未知环境下机器人力∕位自适应模糊控制.pdf

《未知环境下机器人力∕位自适应模糊控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、现代制造工程2010年第6期试验研究未知环境下机器人力／位自适应模糊控制’李二超，李战明，李炜(兰州理工大学电气与信息工程学院，兰州730050)摘要：机器人力控制是机器人研究的一个热点和难点。在未知环境中为实现精确的接触力控制，需要力控制器能够适应环境的变化。提出一种基于神经网络训练模糊控制规则的自适应模糊控制器应用于机器人的力控制中来适应机器人末端接触环境的变化，首先用递推最小二乘算法根据机器人对未知环境的动态响应来在线估计环境参数，然后选择一个合适的模糊控制规则调整因子对力控向量进行控制。仿真试验研究表明所设计的控制器是可行和有效的。关键词：神经网络；

2、力控制；未知环境；比例积分控制中图分类号：TP391文献标识码：A文章编号：1671---3133(2010)06—000㈣Force／positionadaptivefuzzycontrolofrobotforunknownenvironmentUEr．chao。LIZhan—ruing。LIWei(CoUegeofElectricalandInformationEngineering，LanzhouUniversityofTechnology，Lanzhou730050，China)Abstract：Theroboticforcecontrolisaho

3、tandhardtopicintheroboticresearchfield．Inordertorealizeprecisecontacttaskswithanunknownenvironment，roboticforcecontrollershavetoadaptthemselvestotheunknownenvironment．Aneffectivecon-trollerforrobotcontacttaskswith柚unknownenvironmentisproposedusingakindofself-adaptivefuzzycontroller

4、withfuzzyrulestrainedbyneuralnetwork，RecursiveLeastSquares(RLS)algorithmisappliedtoestimatetheunknownenvironmentbasedonitsdynamicresponseoftheenvironmentandthenselectthesuitableadjustingfactoroffuzzycontrolrule．Simulationsprovethatthecontrollerdesignedisfeasibleandeffective．Keyword

5、s：neuralnetwork；forcecontrol；unknownenvironment；PIcontrol0引言接触性的作业任务是工业机器人所完成的典型作业任务之一。接触性的作业任务，例如插孔已经能够用机器人来实现⋯，然而，打磨和抛光等作业任务对机器人来说，具有相当大的难度，必须在控制位置的同时对机械手和环境之间的接触力进行控制。目前主要的力控制方法分为阻抗控制和力／位混合控制。力／位混合控制方法必须对环境约束做精确建模，对于未知约束环境无能为力；当约束环境不确知或未知时，阻抗控制也表现出较差的力跟踪性能。文献[2]、文献[3]对约束环境局部几何形状

6、进行估计，在线生成运动规划，实现了对未知约束表面的力跟踪，但接触环境刚度变化时，控制效果不理想，自适应力控制器的参数需要很长的时间才能收敛，造成过渡过程控制很差，甚至失控。考虑和处理机器Ⅳ6环境的不确定性成为机器人力控制所不可避免的问题‘铀]。本文将基于神经网络训练模糊控制规则的自适应模糊控制器应用于机器人力控制中，以适应未知环境的变化，首先针对每一个已知接触环境找到一个合适的模糊控制规则调整因子，然后用神经网络建立已知环境动态响应和模糊控制规则调整因子的映射关系。系统实际运行时，用递推最小二乘(RLS)算法对未知环境的动态响应在线估计环境参数，然后用学习好

7、的神经网络根据机器人对未知环境的动态响应来选择一个合适的调整因子对其进行控制，在控制过程中，神经网络不直接进行控制，仅仅根据输入信号确定相应的模糊规则调整因子，克服了神经网络在控制中实时性差的缺点。仿真试验研究表明本文所设计的控制器是可行和有效的。·国家自然科学基金项目(60964003)；甘肃省工业过程先进控制重点实验室基金资助项目(XJK0901)试验研究现代制造工程2010年第6期1力／位混合控制本文采用的力／位混合控制模型口】丁为：J『=，[s“，+(，一S)Ⅱ，]⋯⋯⋯⋯⋯⋯⋯⋯(1)Up=五己(菇d一并)+K：(石d一茁)⋯⋯⋯⋯⋯⋯(2)式中：

8、S为选择矩阵，代表力控方向；，为单位矩阵；，一5为位