的控制系统。

12、几乎所有的专家控制系（控制器）都包含知识库、推理机、控制规则集和或控制算法等。图5.22 画出专家控制系统的基本结构。5.4 机器人的智能控制5.22图 专家控制器的典型结构325.4 .1 智能控制的分类模糊控制系统有效性：提供一种实现基于知识（基于规则）的甚至语言描述的控制规律的新机理。 提供了一种改进非线性控制器的替代方法 。模糊控制系统的基本结构如图5.23所示。5.23图 模糊控制系统的基本结构5.4 机器人的智能控制335.4 .1 智能控制的分类学习控制系统学习控制具有4个主要功能：搜索、识别、记忆和推理。在线学习控制系统和离线学习控制系统，分别如图5.26(a) 和图5.26(

13、b)所示。5.4 机器人的智能控制5.24图 学习控制系统原理图345.4 .1 智能控制的分类神经控制系统基于人工神经网络的控制(ANN-based control)，简称神经控制(neurocontrol)或NN控制。提出的神经控制的结构方案很多，包括NN学习控制、NN直接逆控制、NN自适应控制、NN内模控制、NN预测控制、NN最优决策控制、NN强化控制、CMAC控制、分级NN控制和多层NN控制等。图5.25 表示监督式神经控制器的结构。5.25NN图 监督式学习控制器的结构5.4 机器人的智能控制355.4 .1 智能控制的分类进化控制系统进化与反馈作为自然界存在的两种基本调节机制，具有

14、明显的互补性。把进化思想与反馈控制理论相结合，产生了一种新的智能控制方法进化控制。进化控制是综合考察了几种典型智能控制方法的思想起源、组成结构、实现方法和技术等之后提出来的，它模拟生物界演化的进化机制，将进化思想与反馈控制理论相结合，提高了系统在复杂环境下的自主性、创造性和学习能力。5.4 机器人的智能控制365.4 .2 机器人的自适应模糊控制模糊控制是应用最广的一种智能控制，它具有多种结构形式，如PID模糊控制、自组织模糊控制、自校正模糊控制、自学习模糊控制、专家模糊控制等。 自适应模糊控制器控制系统设计5.4 机器人的智能控制5.26 ZebraZERO图 机器人模型5.27/图 附加力

15、外环的机器人力 位置自适应模糊控制系统框图37自适应模糊控制器实验研究 经分析研究和实验研究结果可知，这种含有附加力外环的力位置自适应模糊控制方法，可以在不改变机器人原有位置控制器的情况下，使机械手在其末端执行器与接触刚度变化范围较大的外界工作环境接触时具有较强的适应能力，对力和位置的控制具有良好的鲁棒性和跟踪能力。该方法通用性强，具有一定的实用价值。 5.4.2 机器人的自适应模糊控制385.4.3 多指灵巧手的神经控制多指灵巧手又称多指多关节机械手，是一种关联加串联形式的机器人，一般由手掌和3 5个手指组成，每个手指有34个关节。多指灵巧手的机械本体一般较小，自由度又较多，可完成各种抓持及

16、操作。多指灵巧手比一般的机器人具有更强的非线性。5.4 机器人的智能控制395.4.3 多指灵巧手的神经控制网络结构及学习算法采用一个3201的三层前馈网络来学习原有的控制器的输入输出关系。学习结束后，用此前馈网络当作控制器。学习采用BP算法与趋化算法相结合的混合学习算法，即先用BP算法对网络进行训练，然后再用趋化算法训练。5.4 机器人的智能控制40网络结构及学习算法趋化算法把权重W设为-0.1, 0.1上的随机初值，即W0；把样本输入网络并计算网络输出；求目标函数J的值，并令B1J；产生与权重W维数相同、零均值的-1, +1上正态分布的随机向量；令 ，是一实系数；求目标函数J的值，令B2=

17、J；如果E2E1，则令W0=W1，转到（4）；否则，转到（4）。1,0aWaWW5.4.3 多指灵巧手的神经控制415.4.3 多指灵巧手的神经控制基于神经网络的控制器设计控制系统硬件控制系统软件控制软件分为两部分，上位机软件用C语言编写，伺服控制器的软件用MCS51单片机汇编语言编写。5.31图 控制系统硬件简图5.4 机器人的智能控制5.32图 控制器结构图425.4.3 多指灵巧手的神经控制5.33图 主机软件流程图5.4 机器人的智能控制43基于神经网络的控制器设计复合控制方法通过实验发现，单纯用神经网络控制器进行控制，系统的响应在跟踪阶段可以很好地跟踪给定的轨迹，但稳态效果不好，存在较大的稳态误差。由于时间限制，网络学习只能得到一个近似的最优解，而不可能得到真正的最优解。为了使系统具有良好的稳态响应，采用一个P