论文部分内容阅读
随着社会的发展和科学技术的日新月异,机器人已经被应用到越来越多的领域,包括医疗、航海、建筑、服务、农业等领域。同时,人们对机器人系统的控制精度、响应速度和抗扰动性的要求也越来越高。控制系统作为整个机器人的核心,对整个机器人的性能起到了至关重要的作用。因此,研究机器人系统的轨迹跟踪控制具有十分重要的理论意义与现实意义。机器人系统包括以下四大部分,分别为机械本体、控制机构、伺服驱动系统及检测信号系统,机器人可以模仿人类的各类动作,能够通过上位机软件进行自动控制,根据不同的程序完成相应的工作要求,属于现代化的机电一体设备。但多关节机器人的控制过程却是非常复杂的,常见的多关节机器人会有多个输入,并根据程序设计出多个输出,且属于非线性系统。对于多关节机器人的控制方式主要分为以下五种,分别是PID控制、自适应控制、鲁棒控制、变结构控制及智能控制。然而PID控制很难很好地处理机器人系统中的非线性特性;自适应控制、鲁棒控制、变结构控制大多依赖于系统的精确数学模型或者标称模型,导致很难应用于实际的机器人系统;智能控制往往需要前人的经验知识作为基础支撑或者需要已知系统的阶次,给智能控制方法的实际应用带来了很大的困难。因此,为了进一步提高先进控制方法在机器人系统中的实用性,针对一类模型未知、阶次未知的非线性机器人轨迹跟踪系统,本文研究了基于数据驱动的机器人滑模变结构控制方法,完成了以下工作:(1)通过查阅国内外相关文献,阐述了机器人系统的动态数学模型和复杂特性。针对机器人轨迹跟踪系统由于具有模型未知、非线性、扰动、不确定性而导致难以控制的问题,提出了一种数据驱动准滑模解耦控制方案。首先,运用数据驱动技术实现了未知非线性机器人系统的非参数动态线性化;其次,运用趋近律的思维,设计了数据驱动准滑模控制律;最后,进一步结合离散扩张状态观测器(discrete-time extended state observer,DESO),实现了数据驱动准滑模控制系统的解耦控制。(2)为了缓解滑模控制系统的抖振现象,进一步提出了一种数据驱动二阶滑模解耦控制方法。首先,运用数据驱动技术处理机器人系统的模型未知和非线性特性;其次,运用二阶滑模控制思维,提出了一种数据驱动二阶滑模解耦控制方案;最后,理论分析表明本文所设计的数据数据驱动二阶滑模控制方案能够保证机器人轨迹跟踪系统的跟踪误差收敛到零附近很小的区域。(3)为了提升数据驱动滑模解耦控制方法的控制性能,增强该方法的适应能力,本文利用PSO(Particle Swarm Optimization)算法对所设计控制器中的关键参数进行优化,进一步提出了基于PSO优化的数据驱动滑模解耦控制器,为控制器参数的选取提供了一种有效的方案。(4)为了分析所设计控制方案的有效性,本文同时进行了机器人轨迹跟踪控制系统的闭环仿真实验。首先,结合已有机器人轨迹跟踪系统的机理模型,在matlab环境下搭建了仿真平台;其次,将所设计的数据驱动准滑模解耦控制方法、数据驱动二阶滑模解耦控制方法以及基于PSO优化的数据驱动滑模解耦控制方法应用到非线性机器人轨迹跟踪系统中,同时和已有的PID控制方法进行仿真对比分析;最后,仿真曲线和性能评价指标验证了所设计控制方案的有效性。