【《柔性机械臂系统自抗扰控制研究》6100字（论文）】

柔性机械臂系统自抗扰控制研究目录TOC\o"1-2"\h\u21917柔性机械臂系统自抗扰控制研究 114681柔性机械臂研究现状 1248602柔性机械臂控制技术研究现状 4230272.1PID控制 592092.2滑模控制 5266112.3鲁棒控制 5140342.4神经网络控制 6140782.5模糊控制 6308682.6最优控制 651723自抗扰技术研究现状 727676参考文献 9摘要：随着人工智能的发展，带动了机器人产业的发展，机械臂作为机器人的重要部分，其控制方法的研究有待深入分析。本文以柔性机械臂为例，对其国内外研究现状展开分析，其次针对柔性机械臂的控制策略进行了分析，主流的控制方法有：PID控制、滑膜控制、鲁棒控制、神经网络控制等，最后笔者还针对自抗扰控制展开了分析研究。关键词：柔性机械臂、PID控制、鲁棒控制、自抗扰控制1柔性机械臂研究现状柔性机械臂具有轻量化、可操作性强、工作效率高等优点，已成为机器人领域的研究热点。德国对机械臂的研究一直走在世界的前列，尤其是他们的三代轻型机械臂。1994年，德国航空航天中心发布了第一代机械臂。机械臂主要材料为碳纤维，如图1所示[1]。第二代柔性关节轻机械臂采用谐波减速器的传动方式。在保持扭矩传感器的同时，由谐波减速器和扭矩传感器控制连接的柔性。如图2所示[2]。第三代柔性关节机械臂的关节柔性控制方法与第二代相同[3]，但其目的是最大限度地降低重量和能耗。第三代机械臂的设计思想是模块化。当机械臂出现问题时，可以快速更换机械臂配件模块。第三代机械臂如图3所示。德国在第三代柔性关节机械臂的基础上开发了ROKVISS关节，目前主要用于空间探索和其他任务[4]。图1德国宇航中心第一代柔性关节轻型机械臂图2德国宇航中心第二代柔性关节轻型机械臂图3德国宇航中心第三代柔性关节轻型机械臂美国也对柔性机械臂做了大量的研究，在很多领域都得到了成功的应用。一个典型的Robonaut2柔性机械臂[5-6]，如图4所示。作为世界上第一个具有柔性能力的空间机器人，它为空间探索做出了重大贡献[7]。图4Robonaut2柔性机械臂加拿大在柔性机械臂的研究方面也取得了许多成果。图5显示了加拿大斯巴公司研发的加拿大1号机械臂，安装在航天飞机上进行太空探索。在此基础上，成功研制出功能和性能更强大的2号机械臂，2号机械臂目前在国际空间站中使用。由于其在舱外维护方面的优异性能，对空间站的正常运行起着重要作用。为此，加拿大航天局还获得了国际空间站3%的使用权，这充分证明了加拿大机械臂的重要性。图6为2号机械臂在空间作业时与宇航员的合影。2019年，东京所示的机械臂的研究结果表明，由松下和早稻田大学共同开发的机器人手臂像人体第三只手，可以与其他两只手完成一些任务，如图7所示。同时，在卡耐基梅隆大学和明尼苏达大学的共同努力下，通过使用无创脑机接口技术，将柔性机械臂由人类思维直接控制，而不是植入芯片，使得对机械臂的控制更加灵活方便，如图8所示。图5加拿大1号机械臂图6加拿大2号机械臂图7第三只手机械臂图8无创脑机接口机械臂与国外相比，国内对机器人理论和产品应用的研究起步较晚，尤其是对柔性关节机械臂的研究。随着我国改革开放进程的加快，传统制造业和高新技术领域的快速发展，人们对机器人的实际功能提出了更高的要求，这促使国内高校和科研机构大力开展相关机器人的研究工作，并取得了一些令人鼓舞的成果。哈尔滨工业大学研制成功了一种可进行实际操作的空间柔性机器人。图9为三维模型[8]。2012年，中国自主研发的空间机械臂原型机在珠海航展上亮相，如图10所示，它可以在空间中完成各种工作。总体而言，我国的柔性关节机械臂技术还处于起步阶段，与一些技术相对发达的国家相比还存在一定差距。然而，国内研究人员也积极致力于机械臂的研究，加速了研究的进展，并取得了良好的成果，逐步缩小了与其他国家的差距。图9空间柔性机器人图10我国自主研发的空间机械臂样机2柔性机械臂控制技术研究现状柔性机械臂是一种刚柔耦合、无限尺寸和参数的不安全系统。由于负载质量和外界干扰的存在，柔性机械臂在运动过程中对弯曲和拉伸变形非常敏感，从而导致了柔性机械臂的振动问题。柔性振动的存在大大降低了机械臂的定位精度。为此，对柔性机械臂的控制问题进行了研究，包括宏观刚体运动控制和微观柔性振动抑制。下面对近年来柔性机械臂控制技术的研究成果进行分析和总结。2.1PID控制PID控制是最常用的控制策略之一。通过调节比例积分微分参数，可以修正或改善偏差，实现系统的闭环控制。Santibañez、Yuan等学者建立传递函数，重新定义输出变量，设计PID控制器来抑制柔性机械臂的振动[9-10]。Yim等学者采用极点配置方法，将前馈滤波器、线性稳定器和PID控制相结合，实现了柔性机械臂的轨迹跟踪和振动抑制，并通过实验验证了系统在不同负载下的鲁棒性[11]。娄军强等人设计了复合控制策略，利用PlD控制实现柔性机械臂的轨迹跟踪，设计了模糊控制抑制柔性振动，利用伺服电机完成了柔性机械臂末端的高精度位置控制[12]。上述控制器设计方法简单、实用、有效，但对于柔性机械臂等复杂系统，PlD参数难以确定，控制效果难以达到最佳。2.2滑模控制滑模控制是一种常用的变结构管理策略。该方法通过设计滑模面使系统按照预定的模态方向运动，且滑模对外界干扰和系统参数的变化不敏感。因此，具有较强的抗干扰性和鲁棒性。该方法非常适合复杂柔性机械臂系统的运动控制设计。Sun等人基于SP理论，分别设计了快、慢时间尺度的滑模控制器，实现了冗余并联机器人的运动控制[13]。樊晓平学者设计了位置级控制和鲁棒变结构控制策略的混合修正控制器，实现了平面双连杆柔性机械臂的运动控制。具有较强的鲁棒性和较好的控制效果[14]。Xu等学者认为，在系统参数不确定的情况下，设计滑模控制器来实现柔性机械臂的轨迹跟踪和振动抑制[15]。2.3鲁棒控制鲁棒控制是指系统在存在外部干扰（包括自身干扰）的情况下保持一定性能不变的能力，具有较强的抗干扰能力。洪昭斌等人为位置不受控柔性机械臂系统设计了鲁棒控制器，实现了柔性机械臂连接的轨迹跟踪，并通过设计最优控制器，实现了振动抑制[16]。Choi等学者利用鲁棒控制算法设计混合执行器实现柔性机械臂末端位置跟踪控制，取得了良好的控制效果[17]。将非线性PD控制与鲁棒动态补偿相结合，Shang等人设计了一种新的鲁棒非线性控制器，并将其应用于2自由度并联柔性机械臂[18]。2.4神经网络控制神经网络具有较强的自适应学习能力和良好的容错性能。它常用于复杂模型辨识、非线性系统控制等。与传统控制算法相比，神经网络控制不依赖于系统的数学模型，对非线性输入输出具有很强的映射能力，不受外界干扰和系统参数的干扰，非常适合处理非线性不确定系统的建模和控制问题。对于柔性机械臂系统，Sun等人将自适应神经网络应用于柔性机械臂的控制设计[19]。Riad等学者基于柔性机械臂动力学方程设计了神经网络控制器，实现了对关节位置和速度的快速稳定控制，抑制了机械臂的振动[20]。He等人设计了一种输入死区条件下的神经网络控制器，利用神经网络逼近柔性机械臂的未知动力学，消除执行器死区对系统的影响[21]。2.5模糊控制模糊控制基于已有的知识和专家经验建立模糊规则，通过模糊推理设计控制器。控制器的设计主要包括模糊规则的建立和模糊变量隶属函数的设计。由于模糊辨识过程主要依赖于专家经验而非系统模型，且多参数需要主观确定，因此控制器的设计较为困难。王艳敏基于SP理论设计了一种非奇异终端滑模控制器，实现了机械臂在慢时间尺度下的跟踪控制，通过设计模糊控制器改善滑模切换面，获得自适应滑模切换性能，实现柔性机械臂的振动抑制[22]。2.6最优控制最优控制理论是现代控制理论的一个重要分支。在控制过程中，定义了性能评价函数，设计了控制器使性能评价函数在一定情况下最小化，使系统获得最优控制性能。对于柔性机械臂系统，通常采用最优控制与SP理论相结合的方法来抑制柔性机械臂的振动，应用广泛，具有良好的控制效果。然而，这种方法通常是基于振动系统的精确线性模型，具有一定的局限性。Lu、Yu等学者利用SP理论得到了柔性机械臂的双时间尺度模型，设计了最优控制器来抑制柔性机械臂在快时间尺度下的振动，取得了良好的控制效果[23-24]。3自抗扰技术研究现状自抗扰控制是韩京清教授基于现代控制理论提出的一种新的管理策略[25]。该理论过于依赖数学模型，吸收了PID控制的本质。其核心思想是使用扩展状态观测器来观察系统。通过反馈控制环节的观测值补偿观测系统的不确定性。在控制实践中，不可能设计一个传感器来直接测量目标系统的所有内部状态，通常只能测量目标系统的一部分。观察者可以使用系统的输出来恢复系统在所有情况下的状态。对于线性系统，Luenberger观测器常被用作状态观测器。随着Luenberger观测器感知增长的增加，观测器与原系统之间的误差收敛速度会增加，并且在这一过程中会出现峰值现象。对于非线性系统，高饮和等人基本坐标变换，提出了一类误差系统可线性化的状态观测器[26]。周娟、孙延修分别研究了非线性系统的滑模态观测器和状态观测器[27-28]。与传统的状态观测器不同，韩京清在20世纪90年代初提出了扩展状态观测器，但它不仅要观察系统的状态，还要观察系统的不确定性因素[29]。在以往的实验和实践中，对于扩展观测器的选择、功能的设计和参数的调整都需要较强的技巧。为了便于工程应用，Guo引入了单参数调整的线性扩展状态观测器，这是之前研究中扩展状态观测器的一种特殊情况，类似于高增益观测器[30]。近年来，在扩展状态非线性观测器的设计和参数化以及不确定非线性系统的状态收敛和全扰动观测方面取得了很大的进展。在Guo和Zhao的研究中，针对标准型自抗扰控制器，给出了包括线性扩展状态观测器在内的一类非线性扩展状态观测器的设计和参数化方法，以及非线性设计函数的选择原则。在条件下观察到开环状态和不确定因素并收敛[31]；随后，将结果推广到多输入多输出系统[32]和下三角不确定非线性系统[33]，并提出了扩展的时变增益状态观测器。数值结果表明，由fal函数组成的非线性扩展状态观测器具有明显的优势，但长期以来理论研究没有取得实质性进展。然后，Zhao和Guo提出了基于fal函数的非线性扩展状态观测器的设计和参数化方法，并利用非线性扩展状态观测器对开环不确定非线性系统进行了观测，证明了其收敛性[34]。自抗扰控制的显著特点是，在不确定因素对被控对象产生较大影响之前，可以通过扩展状态观测器的在线估计实时补偿不确定因素。近年来，主动干扰抑制控制已成功应用于许多实际技术控制问题，并提前实现了工业化和商业化。美国ParkerHannifinParfle和软管挤出厂花了八个多月的时间比较自抗扰控制与传统PID控制的效果。在此期间，工厂用自抗扰控制器取代了工程师和技术人员多次调整和优化的PID控制方法。测量结果表明，与传统PID控制相比，自抗扰控制器控制性能参数提高了30%以上，能耗降低了50%以上[35]。德州仪器、飞思卡尔半导体等著名跨国公司的新型运动控制芯片都相继采用了自动抗干扰技术。由于受系统不确定性、非线性和时变等复杂因素的影响，分析主动抗干扰控制闭环系统中扩展状态观测器的收敛性和闭环系统的稳定性具有挑战性。近年来，线性自抗扰控制器理论的稳定性研究引起了学者们的兴趣，并产生了许多研究成果，如基于单扰动的自抗扰控制器闭环系统分析[36]、基于自适应扩展状态观测器的自抗扰控制器[37]、事件驱动的自抗扰控制器[38]、随机不确定非线性系统[39]和分布参数系统的自抗扰控制[40]。一般认为，较好的自抗扰控制器存在于非线性设计中。由于非线性设计的复杂性，近年来基于非线性扩展状态观测器的自抗扰控制闭环系统的理论研究才取得了长足的进展。针对标准自抗扰控制系统，Zhao和Guo提出了基于非线性扩展状态观测器的自抗扰控制闭环系统的扩展状态观测器的收敛性和闭环控制系统的稳定性[41]；Guo和Zhao研究了多输入多输出非线性不确定系统的自抗扰控制器设计与分析[42]。针对常数高增益扩张状态观测器可能出现峰值现象的问题，Zhao和Guo提出了时变增益扩展状态观测器以及基于这种扩展观测器的干扰补偿控制[43]。为了使自抗扰控制具有更广泛的应用领域，Zhao和Guo研究了一类更一般的非线性不确定三角系统的扩展状态观测器和自抗扰控制[44]。大量的数值结果表明，存在一种特殊的非线性函数函数，可以形成一个扩展的状态观测器。与其他扩展状态观测器相比，扩展状态观测器具有明显的优势。然而，由于问题的复杂性，这种非线性扩展状态观测器的基本理论问题尚未得到解决。Zhao和Guo随后提出了这种扩展状态观测器的收敛性和稳定性，并基于这种扩展状态观测器提出了自抗扰控制器[45]。随着时代的发展，非线性自抗扰控制器的理论研究也引起了学者们的广泛关注。

参考文献[1]GombertB,HirzingerG,PlankGSchedl.Modularconceptsforanewgenerationoflightweightrobots[C].AnnualConferenceoftheIEEEIndustrialElectronicssociety,1994:1507-1514.[2]HirzingerG,Albu-SchafFerA,HahnleM,etal.Onanewgenerationoftorquecontrolledlight-weightrobots[C].IEEEInternationalConferenceonRoboticsandAutomation,Seoul,Korea,2001:3356-3363.[3]HirzingerG,SporerN,Albu-SchafferA,etal.DLR'storque-controlledlightweightrobotIII:Arewereachingthetechnologicallimitsnow?[C].ProceedingsofIEEEInternationalConferenceonRoboticsandAutomation,WashingtonDC,USA,2002:1710-1716.[4]ZhangDG.Recursivelagrangiandynamicmodelingandsimulationofmulti-linkspatialflexiblemanipulatorarms[J].AppliedMathematicsandMechanics-EnglishEdition,2009,10:1283-1294.[5]AmbroseRO,AldridgeH,AskewRS,etal.Robonaut:nasa'sspacehumanoid[J].IEEEIntelligentSystemsandtheirApplications,2000,15(4):57-63.[6]BluethmannW,AmbroseR,DiftlerM,etal.Robonaut:Arobotdesignedtoworkwithhumansinspace[J].AutonomousRobots,2003,14(2):179-197.[7]孙英飞，罗爱华.我国工业机器人发展研究[J].科学技术与工程，2012,20(12):2912-2918.[8]LiuH,SunK,XieZW,etal.Researchonthesatelliteon-orbitself-servicingtestbed[J].AdvancedRobotics,2008,22(2-3):299-317.[9]VSantibañez,CamarilloK,CampaMV.ApracticalPIDregulatorwithboundedtorquesforrobotmanipulators[J].InternationalJournalofControl,Automation&Systems,2010.[10]XuB，YuanY.Twoperformanceenhancedcontrolofflexible-linkmanipulatorwithsystemuncertaintyanddisturbances[J].ScienceChinaInformationSciences,2017,60(5):05020201-05020211[11]YimW,ZuangJ,SinghS.Experimentaldual-modecontrolofaflexibleroboticarm[J].Robotica,1992,10(2):135-145.[12]娄军强，魏燕定，杨依领，等.智能柔性机械臂的建模和振动主动控制研究[J].机器人，2014,36(5):552-575.[13]SunT,LiangD,SongY.Singular-perturbation-basednonlinearhybridcontrolofredundantparallelrobot[J].IEEETransactionsonIndustrialElectronics,2018,65(4):3326-3336.[14]樊晓平，徐建闽，毛宗源，等.受限柔性机器人臂的鲁棒变结构混合位置/力控制[J].自动化学报，2000,26(2):176-183.[15]XuB,ZhangP.Compositelearningslidingmodecontrolofflexible-linkmanipulator[J].Complexity,2017,2017(1):1-6.[16]洪昭斌，陈力.柔性空间机械臂基于奇异摄动法的鲁棒跟踪控制和柔性振动主动控制[J].工程力学，2010,27(8):191-198.[17]ChoiS,ShinH.Ahybridactuatorschemeforrobustpositioncontrolofaflexiblelinkmanipulator[J].JournalofRoboticsSystems,1996,13(6):359-370.[18]ShangW,CongS,Robustnonlinearcontrolofaplanar2-DOFparallelmanipulatorwithredundantactuation[J].Robotics&ComputerIntegratedManufacturing,2014,30(6):597-604.[19]SunC,HeW,HongJ.Neuralnetworkcontrolofaflexibleroboticmanipulatorusingthelumpedspring-massmodel[J].IEEETransactionsonSystems,Man,andCybernetics:Systems,2017,47(8):1863-1874.[20]RiadA,MeddahiH.AFastadaptiveartificialneuralnetworkcontrollerforflexiblelinkmanipulators[J].InternationalJournalofAdvancedComputerScience&Applications,2016,7(1):298-308.[21]HeW,Yang,HongJ.Vibrationcontrolofaflexibleroboticmanipulatorinthepresenceofinputdeadzone[J].IEEETransactionsonIndustrialInformatics,2017,13(1):48-59.[22]王艳敏.柔性机械手非奇异终端滑模控制方法的研究[D].哈尔滨:哈尔滨工业大学，2009.[23]LuE,LiW,YangX,etal.Dynamicmodelingandanalysisofarotatingpiezoelectricsmartbeam[J].InternationalJournalofStructuralStabilityandDynamics,2018:18(1):18500031-18500319.[24]YuX,ChenL.Singularperturbationadaptivecontrolandvibrationsuppressionoffree-flyingflexiblespacemanipulators[J].ProceedingsoftheInstitutionofMechanicalEngineers,PartC:JournalofMechanicalEngineeringScience,2015,229(11):1989-1997.[25]韩京清.自抗扰控制技术[J].前沿科学，2007,1(1):24-31.[26]高饮和，董家臣.扩张状态观测器的观测误差前馈补偿设计[J]国防科技大学学报，2019,41(05):93-102.[27]周娟，孙啸，刘凯等，联合扩展卡尔曼滤波的滑模观测器SOC估算算法研究[J]中国电机工程学报，2021,41(2):692-702.[28]孙延修，杜莹，黎虹，基于观测器的非线性系统传感器故障估计方法[J].火力与指挥控制，2020,45(12):2136-2144.[29]韩京清，一类不确定对象的扩张状态观测器[J].控制与决策，1995,10(1):85-88.[30]GAOZ.Scalingandbandwith-parameterizationbasedcontrollertuning[C].AmericanControlConference,2003,4989-4996.[31]GUOB,ZHAOZ.Ontheconvergenceofanextendedstateobserverfornonlinearsystemswithuncertainty[J].Systems&ControlLetters,2011,60:420-430.[32]GU0B,ZHAOZ.Ontheconvergenceofnon-linearextendedstateobserverformulti-inputmulti-outputsystemswithuncertainty[J].IETControlTheory&Applications,2012,6:2375-2386.[33]ZHA0Z,GUOB.Extendedstateobserverforuncertainlowertriangularnonlinearsystems[J].Systems&ControlLetters,2015,85:100-108.[34]ZHAOZ,GUOB.Anonlinearextendedstateobserverbasedonfractionalpowerfunctions[J].Automatica,2017,81,286-296.[35]ZHENGQ,GAOZ.Anenergysaving,factory-validateddisturbancedecouplingcontroldesignforextrusionprocesses[C].10thWorldCongressonIntelligentControlandAutomation(WCICA),2012,2891-2896.[36]陈增强，孙明伟，杨瑞光.线性自抗扰控制的稳定性研究[J].自动化学报，2013,39(5):574-580.[37]SHAGS,GAOZ.Ontheconditionsofexponentialstabilityinactivedisturbancerejectioncontrolbasedonsingularperturbationanalysis[J].InternationalJournalofContro1,2017,90:2085-2097.[38]SUNJ,YANGJ,LIS,etal.Sampledatabasedeventtriggeredactivedisturbancerejectioncontrolfordisturbedsystemsinnetworkedenvironment[J].IEEETransactionso