第5章-機(jī)器人控制

第5章機(jī)器人控制

機(jī)器人概論控制的基本原則機(jī)器人位置控制機(jī)器人力和位置混合控制智能控制5.1機(jī)器人的基本控制原則研究機(jī)器人的控制問題是與其運(yùn)動學(xué)和動力學(xué)問題密切相關(guān)的。從控制觀點(diǎn)看，機(jī)器人系統(tǒng)代表冗余的、多變量和本質(zhì)上非線性的控制系統(tǒng)，同時又是復(fù)雜的耦合動態(tài)系統(tǒng)。每個控制任務(wù)本身就是一個動力學(xué)任務(wù)。在實(shí)際研究中，往往把機(jī)器人控制系統(tǒng)簡化為若干個低階子系統(tǒng)來描述。5.1機(jī)器人的基本控制原則5.1.1基本控制原則1.控制器分類非伺服控制、伺服控制、位置和速度反饋控制、力（力矩）控制、基于傳感器的控制、非線性控制、分解加速度控制、滑模控制、最優(yōu)控制、自適應(yīng)控制、遞階控制以及各種智能控制等5.1機(jī)器人的基本控制原則5.1.1基本控制原則5.1機(jī)器人的基本控制原則從機(jī)器人控制算法的處理方式來看，可分為串行、并行兩種結(jié)構(gòu)類型。串行處理結(jié)構(gòu)(1)單CPU結(jié)構(gòu)、集中控制方式(2)二級CPU結(jié)構(gòu)、主從式控制方式(3)多CPU結(jié)構(gòu)、分布式控制方式計算負(fù)擔(dān)重、實(shí)時性差離線規(guī)劃和前饋補(bǔ)償解耦5.1機(jī)器人的基本控制原則并行處理結(jié)構(gòu)1982年J.Y.S.Luh首次提出1、考慮給定的并行處理器結(jié)構(gòu)，根據(jù)處理器結(jié)構(gòu)所支持的計算模型，開發(fā)算法的并行性；2、首先開發(fā)算法的并行性，然后設(shè)計支持該算法的并行處理器結(jié)構(gòu)，以達(dá)到最佳并行效率。5.1機(jī)器人的基本控制原則5.1.1基本控制原則2.主要控制變量本質(zhì)上是將電信號轉(zhuǎn)換為電動機(jī)等動力機(jī)構(gòu)的力矩矢量，通過變速機(jī)等中間部件，轉(zhuǎn)換為機(jī)械手或其他執(zhí)行機(jī)構(gòu)的轉(zhuǎn)角或位移：5.1機(jī)器人的基本控制原則5.1.1基本控制原則3.主要控制層次主要分為三個控制級：人工智能級、控制模式級和伺服系統(tǒng)級。（1）人工智能級詞匯和自然語言理解、規(guī)劃的產(chǎn)生以及人物描述等。仍處于研究階段。5.1機(jī)器人的基本控制原則5.1.1基本控制原則3.主要控制層次（2）控制模式級建立之間的雙向關(guān)系在建立系統(tǒng)動力學(xué)模型的問題上主要的困難有：無法準(zhǔn)確地建立各部分的機(jī)械誤差；即使能夠完全考慮誤差，也無法完成所需的所有在線操作；控制對模型變換的響應(yīng)。5.1機(jī)器人的基本控制原則5.1.1基本控制原則3.主要控制層次（3）伺服系統(tǒng)級解決機(jī)器人的一般實(shí)際問題。主要包括伺服電機(jī)的控制、液壓缸伺服控制、電-液伺服控制等。5.1機(jī)器人的基本控制原則5.1.2伺服控制系統(tǒng)舉例液壓缸伺服傳動系統(tǒng)作為液壓傳動系統(tǒng)的動力元件，能夠省去中間動力減速器，從而消除齒隙和磨損問題。結(jié)構(gòu)簡單、比較便宜，在工業(yè)機(jī)器人機(jī)械手的往復(fù)運(yùn)動裝置和旋轉(zhuǎn)運(yùn)動裝置上都獲得了廣泛應(yīng)用。5.1機(jī)器人的基本控制原則5.1.2伺服控制系統(tǒng)舉例液壓缸伺服傳動系統(tǒng)5.1機(jī)器人的基本控制原則液壓缸伺服傳動系統(tǒng)5.1機(jī)器人的基本控制原則電-液壓伺服控制系統(tǒng)當(dāng)采用力矩伺服電機(jī)作為位移給定元件時，液壓系統(tǒng)的方框圖如圖所示電流I與配油器輸入信號的關(guān)系可由下列傳函表示：增益阻尼系數(shù)→1自然振蕩角頻率5.1機(jī)器人的基本控制原則同樣可得活塞位移x與配油器輸入信號（位移誤差信號）間的關(guān)系：5.1機(jī)器人的基本控制原則系統(tǒng)傳遞函數(shù)：當(dāng)采用力矩電機(jī)作為位移給定元件時：τ1很小可以忽略時，T1'(s)≈k15.2機(jī)器人的位置控制機(jī)器人為串續(xù)連桿式機(jī)械手，其動態(tài)特性具有高度的非線性?？刂七@種由馬達(dá)驅(qū)動的操作機(jī)器人，用適當(dāng)?shù)臄?shù)學(xué)方程式來表示其運(yùn)動是十分重要的。這種數(shù)學(xué)表達(dá)式就是數(shù)學(xué)模型，或簡稱模型?？刂茩C(jī)器人運(yùn)動的計算機(jī)，運(yùn)用這種數(shù)學(xué)模型來預(yù)測和控制將要進(jìn)行的運(yùn)動過程。近似模型5.2機(jī)器人的位置控制在設(shè)計模型時，提出下列兩個假設(shè)：（1）機(jī)器人的各段是理想剛體，因而所有的關(guān)節(jié)都是理想的，不存在摩擦和間隙；（2）相鄰兩連桿只有一個自由度，要么為完全旋轉(zhuǎn)的，要么為完全平移的。5.2機(jī)器人的位置控制1.傳遞函數(shù)與等效方框圖勵磁控制直流電動機(jī)的開環(huán)傳遞函數(shù)：電樞（轉(zhuǎn)子）角位移勵磁回路電壓電機(jī)轉(zhuǎn)矩常數(shù)勵磁回路電阻勵磁回路電感傳動系統(tǒng)總轉(zhuǎn)動慣量J=Jm+Jc/η2總黏滯摩擦系數(shù)F=fm+fc/η2總反饋系數(shù)K=kc/η25.2機(jī)器人的位置控制假設(shè)K=0：電氣時間常數(shù)機(jī)械時間常數(shù)5.2機(jī)器人的位置控制因為轉(zhuǎn)子轉(zhuǎn)速ω=dθm/dt，所以：電樞控制直流電動機(jī)的傳遞函數(shù)：電樞回路電壓電樞回路電阻電樞回路電感考慮電動機(jī)轉(zhuǎn)動時產(chǎn)生反電勢的系數(shù)5.2機(jī)器人的位置控制2.直流電動機(jī)的轉(zhuǎn)速調(diào)整從穩(wěn)定性和精度上看，要獲得滿意的伺服傳動性能，必須在伺服電路內(nèi)引入補(bǔ)償網(wǎng)絡(luò)。主要有比例、微分、積分、測速補(bǔ)償四種。5.3機(jī)器人的力和位置混合控制1.主動剛性控制如果希望在某個方向上遇到實(shí)際約束，那么這個方向的剛性應(yīng)當(dāng)降低，以保證有較低的結(jié)構(gòu)應(yīng)力；反之，在某些不希望碰到實(shí)際約束的方向上，則應(yīng)加大剛性，這樣可以使機(jī)械手緊緊跟隨期望軌跡。5.3機(jī)器人的力和位置混合控制2.雷伯特-克雷登位置/力混合控制器（R-C控制器）沒有考慮機(jī)械手動態(tài)耦合的影響，這就會導(dǎo)致機(jī)械手在工作空間某些非奇異位置上出現(xiàn)不穩(wěn)定?？梢赃M(jìn)行如下改進(jìn)：（1）在混合控制器中考慮機(jī)械手動態(tài)影響，并對機(jī)械手所受重力及哥氏力和向心力進(jìn)行補(bǔ)償；（2）考慮力控制系統(tǒng)的欠阻尼特性，在力控制回路中，加入阻尼反饋，以削弱震蕩因素；（3）引入加速度前饋，以滿足作業(yè)任務(wù)對加速度的要求，也可以使速度平滑過渡。5.3機(jī)器人的力和位置混合控制2.雷伯特-克雷登位置/力混合控制器（R-C控制器）5.3機(jī)器人的力和位置混合控制3.操作空間力和位置混合控制系統(tǒng)因為機(jī)械手的末端運(yùn)動是所有關(guān)節(jié)運(yùn)動的復(fù)雜函數(shù)，即使每個關(guān)節(jié)的動態(tài)性能可行，末端的動態(tài)性能未必能滿足要求。5.4機(jī)器人的智能控制5.4.1智能控制系統(tǒng)的分類目前常見的智能控制系統(tǒng)主要有：遞階控制系統(tǒng)、專家控制系統(tǒng)、模糊控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)、學(xué)習(xí)控制系統(tǒng)和進(jìn)化控制系統(tǒng)等。實(shí)際上，這幾種方法和機(jī)制往往結(jié)合在一起，形成混合控制系統(tǒng)，從而優(yōu)化系統(tǒng)的控制效果。5.4機(jī)器人的智能控制1.遞階控制系統(tǒng)遞階控制系統(tǒng)最早由薩里迪斯和梅斯特爾等人提出，它是按照精度隨智能降低而提高的原理（IPDI）分級分布的。5.4機(jī)器人的智能控制1.遞階控制系統(tǒng)遞階智能控制系統(tǒng)把定性的用戶指令變換為一個物理操作序列，系統(tǒng)的輸出時通過一組施于驅(qū)動器的具體指令來實(shí)現(xiàn)的。5.4機(jī)器人的智能控制2.專家控制系統(tǒng)（ExpertControlSystem）專家控制系統(tǒng)是一個應(yīng)用專家系統(tǒng)技術(shù)的控制系統(tǒng)，也是一個典型的和廣泛應(yīng)用的基于知識的控制系統(tǒng)。專家系統(tǒng)控制系統(tǒng)主要包括知識庫、推理機(jī)、控制規(guī)則集和/或控制算法等。5.4機(jī)器人的智能控制2.專家控制系統(tǒng)（ExpertControlSystem）與一般控制系統(tǒng)的區(qū)別：專家控制系統(tǒng)數(shù)據(jù)級知識庫程序級一般控制系統(tǒng)數(shù)據(jù)級程序級5.4機(jī)器人的智能控制2.專家控制系統(tǒng)（ExpertControlSystem）知識庫（KnowledgeBase）：用于存儲某領(lǐng)域?qū)＜壹壍膶I(yè)知識，包括事實(shí)、可行操作與規(guī)則等。綜合數(shù)據(jù)庫（GlobalDatabase）：又稱全局?jǐn)?shù)據(jù)庫或總數(shù)據(jù)庫，用于存儲領(lǐng)域或問題的初始數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)（信息），即被處理對象的一些當(dāng)前事實(shí)。推理機(jī)（ReasoningMachine）：用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。根據(jù)知識進(jìn)行推理和導(dǎo)出結(jié)論，而不是簡單地搜索現(xiàn)成的答案。5.4機(jī)器人的智能控制2.專家控制系統(tǒng)（ExpertControlSystem）解釋器（Explanatory）：向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其他候選解的原因。接口（Interface）：又稱界面，它能夠使系統(tǒng)與用戶進(jìn)行對話，使用戶能夠輸入必要的數(shù)據(jù)、提出問題和了解推理過程及推理結(jié)果等。5.4機(jī)器人的智能控制建立專家系統(tǒng)的一般步驟：設(shè)計初始知識庫①問題的知識化②知識的概念化③概念的形式化④形式的規(guī)則化⑤規(guī)則的合法化A知識庫的改進(jìn)與歸納反復(fù)對知識庫及推理規(guī)則進(jìn)行改進(jìn)試驗歸納出更完善的結(jié)果C原型機(jī)的開發(fā)與試驗包括整個模型的典型知識只涉及與試驗有關(guān)的足夠簡單的任務(wù)和推理過程B5.4機(jī)器人的智能控制3.模糊控制系統(tǒng)在傳統(tǒng)的控制領(lǐng)域里，控制系統(tǒng)動態(tài)模式的精確與否是影響控制優(yōu)劣的最主要關(guān)鍵。傳統(tǒng)的控制理論對于明確系統(tǒng)有強(qiáng)而有力的控制能力，但對于過于復(fù)雜或難以精確描述的系統(tǒng)，則顯得無能為力。5.4機(jī)器人的智能控制3.模糊控制系統(tǒng)模糊控制是一類應(yīng)用模糊集合理論的控制方法。模糊控制的有效性可以從兩個方面來考慮。一方面，模糊控制提供一種實(shí)現(xiàn)基于知識（基于規(guī)劃）的甚至語言描述的控制規(guī)律的新機(jī)理。另一方面，模糊控制提供了一種改進(jìn)非線性控制器的替代方法，這些非線性控制器一般用于控制含有不確定性和難以用傳統(tǒng)非線性控制理論處理的裝置。5.4機(jī)器人的智能控制對輸入量進(jìn)行滿足模糊控制需求的處理↓對輸入量進(jìn)行尺度變換↓確定模糊語言取值和隸屬度函數(shù)5.4機(jī)器人的智能控制隸屬度函數(shù)高斯型隸屬函數(shù)廣義鐘形隸屬函數(shù)S型隸屬函數(shù)梯形隸屬函數(shù)三角形隸屬函數(shù)Z形隸屬函數(shù)5.4機(jī)器人的智能控制幾種解模糊的方式：1、重心法2、最大隸屬度法：顧名思義就是輸出最大隸屬度的值3、系數(shù)加權(quán)平均法5.4機(jī)器人的智能控制4.遺傳算法遺傳算法（GeneticAlgorithm）是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。主要特點(diǎn)：直接對結(jié)構(gòu)對象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。5.4機(jī)器人的智能控制常用名詞：種群（population）基因（gene）個體(individual)染色體(chromosome)代（generation）適應(yīng)度（fitness）選擇（selection）遺傳算子（geneticoperators）交叉（crossover）變異（mutation）解碼（decoding）5.4機(jī)器人的智能控制初始種群一代適應(yīng)度測試=理想情況選擇繁殖子代變異5.4機(jī)器人的智能控制基本遺傳算法偽代碼/*Pc：交叉發(fā)生的概率*Pm：變異發(fā)生的概率*M：種群規(guī)模*G：終止進(jìn)化的代數(shù)*Tf：進(jìn)化產(chǎn)生的任何一個個體的適應(yīng)度函數(shù)超過Tf，則可以終止進(jìn)化過程*/初始化Pm，Pc，M，G，Tf等參數(shù)。隨機(jī)產(chǎn)生第一代種群Popdo{計算種群Pop中每一個體的適應(yīng)度F(i)。初始化空種群newPopdo{根據(jù)適應(yīng)度以比例選擇算法從種群Pop中選出2個個體5.4機(jī)器人的智能控制基本遺傳算法偽代碼if(random(0,1)<Pc){對2個個體按交叉概率Pc執(zhí)行交叉操作}if(random(0,1)<Pm){對2個個體按變異概率Pm執(zhí)行變異操作}將2個新個體加入種群newPop中}until(M個子代被創(chuàng)建)用newPop取代Pop}until(任何染色體得分超過Tf，或繁殖代數(shù)超過G)5.4機(jī)器人的智能控制5.人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，即ANN），是20世紀(jì)80年代以來人工智能領(lǐng)域興起的研究熱點(diǎn)。它從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，建立某種簡單模型，按不同的連接方式組成不同的網(wǎng)絡(luò)。在工程與學(xué)術(shù)界也常直接簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。5.人工神經(jīng)網(wǎng)絡(luò)5.4機(jī)器人的智能控制基于規(guī)則的專家系統(tǒng)或模糊控制監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)控制（SupervisedNeuralControl,SNC）受控系統(tǒng)的動力學(xué)特性未知或部分已知5.4機(jī)器人的智能控制實(shí)現(xiàn)SNC的步驟：通過傳感器及傳感信息處理獲取必要的和有用的控制信息構(gòu)造神經(jīng)網(wǎng)絡(luò)，包括選擇合適的神經(jīng)網(wǎng)絡(luò)類型、結(jié)構(gòu)參數(shù)和學(xué)習(xí)算法等訓(xùn)練SNC，實(shí)現(xiàn)從輸入到輸出的映射，以產(chǎn)生正確的控制5.4機(jī)器人的智能控制（1）神經(jīng)元模型：神經(jīng)元模型是模擬生物神經(jīng)元結(jié)構(gòu)而被設(shè)計出來的。5.4機(jī)器人的智能控制基本概念：1、權(quán)值矩陣：相當(dāng)于神經(jīng)網(wǎng)絡(luò)的記憶。在訓(xùn)練的過程中，動態(tài)調(diào)整和適應(yīng)。2、神經(jīng)網(wǎng)絡(luò)中的每個節(jié)點(diǎn)接受輸入值，并將輸入值傳遞給下一層，輸入節(jié)點(diǎn)會將輸入屬性值直接傳遞給下一層（隱層或輸出層）。在神經(jīng)網(wǎng)絡(luò)中，隱層和輸出層節(jié)點(diǎn)的輸入和輸出之間具有函數(shù)關(guān)系，這個函數(shù)稱為激勵函數(shù)。5.4機(jī)器人的智能控制常見的激勵函數(shù)5.4機(jī)器人的智能控制BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)正向傳播5.4機(jī)器人的智能控制單個樣本的損失函數(shù)（LossFunction）代價函數(shù)（CostFunction）反向傳播——通過計算輸出層與期望值之間的誤差來調(diào)整網(wǎng)絡(luò)參數(shù)，從而使得誤差變小。5.4機(jī)器人的智能控制5.4.2機(jī)器人智能控制實(shí)踐1.Matlab模糊控制工具箱在命令行輸入fuzzy，即可進(jìn)入模糊控制工具箱。5.4機(jī)器人的智能控制點(diǎn)擊Edit->AddVariable->input添加輸入變量點(diǎn)擊Edit->AddVariable->output添加輸出變量5.4機(jī)器人的智能控制通過修改TypeName等修改模糊規(guī)則5.4機(jī)器人的智能控制所有規(guī)則都添加完成之后，點(diǎn)擊Edit->Rules進(jìn)入規(guī)則設(shè)計界面，根據(jù)提前設(shè)計好的規(guī)則生成方法5.4機(jī)器人的智能控制點(diǎn)擊Addrule添加相應(yīng)的規(guī)則。之后可以點(diǎn)擊View，看設(shè)計的規(guī)則情況。左下角的方框里Andmethod\Ormethod之類的選項是設(shè)計規(guī)則里選擇and和or進(jìn)行變量選取的選取方法。5.4機(jī)器人的智能控制例：求下述二元函數(shù)的最大值：（1）個體編碼（2）產(chǎn)生初始群體（3）適應(yīng)度計算（4）選擇新個體（5）交叉（6）變異fi/Σfi5.4機(jī)器人的智能控制求一個復(fù)雜的二維函數(shù)的最大值。函數(shù)顯式為：y=10*sin(5*x)+7*abs(x-5)+10這個函數(shù)圖像為：5.4機(jī)器人的智能控制主函數(shù)流程圖：5.4機(jī)器人的智能控制（1）生成二進(jìn)制種群%初始化種群大小%輸入變量：%popsize：種群大小%chromlength：染色體長度-->>轉(zhuǎn)化的二進(jìn)制長度%輸出變量：%pop：種群function

pop=initpop(popsize,chromlength)pop=round(rand(popsize,chromlength));%rand(3,4)生成3行4列的0-1之間的隨機(jī)數(shù)%rand(3,4)%5.4機(jī)器人的智能控制%ans=%%0.81470.91340.27850.9649%0.90580.63240.54690.1576%0.12700.09750.95750.9706%round就是四舍五入%round(rand(3,4))=%1101%1110%0011%所以返回的種群就是每行是一個個體，列數(shù)是染色體長度5.4機(jī)器人的智能控制（2）把二進(jìn)制返回對應(yīng)的十進(jìn)制%二進(jìn)制轉(zhuǎn)化成十進(jìn)制函數(shù)%輸入變量：%二進(jìn)制種群%輸出變量%十進(jìn)制數(shù)值function

pop2=binary2decimal(pop)[px,py]=size(pop);fori=1:pypop1(:,i)=2.^(py-i).*pop(:,i);end%sum(.,2)對行求和，得到列向量temp=sum(pop1,2);pop2=temp*10/1023;5.4機(jī)器人的智能控制（3）計算適應(yīng)度函數(shù)%計算函數(shù)目標(biāo)值%輸入變量：二進(jìn)制數(shù)值%輸出變量：目標(biāo)函數(shù)值function[objvalue]=cal_objvalue(pop)x=binary2decimal(pop);%轉(zhuǎn)化二進(jìn)制數(shù)為x變量的變化域范圍的數(shù)值objvalue=10*sin(5*x)+7*abs(x-5)+10;5.4機(jī)器人的智能控制（4）選擇新的個體%如何選擇新的個體%輸入變量：pop二進(jìn)制種群，fitvalue：適應(yīng)度值%輸出變量：newpop選擇以后的二進(jìn)制種群function[newpop]=selection(pop,fitvalue)%構(gòu)造輪盤[px,py]=size(pop);totalfit=sum(fitvalue);p_fitvalue=fitvalue/totalfit;p_fitvalue=cumsum(p_fitvalue);%概率求和排序ms=sort(rand(px,1));%從小到大排列5.4機(jī)器人的智能控制（4）選擇新的個體fitin=1;newin=1;whilenewin<=px

if(ms(newin))<p_fitvalue(fitin)newpop(newin,:)=pop(fitin,:);newin=newin+1;

elsefitin=fitin+1;endend5.4機(jī)器人的智能控制（5）交叉%輸入變量：pop：二進(jìn)制的父代種群數(shù)，pc：交叉的概率%輸出變量：newpop：交叉后的種群數(shù)function[newpop]=crossover(pop,pc)[px,py]=size(pop);newpop=ones(size(pop));fori=1:2:px-1

if(rand<pc)cpoint=round(rand*py);newpop(i,:)=[pop(i,1:cpoint),pop(i+1,cpoint+1:py)];newpop(i+1,:)=[pop(i+1,1:cpoint),pop(i,cpoint+1:py)];

elsenewpop(i,:)=pop(i,:);newpop(i+1,:)=pop(i+1,:);endend5.4機(jī)器人的智能控制（6）變異%輸入變量：pop：二進(jìn)制種群，pm：變異概率%輸出變量：newpop變異以后的種群function[newpop]=mutation(pop,pm)[px,py]=size(pop);newpop=ones(size(pop));fori=1:px

if(rand<pm)mpoint=round(rand*py);

ifmpoint<=0;mpoint=1;

end5.