资源描述：
《腿轮式机器人自适应控制的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、腿轮式机器人自适应控制的研究——李金良吕恬生赵荣岗文章编号:1004-132Ò(2003)21-1815-04腿轮式机器人自适应控制的研究李金良吕恬生赵荣岗摘要:给出使机器人处于最优运动状态的运动参数。采用模糊神经网络结合常规PD控制器的方法来进行机器人的运动控制,提出了提取模糊规则的方法。实验结果表明该控制算法结构简单,具有实时性好、精度高、鲁棒性强等特点。关键词:腿轮式机器人;模糊神经网络;PD控制器;模糊规则提取中图分类号:TP242.1文献标识码:A李金良博士研究生腿轮式机器人是一种混合结构机器人,它综合了腿式和轮式机器人的优点,具有较强的地形[1～3]适应能
2、力、较大的稳定性和较高的能量效率。腿轮式机器人的运动控制是一个相当复杂和困难的控制问题。现有的运动控制算法,如独立关节的PID控制简单实用,但跟踪精度不高;计算力矩法在理想情况下具有比较满意的性能,但它对模型误差敏感,鲁棒性差;变结构控制、鲁棒控制能够抵御一定的外部干扰和系统参数摄动等不确定性的影响,但鲁棒区域或摄动区域必须已知且有界,并且控制系统设计必须在系统的鲁棒性图1腿轮式机器人原理图和控制的精确性之间折衷。机器人前半部分的两条腿作对称周期性运动,后近年来,神经网络在机器人运动学、动力学和半部分的两条腿仅作为支撑,这样就减少了机器控制中得到了广泛应用,针对腿轮式
3、机器人的运人整体的自由度,简化了分析,并为以后的复杂运动控制问题,本文提出一种模糊神经网络(FNN)和常规PD控制器相结合的方法。1机器人运动原理图1是一种腿轮式机器人的原理图,机器人由躯体和四肢(4条腿)组成,其中腿部机构由3个连杆和1个从动滚轮通过旋转关节连接而成。机器人的运行原理基于人的溜旱冰运动,即依靠连杆的协调摆动来带动从动滚轮在地面上滑动和滚动,利用滚轮上受到的摩擦合力驱动机器人前进。由于采用从动滚轮,因此省去了滚轮上的制动与转向部分,简化了滚轮部分的机构。与采用主动图2腿部机构简图轮结构的腿轮式机器人相比,该从动轮结构大大动分析提供了基础。图2中连杆l1
4、绕髋关节摆动,减轻了机器人本体的重量,增强了机器人的灵活连杆l3绕踝关节摆动,连杆2随连杆1和3运动,性,提高了运行速度。并假设[4]腿轮式机器人的每条腿有3个自由度,工作2P3d(t)=doffset+d0sin(t+P)(1)空间很大。先研究图2所示的一种简单情况,此时T22P3H1(t)=H0sin(t+P+U)(2)T2收稿日期:2002—10—31·1815·中国机械工程第14卷第21期2003年11月上半月式中,d(t)为髋关节到滚轮于地面接触点在y方向上的距得到系统动力学方程为离;doffset为起始偏移距离;d0为踝关节摆动幅度;T为摆bõõM(H)H
5、+C(H,H)+F(H)+G(H)+Td=T(7)动周期;H1(t)为连杆1的摆动角度;H0为摆幅;H3(t)为连TH=[H1,H2,H3,H4,H5,H6]杆3的摆动角度;U为两个连杆摆动的相位差。TT=[Ts1,Ts2,Ts3,Ts4,Ts5,Ts6]由图2中的受力情况可得式中,H为关节转角向量;T为驱动关节输入力矩向量;õwFt=-sign[vcosH(t)+d(t)H(t)]Lt-Ltc[vcosH(t)+õ4M(H)为机器人惯量矩阵;C(H,H)为向心力和哥氏力矩õd(t)H(t)](3)õ阵;F(H)为摩擦力矩阵;M(H)为重力矩阵;Td为未建模的õWFn
6、=-sign[vsinH(t)+d(t)]Ln(4)动力学项和外部干扰。4式(7)中存在非线性项和Td项,常规PID控式中,Ft、Fn分别为滚轮受到的切向摩擦力(包括滚动摩擦力和粘性摩擦力)和法向摩擦力(滑动摩擦力);Lt为滚制难以实现关节空间的精确轨迹跟踪。为此设计动摩擦系数;Ln为滑动摩擦系数;Ltc为滚轮轴承上的粘性了FNN和PD反馈控制相结合,并且利用PD控摩擦系数;W为机器人本体重量。制器帮助提取模糊规则的自适应模糊控制器,见通过实验得Lt=0.01、Ltc=5.5、Ln=图4。图中的两个FNN均为模糊神经网络,它们01560。注意到FnmFt,且左右两腿受
7、到的摩擦力具有相同的结构和参数。FNN2用误差反向传播对称,Ft和Fn在Y方向上的合力为零,在X方向算法来实时学习机器人的逆动力学,FNN1则用上应用牛顿第二定律得作模糊控制器,为机器人系统提供驱动力矩2[FnsinH(t)-FtcosH(t)]=Wa(t)(5)TFNN。PD控制器用来帮助提取模糊规则以建立初tv(t)=∫a(t)dt(6)始的神经网络结构,并补偿FNN2对机器人逆动0力学辨识的偏差。机器人的动态控制模型可表示式中,a(t)、v(t)为机器人运行的加速度和速度。为给定各个运动参数,并联立式(1)～式(6)可T(k)=TFNN(k)+
