论文部分内容阅读
模块化机器人的研究一直是机器人领域中感兴趣的研究内容之一,模块化关节作为模块化机器人的关键组成部分,其性能的好坏直接影响机器人的性能。模块化关节是一个多变量、强耦合、非线性、时变的复杂系统,由于机器人在不同位姿下关节的负载不同,摩擦非线性和其它强干扰因素的影响,用一组事先整定好的PID参数对机器人实施控制难以达到很好的动、静态性能指标。本文首先在研究国内外模块化关节模型的基础上,以机器人模块化关节伺服系统数学模型为基础,建立了模块化关节控制系统的Matlab仿真模块,采用模糊自适应PID控制方法,以跟踪误差和误差的变化率作为系统的输入,运用模糊推理,实现对PID参数的优化自调整,仿真和实验结果表明这种控制策略可以有效提高系统的抗干扰能力,系统响应时间快、超调量小,具有较强的鲁棒性和自适应能力。其次,对模块化关节的动静态性能参数的准确测试能为关节提供准确的综合性能评定,从而使关节更好地满足所需设计要求。因此本文设计了基于虚拟仪器的模块化关节综合性能测试平台,对模块化关节的伺服控制性能进行测试与标定,针对模块化关节在不同负载下的定位精度和速度响应性能以及路径跟踪性能做了大量的实验研究,从实验结果看出,高速时系统具有很好的响应性能,低速时速度响应性能较差,表现为速度有较大的脉动。模块化关节伺服控制精度很大程度上依赖于系统的低速性能,提高伺服系统低速时的动静态性能对模块化关节伺服系统具有重大的意义。基于此,本文把卡尔曼滤波技术应用于模块化关节的低速控制,完成低速时电机转速的估计,在高速时,仍采用光电编码器获取电机转速。通过Matlab环境下的仿真和在测试平台上的实验结果表明,采用卡尔曼滤波技术进行低速的辅助检测可以提高系统转速和位置的动静态响应性能,特别是低速时具有较好的转角跟踪性能和转速跟踪性能,基于以上侧略,在整个调速范围内都能保证系统的动态响应性能和系统的控制精度。