动态滑模控制在并联机器人中的应用

合集下载

积分切换面自适应滑模控制及其在并联机器人中的应用

积分切换面自适应滑模控制及其在并联机器人中的应用
K,
s )c () (+K)() (= I t 一f A B X t t1 d
式中 :—正常数构成的矩阵; G
(0 1)
态反馈增益矩阵。当系统状态
处于滑模面上时 ,() £= , : t= A 脒 ()( 1 f= ()0 即 ()( + t 1) 从式 ( 1可以看到 , 1) 如果系统的极点位于左半平面 , 系统 的

表为(f 示 :)[ =
绕组 电阻。
】一 } 丢
‘ 位置误差 () 1 ) £将会以指数形 式收敛至 0 因此 , , 过冲现象不会发
当系统到达滑模面时 , 可达到理想的控制效果。
式 中: 一 电流信号前置放 大系数 ; 电流环反馈系数 ; 一 生。 K一 由式( ) (1可以看到 , 9~ 1 ) 当滑动模态  ̄t- , ()o时 被控系统( 1 - 1) 电流调节器放 大系数 ; K —转矩常数 ; £ 一绕组电感 ; R 一 不受不确定量 E 的影响。 () 此时 , 通过设计状态反馈增益矩阵 ,
》 t s is r sf 把 h al0£ e e t e { n h s0 e。 ee m tpaz66 £ e n p d m s o ere 。e g咖ep 。 f l r 。 r 一
fs n t n i r cScnl 帆 aate a ege h v t nn i n c i d{ d x r d t b e e d , d pi wids ndo ci eh ole d t ao a e a ee a s a . o y l un v l s i ta e e i e i t n f n
第 2期
高国琴等 : 积分切换 面 自适 应滑模控 制及其 在并联机 器人 中的应 用

并联机器人的新型趋近率滑模控制研究

并联机器人的新型趋近率滑模控制研究

并联机器人的新型趋近率滑模控制研究以并联机器人的新型趋近率滑模控制研究为标题近年来,随着机器人技术的不断发展,越来越多的并联机器人被应用于各个领域。

并联机器人具有高精度、高稳定性和高负载能力等优势,在工业生产、医疗康复、航天航空等领域都有广泛的应用。

然而,由于其复杂的动力学特性和非线性特征,如何实现高精度的控制一直是一个挑战。

在过去的研究中,滑模控制被广泛应用于机器人控制领域。

滑模控制通过引入滑模面来实现系统的稳定控制,具有鲁棒性强、对参数不确定性不敏感等优点。

然而,传统的滑模控制方法在控制过程中存在着震荡问题,这对机器人的精度和稳定性造成了一定的影响。

为了克服传统滑模控制的不足,研究人员们提出了新型的趋近率滑模控制方法。

趋近率滑模控制是在传统滑模控制的基础上引入了趋近率项,通过调节趋近率参数,可以有效地减小控制过程中的震荡现象,提高系统的控制性能。

近年来,趋近率滑模控制在并联机器人领域得到了广泛的研究和应用。

研究人员们通过对并联机器人的动力学模型进行建模和分析,设计了相应的趋近率滑模控制器。

通过仿真和实验验证,他们证明了新型控制方法在提高机器人控制精度和稳定性方面的有效性。

一项研究表明,在采用趋近率滑模控制方法的情况下,机器人的位置误差可以降低到很小的范围内。

研究人员通过对机器人的运动学和动力学进行研究,利用趋近率滑模控制方法设计了控制器,并在实验中进行了验证。

实验结果表明,新型控制方法能够显著改善机器人的控制性能,提高其运动精度和稳定性。

另外一项研究则着重探讨了趋近率滑模控制在力控制方面的应用。

由于并联机器人通常需要完成一些需要力传感器进行反馈的任务,如装配、抓取等,因此力控制是其重要的应用方向之一。

研究人员通过对力控制的特点进行分析,针对并联机器人的非线性特性,设计了基于趋近率滑模控制的力控制器。

实验结果表明,新型控制方法在力控制方面具有较好的性能,能够实现准确的力控制和稳定的力传递。

新型趋近率滑模控制方法在并联机器人控制方面具有重要的应用价值。

快速终端滑模控制在并联机器人中的应用

快速终端滑模控制在并联机器人中的应用

控制三个电机 , 并通过软件来协调三轴运动 。
图 1 自由度冗余驱动并联机器人结构图 二
机 械 设 计 与 制 造
16 5
文章 编 号 :O t 39 (0 0 0 — 16 0 lO 一 9 7 2 1 )4 0 5 — 2
Ma hi r De i n c ney sg

Ma fc u e nu a t r
第 4期 21 0 0年 4月
快速终端滑模控 制在并联机 器人 中的应 用
r b tc n r 1 h o to l r o o o to.T e c n r le a v ntg s o e o v n i n l n mo e c n r l whih sa e e po d d a a e v rc n e to a si g d o to , c tt s r s n l di quc l s se sae e c nv r e n sa e tme h i lto x rme t D r d t e c re t e s iky,y tm tt sa o e g nti t d i .T e smu ai n e pe i n sc me h o r cn s r t
f t ot l t g c vn s. o ec n o s aeyade et e es h r r t n f i
Ke y wor : r le o t Fas e mi lsi i o o r l Co r ls r t gy; i u ato ds Pa a llr bo ; tt r na ld ng m dec nt o ; nt o t a e Sm l in
邬燕 忠 高 国琴 严 琴
( 江苏大 学 电气信息工程 学院 , 镇江 22 1) 103

滑模机用途

滑模机用途

滑模机用途滑模控制(SMC)是一种基于滑模变量设计控制器的控制技术。

它通过引入一个滑模面来实现系统状态的控制和调节。

滑模控制具有快速、鲁棒和适应性等特点,被广泛应用于各个领域。

以下将详细介绍滑模机的用途。

1. 机器人控制:滑模控制在机器人控制中具有广泛的应用。

机器人作为一种自动化控制系统,需要实时监测环境和准确控制自身运动。

滑模控制可以通过引入一个滑模面,有效地抑制外部扰动和模型不确定性对机器人运动的影响,提高机器人的鲁棒性和适应性。

同时,滑模控制还可以实现机器人运动的快速和准确控制,提高机器人的响应速度和精度。

2. 电动汽车驱动系统:滑模控制在电动汽车驱动系统中的应用正在日益增多。

电动汽车驱动系统需要实现电机转速、转矩和位置等参数的精确控制,以提高电动汽车的性能和安全性。

滑模控制可以通过引入一个滑模面,实现对电动汽车驱动系统的高精度控制。

同时,滑模控制还可以提高电动汽车的能效,减少能量消耗,延长电池寿命。

3. 电力系统调度与控制:滑模控制在电力系统调度与控制中广泛应用于电力系统的稳定性控制和电力负荷的精确调节。

电力系统调度与控制需要实时监测电力系统的稳定性和运行状态,并调节电力负荷以保持电力系统的稳定运行。

滑模控制可以通过引入一个滑模面,实现对电力系统的快速响应和精确控制。

同时,滑模控制还可以提高电力系统的鲁棒性和抗干扰能力,提高电力系统的稳定性和可靠性。

4. 航空航天系统:滑模控制在航空航天系统中的应用正在逐渐增多。

航空航天系统需要实现飞行器的精确控制和姿态稳定。

滑模控制可以通过引入一个滑模面,实现对飞行器的快速控制和精确姿态稳定。

同时,滑模控制还可以提高飞行器的鲁棒性和适应性,抵抗外部干扰和风载扰动。

5. 工业自动化系统:滑模控制在工业自动化系统中也有广泛的应用。

工业自动化系统需要实现对工业过程的精确控制和调节。

滑模控制可以通过引入一个滑模面,实现对工业过程的高精度控制和调节。

同时,滑模控制还可以提高工业自动化系统的鲁棒性和适应性,抗干扰和模型不确定性的能力。

平面五杆并联机器人滑模控制

平面五杆并联机器人滑模控制

: (3)
其中, 为驱动扭矩,
为关节角度矢量, 是惯性矩阵,系数
2 主要结果
根据文献 [4] 的方法,可以针对连杆机构设计一个 滑模跟踪控制器,定义滑模平面[7]:
J11、J44称为关节1,4的等效惯量;系数J14为关节1和关节4 之间的耦合惯量。
~ ~=0 + Λq q
其中,Λ 是一个常数矩阵。 构造:
θ 3 = 2 arctan
(2)
2 2 2 2 2 其 中 A = l1 + l3 + l4 + l5 − l2 ,
, , 驱动扭矩M1、M2改变。 拉格朗日法求得平面五连杆并联机器人的动力学模 型为
[5.6]
~ 其中, 是一个n×m阶的矩阵, a 表示估计参数误差的向量。
控制目标是为平面五连杆并联机器人设计滑模控制 器,使得关节轨迹 q 能够渐近跟踪期望轨迹 q d,也就是 ~ 在尽可能短时间内收敛 在该控制器作用下,跟踪误差 q 到零。
(6)
(7) 能够得到:
~ r = q d − Λq q
(8) (9)
r = q d − Λq q
定义误差函数为:
~ ~ + Λq s=q
该系统的滑模控制律为 :
[10]
(10)
为五连杆机器人设计轨迹跟踪滑模控制器。给出了驱动力矩的控制表达式,并证明了系统的 渐近跟踪性能。对五连杆机器人进行Matlab/Simulink仿真,结果表明该方法能够使跟踪误 差趋于0。 关键词:滑模控制;平面五连杆机构;Matlab/simulink 中图分类号:TP273 文献标识码:A 文章编号:1009-0134(2017)08-0035-04
平面五连杆机构如图1所示,它由4个自由连杆和一 个固定连杆组成。各个杆件长度分别为 l1 , l 2 , l 3 , l 4 , l 5 。 m1 , m2 , m3 , m4 , m5 为各个连杆的质量,各杆件的质心位置 位于图示 l s1 , l s 2 , l s 3 , l s 4 处。各个连杆与轴x正向的夹角分 别为 动角,由 和 0 ° ,其中 决定: (1)

滑模变结构控制理论及其在机器人中的应用研究共3篇

滑模变结构控制理论及其在机器人中的应用研究共3篇

滑模变结构控制理论及其在机器人中的应用研究共3篇滑模变结构控制理论及其在机器人中的应用研究1滑模变结构控制(Sliding Mode Control,SMC)是一种非线性控制方法,具有高精度、强适应性、鲁棒性好等优点,因此被广泛应用于机器人控制领域。

其基本思想是构造一个滑模面,使系统状态到达该面后就会保持在该面上运动,在保证系统稳定性的同时达到控制目的。

本文将阐述滑模变结构控制的理论基础以及在机器人控制中的应用研究。

一、滑模变结构控制的理论基础1. 滑模面滑模面是滑模控制的核心概念,它是一个虚拟平面,将控制系统的状态分为两个区域:滑模面上和滑模面下。

在滑模面上,系统状态变化很小,具有惯性;而在滑模面下,系统状态变化很大,具有灵敏性。

在滑模控制中,系统状态必须追踪滑模面运动,并保持在滑模面上,进而实现控制目的。

2. 滑模控制定律滑模控制定律是滑模变结构控制的核心之一,主要由滑模控制器和滑模面组成。

滑模控制器将系统状态误差与滑模面上的虚拟控制输入之间做差,生成实际控制输入。

而滑模面则是根据控制目的和系统性质,通过手动选择滑模面的形状和大小来合理地设计。

例如,对于已知模型的系统,可使用小扰动理论来设计滑模面;而对于未知模型的系统,可使用自适应滑模控制来自动调节滑模面。

总体来说,滑模控制定律是一种强鲁棒控制方法,在快速响应、鲁棒性和适应性等方面都表现出色。

3. 滑模变结构控制滑模变结构控制是将滑模控制定律与变结构控制相结合形成的一种新型控制方法。

在滑模变结构控制中,滑模面被用来描述整个系统状态,而滑模控制定律则用来保证系统状态追踪滑模面的过程中,系统特征不会发生大的变化。

换句话说,滑模控制定律的目的是在系统状态到达滑模面后,控制系统能够迅速且平稳地滑过该面,进而保持在滑模面上稳定运动。

二、滑模变结构控制在机器人中的应用研究滑模变结构控制广泛应用于机器人控制领域,例如:机器臂控制、移动机器人控制、人形机器人控制等。

滑模控制在并联机器人轨迹跟踪中的应用

滑模控制在并联机器人轨迹跟踪中的应用
L n I Ya ,W ANG n ,CHEN e g h n Yo g Zh n . o g
( . c ol f ca ia E gn ei , h n o gU i ri , ia 5 0 ; . nier gM c ieyD p r 1 S ho o Meh ncl n ier g S a d n nv s y J n2 0 6 2 E g ei a hnr e at n e t n 1 n n —
维普资讯
20 年第9 08 期
文 章编 号 :0 1—2 6 2 0 ) 9—0 4 10 2 5( 0 8 0 0 5—0 4
・ 制与检测 ・ 控
滑 模 控 制 在 并 联 机 器 人 轨 迹 跟踪 中 的 应 用 水
李 艳 王 勇 陈 正 洪 , ,
si n o e c n r l r e e h r r n ta ro s l g m d o to l v n t e e a e iiiler r .Th u s- l n o e c nto a e u ec a tre fc i e di e e q a isi g m d o r lc n r d c h te fe tv — di
me t h n o gJa T n nv ri n ,S a d n io o g U iest ia 5 0 3,C ia y,Jn n2 0 2 hn )
Abs r c : Th yn m i o e fa Plna - ta t e d a cm d lo a r2 DO F r d d nt cua e r l lr bo s e tbl h d.Co i e— e un a l a t t d paal o ti s a i e y e s nsd r i h o l e ru c ran y o r l lr bo s l i g m o e c ntol r i o ng t e n n i a n et i t fpa al o t ,a si n d o r l s pr pos d i h s pa r n e d e e n t i pe 、Th n t e he s a l y o h o s d c n r l r i n l e t u rnte h o s r c i g c to .I r r t e u e t bit f t e pr po e o to l s i e a ayz d o g a a e t e r bu t ta k n on r 1 n o de o r d c c at rn ,q a isi n dec n r li mplye h te ig u s— l g mo o to se di o d.Th i e smulto e ulsd mon ta e t e e f c ie s ft a in r s t e sr t h fe tv ne s o he

动态滑模控制在并联机器人中的应用

动态滑模控制在并联机器人中的应用

动态滑模控制在并联机器人中的应用朱彩红【摘要】针对一种以交流伺服电机驱动的并联机器人机构,建立控制模型,设计一种动态滑模控制算法,并进行稳定性分析,在Matlab/Simulink上进行了轨迹跟踪仿真试验.结果表明:该算法鲁棒性好,系统抗干扰能力强,对系统参数变化不敏感,具有良好的跟踪性能.【期刊名称】《苏州市职业大学学报》【年(卷),期】2010(021)001【总页数】4页(P37-40)【关键词】并联机器人;滑模控制;伺服电机;轨迹跟踪【作者】朱彩红【作者单位】苏州市职业大学,电子信息工程系,江苏,苏州,215104【正文语种】中文【中图分类】TP242并联机器人同串联机器人相比,具有刚度大、承载能力高、精度高、结构紧凑等特点,可广泛应用于工业、航空、军事等领域[1].最近几十年,国内外学者对并联机器人的特点、机构学、运动学方面进行了广泛、深入的研究.但是,并联机器人作为一个结构复杂、多变量、多自由度、多参数耦合的非线性系统,其控制策略、控制方法的研究极其复杂.最初设计控制系统时,大多把并联机器人的各个分支当作完全独立的系统来进行控制,控制策略为传统的PID控制,控制效果很不理想.模糊控制方法可以在不要求机器人模型精确的情况下实现机器人的控制,但是模糊控制方法的模糊规则设计比较重要,规则设计的好坏将会直接影响到控制的效果[2],而且该规则的设定需要具有专家知识或是经过多次试验得到,因此在没有相应的条件下,该方法可能无法起到较好的控制效果.滑模变结构控制本质上是一类特殊的非线性控制,其非线性表现为控制的不连续性,这种控制策略与其他控制策略的不同之处在于系统的“结构”并不固定,而是在动态过程中根据系统当前的状态(如偏差及其各阶导数等)有目的地不断变化,迫使系统按照预定“滑动模态”的状态轨迹运动[3].研究表明[4-6]:滑模变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线辩识,物理实现简单等优点.滑模变结构控制方法比较适合并联机器人控制[7-8],因此本文采用了一种新的机器人轨迹跟踪变结构控制方法,即基于动态切换函数的动态滑模控制方法,亦即通过设计新的切换函数或将常规滑模变结构控制中的切换函数s通过微分环节构成新的切换函数σ,该切换函数与系统控制输入的一阶或高阶导数有关,可将不连续项转移到控制的一阶或高阶导数中去,得到在时间上本质连续的动态滑模控制律,可以有效地降低抖振.1 滑模控制器的设计滑模变结构控制器的设计需要完成以下的工作:切换函数s(x)的求取;保证滑动模态的存在;滑动模态稳定性的确定;变结构控制趋近阶段的鲁棒性及动态品质的保证;变结构控制的寻求.考虑如下单入单出n阶仿射非线性系统:式中:x∈R为可测状态变量;u,y∈R分别为系统的输入和输出;f(x),g(x)为已知平滑函数;η为系统中的不确定项,它包括模型不确定性和外加扰动[9].定义误差及切换函数分别为:式中:ei=e(i-1)(i=1,2,…,n)为跟踪误差及其各阶导数,选取常数c1,c2,…,cn-1,使得多项式pn-1 +cn-1pn-2+…+c2p+c1为Hurwite稳定,p为Laplace算子.则构造新的动态切换函数式中λ为严格的正常数.当σ=0时是一个渐近稳定的一阶动态系统,s趋近于零.假设1 不确定性满足有界条件,存在有界函数Bn(x),使得│η│≤Bn(x),x∈Rn,且g(x)符号恒定.假设2 不确定项导数有界即假设3 存在正实数ε,满足动态滑模控制律取为稳定性分析:稳定性是系统的一个基本结构特性,稳定性问题是系统控制理论研究的一个重要课题.将式(2)代入式(4)得则将式(1)、(2)代入式(9)整理得将控制律式(7)代入式(10)得则根据假设1~3得通过李亚普诺夫稳定性分析,得出新的动态切换函数σ满足,即满足滑模变结构控制理论的到达条件,从而验证了系统的稳定性,也就保证了控制器的鲁棒性和动态品质.2 并联机器人控制模型的建立本文研究的少自由度并联机器人具有各支路机构简单,不存在虚约束及工作空间较大等特点[10].机器人系统完整的拉格朗日动力学模型为:式中:q和分别为机器人各关节的位置和速度;τ为n×1阶驱动力矩向量;M,C,G分别为由机器人的具体结构所决定的n×n,n×n和n×1阶函数矩阵.由于式(12)已写成拟线性化的形式,看上去比较简洁.实际上,在本研究的系统中式(12)的展开形式相当复杂.基于机器人关节或支路模型的分散控制系统是目前应用最为广泛的设计方法之一,在工业工程中绝大部分的机器人系统都采用了该类设计方法.对于本文所研究的并联机器人,相互并联的各支路可用图1表示.当机器人关节的驱动装置为交流伺服电机,且忽略等效干扰力矩,可导出机器人各支路的数学模型传递函数为图1 机器人支路模型式中:J'=Lp(Ja+Jm+i2J0);B'=(Rp+KAKi)(Ja+Jm+i2J0)+Lp(Bm+i2B0);W'=(Rp+KAKi) (Bm+i2B0);Kx=3K2tp/2;K=3KAKpreKtp/2.3 实例仿真及分析机器人的交流伺服电动机参数为:Kpre=88,Ki=2.2,KA=6,Ktp=3.41 N·m/A,Lp=0.038 37 H,Rp=5.09 Ω,Ja=0.19 kg·m2,取减速装置的速比为i=40,关节部分在减速装置驱动侧的转动惯量为0.1 kg·m2.由于机构间的耦合作用,系统的等效转动惯量和等效负载阻力系数取J0=40,B0=0.取Jm=0,Bm=0.由此可得交流伺服驱动机器人关节的模型传递函数为转换为状态方程,则有这里f(x)=-0.007x1-18.29x3,g(x)=0.012 5.设期望的跟踪信号为yd=sint,跟踪误差为e=x(1)-yd.n=3时,定义s=c1e+c2+c3,取c1=c2=100,c3=1,λ=3 000,初始条件为x(0)=[0.5 0 0],则动态控制律为:而以Matlab/Simulink构成仿真模型,其中包括两个S—Function,仿真采用ode45,步长0.001 s.仿真结果如图2所示.图2 仿真结果4 结论仿真结果表明,所采用的机器人轨迹跟踪滑模变结构控制方法,即基于动态切换函数的动态滑模控制,具有良好的抗干扰作用和跟踪性能,其研究为进一步实现该并联机器人机构的高精度实时控制奠定了基础.【相关文献】[1] PIEPER J.First order dynamic sliding mode control:Decision and Control,Tampa,December 16-18,1998[C].New York:IEEE Press,c1998.[2] HWANG Chihlyang,CHANG Lijui,YU work-based fuzzy decentralized sliding mode control for car-like mobile robots[J].IEEE Trans.on Industrial Electronics,2007,54(1):574-585.[3] 胡跃明.变结构控制理论与应用[M].北京:科学出版社,2003.[4] MOON J,KIM K,KIM Y.Design of missile guidance law via variable structure control [J].Journal of Guidance,Control and Dynamics,2001,24(4):659-664.[5] SATO H,TANAKA M,MATSUNO F.Trajectory tracking control of snake robots based on dynamic model[J].Transactions of the Society of Instrument and Control Engineers,2006,42(6):651-658.[6] 梅红,王勇.快速收敛的机器人滑模变结构控制[J].信息与控制,2009,38(5):553-557.[7] 吴博,吴盛林,赵克定.并联机器人控制策略的现状和发展趋势[J].机床与液压,2005(10):5-8.[8] 王洪斌,王洪瑞,肖金壮.并联机器人轨迹跟踪积分变结构控制的研究[J].燕山大学学报,2003,27(1):25-28.[9] 刘金琨.滑模变结构控制MATLAB仿真[M].北京:清华大学出版社,2005.[10] 许春山,孙兴进,曹广益.一种新的机器人轨迹跟踪滑模变结构控制[J].计算机仿真,2004,21(7):115-118.。

基于FNN的Terminal滑模算法在并联机器人控制中的应用

基于FNN的Terminal滑模算法在并联机器人控制中的应用

基于 F NN T r nl 的 emia滑模 算法在并联机 器人
控 制 中的应 用六
蒋其 友 高国琴 ( 苏大 学 电气 信 息工 程学 院 , 江 2 2 1 ) 江 镇 10 3
Th p l a i f ea p i t o c on TSM a e b s donFNN i h o to f a a llo o t ec n r l r l b t n op er
第 5期
绕组 电阻 ;
3 控制器设计
31模 糊 神 经 网 络 ( N 设 计 . F N)
模 糊神经 网络本 质 上 是 一 个 模 糊 系 统 ,一种 双输入单 输 出的 5层 的 B P神 经 网络结构 ,如 图 2所 示 ,如果将 模糊 系统
的 比例 因 子 和 量 化 因 子加入 F N网络 , N 则 可 省 去 辅 助 优 化 网 络 , 并 且 充 分 利 用
维普资讯

12一 7

蒋其 友 等 : 于 F 基 NN 的 Te nl r a滑模 算 法在 并联 机 器人控 制 中的 应 用 mi
绕e  ̄感 ; 一速度反馈系数 ; 减速 比。 _ g / t 卜 但是, 当 放 大跟踪波形
图 3可 以 看 到 ,系统 跟 踪
JA G Q - o , A u - i I N iy u G O G o qn ( c ol f l tcl n f m t nE g e r goJ n s nvr t, h ni g2 1 , hn ) S ho o Ee r a A dI o ai ni ei a guU i sy Z ej n 10 C ia ci nr o n n fi ei a 3 2
中图分 类号 : H1 , P 4 文献 标 识码 : T 6T 22 A

滑动模式控制算法及其在机器人控制中的应用研究

滑动模式控制算法及其在机器人控制中的应用研究

滑动模式控制算法及其在机器人控制中的应用研究随着机器人技术的不断发展,机器人在生产和生活中的应用越来越广泛。

而实现机器人的精准控制是机器人技术发展的关键之一。

在控制理论中,滑动模式控制算法是一种应用广泛的高级控制方法。

下面将介绍滑动模式控制算法的原理和在机器人控制中的应用研究。

一、滑动模式控制算法原理滑动模式控制算法是一种非线性控制算法,它是通过在控制系统中增加一个滑模控制器,实现对系统的控制。

滑模控制器能够使系统在滑动模式下运行,从而保证系统的稳定性和鲁棒性。

滑模控制器其实就是一个包含了开关函数的控制器。

开关函数可以将系统的状态从一个区域切换到另一个区域,从而使系统的运动处于滑动状态。

在滑动状态下,系统的状态变量会在一个稳定的曲面上滑动。

该曲面通常被称为滑模面。

控制器能够保持系统在滑动状态下的运行,使得系统可以快速的响应外部输入,从而实现对系统的控制。

二、滑动模式控制算法在机器人控制中的应用研究滑动模式控制算法在机器人控制中的应用非常广泛。

机器人在进行各种动作时需要精准的控制,滑动模式控制算法能够提供高度精准的控制能力。

机器人的动作控制通常需要关注几个方面的因素,如位置、速度、力矩等。

针对这些因素,可以使用滑动模式控制算法来进行控制。

比如,在机器人的位置控制中,可以使用滑模控制器将机器人的位置保持在滑模面上。

这样可以有效地解决位置控制中的误差问题。

另外,滑动模式控制算法还可以应用于机器人的力控制中。

机器人在进行复杂任务时需要控制其力量,滑动模式控制算法能够提供高度精准的力量控制能力。

比如,在机器人的装配任务中,可以使用滑模控制器将机器人的力量维持在滑模面上。

这样可以实现高度精准的力量控制,从而保证装配质量的标准化和稳定性。

三、滑动模式控制算法的优点滑动模式控制算法相比于其他控制算法有以下几个优点:1. 鲁棒性强。

滑动模式控制算法能够适应各种不确定因素和扰动因素。

2. 控制精度高。

滑动模式控制算法能够实现高度精准的控制。

分拣并联机器人自适应滑模控制

分拣并联机器人自适应滑模控制

第 23卷第 1期2024年 1月Vol.23 No.1Jan.2024软件导刊Software Guide分拣并联机器人自适应滑模控制刘涛,高国琴(江苏大学电气信息工程学院,江苏镇江 212013)摘要:串类水果分拣并联机器人分拣负载未知且动态变化,当水果串发生牵连时将引起负载转动惯量发生较大变化。

为实现串类水果分拣并联机器人的高性能控制,提出一种能够在线辨识系统负载转动惯量的自适应滑模控制算法。

在分析交流伺服电机机械运动方程的基础上采用梯度校正参数辨识算法辨识负载转动惯量,设计出一种自适应规则以提高并联机器人系统克服负载变化的能力,同时有效抑制滑模控制带来的抖振。

在MATLAB上对该控制算法进行仿真,并将其应用于串类水果分拣并联机器人样机平台进行实验,实验结果验证了算法辨识负载变化的有效性。

关键词:并联机器人;在线辨识;转动惯量;滑模控制DOI:10.11907/rjdk.222445开放科学(资源服务)标识码(OSID):中图分类号:TP242.2 文献标识码:A文章编号:1672-7800(2024)001-0014-07Sorting-parallel Robot Adaptive Sliding Mode ControlLIU Tao, GAO Guoqing(School of Electrical and Information Engineering,Jiangsu University,Zhenjiang 212013,China)Abstract:The sorting load of the string fruit sorting parallel robot is unknown and dynamically changing. When the fruit string is entangled, it will cause a significant change in the rotational inertia of the load. To achieve high-performance control of a string fruit sorting parallel robot,an adaptive sliding mode control algorithm is proposed that can identify the system load moment of inertia online. On the basis of analyzing the mechanical motion equations of AC servo motors, a gradient correction parameter identification algorithm is used to identify the load moment of inertia, and an adaptive rule is designed to improve the ability of parallel robot systems to overcome load changes while effectively suppress⁃ing chattering caused by sliding mode control. The control algorithm was simulated on MATLAB and applied to the prototype platform of a seri⁃al fruit sorting parallel robot for experiments. The experimental results verified the effectiveness of the algorithm in identifying load changes. Key Words:parallel robot; online identification; moment of inertia; sliding mode control0 引言近年来,我国水果产量逐年增长,传统人工分拣方法效率低下,不利于现代农业的发展。

滑模控制在机器人手臂抓取任务中的应用

滑模控制在机器人手臂抓取任务中的应用

滑模控制在机器人手臂抓取任务中的应用一、滑模控制在机器人手臂抓取任务中的重要性滑模控制作为一种先进的控制策略,因其优越的鲁棒性和快速响应特性,在机器人手臂抓取任务中扮演着至关重要的角色。

机器人手臂在执行抓取任务时,需要面对各种不确定性和外部干扰,如机械参数的变化、环境的扰动等,这些因素都可能影响抓取的准确性和稳定性。

滑模控制通过其独特的控制原理,能够确保机器人手臂在复杂多变的环境中,实现快速且准确的抓取动作。

滑模控制的核心在于设计一个滑动面,当系统状态达到这个面时,系统将沿着这个面滑动至期望状态。

这种控制策略具有很好的抗干扰能力,能够在系统参数变化或外部干扰存在的情况下,保持系统的稳定性和性能。

在机器人手臂抓取任务中,滑模控制能够快速响应目标位置的变化,调整手臂的运动轨迹,确保抓取动作的精确性和可靠性。

二、滑模控制在机器人手臂抓取任务中的应用场景机器人手臂抓取任务的应用场景非常广泛,包括但不限于工业自动化、医疗手术、服务机器人、空间探索等领域。

在这些场景中,滑模控制的应用主要体现在以下几个方面:1. 工业自动化:在自动化生产线上,机器人手臂需要快速准确地抓取和搬运零件,滑模控制能够提高抓取的效率和准确性,减少生产过程中的错误和延误。

2. 医疗手术:在微创手术中,机器人手臂需要精确地控制手术工具,滑模控制能够确保手术过程中的稳定性和安全性,提高手术的成功率。

3. 服务机器人:在服务行业中,机器人手臂需要进行精细的操作,如端茶倒水、开门等,滑模控制能够提高服务机器人的操作精度和响应速度,提升用户体验。

4. 空间探索:在太空环境中,机器人手臂需要在微重力和辐射等极端条件下进行抓取任务,滑模控制能够保证机器人手臂在复杂环境下的稳定性和可靠性。

三、滑模控制在机器人手臂抓取任务中的关键技术滑模控制在机器人手臂抓取任务中的应用,涉及到多个关键技术,包括:1. 滑模面的设计:滑模面的设计是滑模控制的核心,需要根据机器人手臂的动力学特性和抓取任务的要求,设计合适的滑模面,以确保系统的稳定性和快速响应。

动态滑模控制在并联机器人中的应用

动态滑模控制在并联机器人中的应用

立 的系统来进行控 制 , 制策略为 传统的PD控制 , 制效果很不理想 . 糊控制方法 可 以在不要 求机 控 I 控 模 器 人 模 型 精 确 的 情 况 下 实 现 机器 人 的 控 制 , 是 模 糊 控 制 方 法 的模 糊 规 则 设 计 比较 重 要 , 则 设 计 的好 但 规
A bs r t t ac :Die t d gan t he a all o o me ha s r ce a i s t p r le r b t c nim wih t A C e vo mo o d i e a s r - t r rv , m o e o dl f
c n r li g s s e o t oln y t m wa s a ls d. A nd f dy a c l n mo e o r l a g rt m wa e i ne s e t b ihe ki o n mi si g di d c nt o l o ih s d sg d.
t a i bl t u t e c nt o l r a d a g o e f r n e i r c n he v ra e s r c ur o r l , n o d p ro ma c n t a ki g, a d t e hi h— c u a y r a i e n h g a c r c e l tme
好, 系统 抗 干 扰 能 力 强 , 系统 参 数 变化 不 敏 感 , 有 良好 的跟 踪 性 能 . 对 具
关键 词 :并联 机 器人 ;滑模控 制 ;伺服 电机 ;轨迹跟 踪
中图分类号 :T 2 2 P 4
文献标志码 :A
文章编 号 :10 — 4 52 1)1 0 3— 4 0 8 5 7(0 00 — 0 7 0

滑模变结构控制在机器人轨迹跟踪中的应用研究

滑模变结构控制在机器人轨迹跟踪中的应用研究

滑模变结构控制在机器人轨迹跟踪中的应用研究引言:机器人技术在现代工业和服务领域中得到了广泛的应用,其中重要的一项任务就是实现精确的轨迹跟踪。

而滑模变结构控制(sliding mode control, SMC)作为一种有效的控制策略,被广泛应用于机器人轨迹跟踪问题的解决中。

本文将对滑模变结构控制在机器人轨迹跟踪中的应用进行研究和探讨。

1. 滑模变结构控制简介滑模变结构控制是一种通过引入滑模面来实现系统控制的方法。

它的特点是具有较强的鲁棒性,能够应对系统参数变化和外部扰动等不确定性因素。

滑模变结构控制通过设计滑模面,在滑模面上使系统状态变量快速跟踪期望轨迹,从而实现良好的控制性能。

2. 机器人轨迹跟踪问题机器人轨迹跟踪问题是指机器人在进行运动任务时,需要按照给定的轨迹进行精确的移动。

而在实际应用中,系统存在多种不确定性因素,如摩擦、负载变化、模型不准确等,这些因素给轨迹跟踪带来了很大的挑战。

因此,如何设计一种具有鲁棒性的控制方法,以解决机器人轨迹跟踪问题是一项重要的研究课题。

3. 滑模变结构控制在机器人轨迹跟踪中的应用滑模变结构控制在机器人轨迹跟踪中的应用可以通过以下几个方面进行研究:3.1 滑模面设计滑模面的设计是滑模变结构控制的核心内容之一。

在机器人轨迹跟踪中,通过合适的滑模面设计,可以使系统在滑模面上快速收敛到期望轨迹,从而实现精确的轨迹跟踪。

目前,常用的滑模变结构控制设计方法有扩张状态观测器(ESO)和自适应滑模控制等。

3.2 状态变量估计在进行机器人轨迹跟踪时,精确的状态变量估计对于滑模变结构控制的有效性至关重要。

通过采用滤波和观测算法,可以对机器人的当前状态进行准确的估计。

常用的状态变量估计方法有卡尔曼滤波和扩张状态观测器等。

3.3 模型不确定性的处理机器人系统模型不确定性是导致轨迹跟踪误差的一个重要因素。

因此,研究如何处理模型不确定性对于滑模变结构控制的应用非常关键。

常用的方法包括基于鲁棒自适应控制策略的滑模变结构控制和基于模糊控制的滑模变结构控制等。

并联机器人动态滑模轨迹跟踪控制研究动

并联机器人动态滑模轨迹跟踪控制研究动

s l i dlo u r k adcm lt gtedse r etr ol ig h iuainrsh i ao moe f s rt o pei h ei dt coyflwn.T esm l o eu s mut n p c a n n r j a o t so e e t it n fst kn p o r ucs tecnrla . hw dt a lyad atr i eCma e h ot w h sb i a g c o f o ol
Ke o d : y a cv ra l s u t r ; v rekn mai ;- yw r sD n mi a ibe t cu e I es ie t s6 DOF p r l l o os T aetr r n c a al b t; rjco y er
t a ki g rc n
h dt b ot ldacr eybcueo tSnnier n rn u lg Ia th - O aa- r o a ecnr l ua l eas fi ol a dsogc pi .t i a te6 D Fpr oe c t ’ n a t o n ms l
能力强, 具有快速有效跟踪期望轨迹的优 良}能。 J 生
关键 词 : 动态 滑模变 结构 ; 动 学反解 ; 自由度并联 机器 人 ; 迹跟踪 运 六 轨
【 bt c】 a l loo et p r n pr i r e c dapi t no h oo adhv A s at P r l bt a ei ot t a sa ha lao erbt ae r ae r s r h m a tn e r n p c i ft n teav t e ihr ii , h d a a so g gdt 动 bre aai ,oac m l inop sin dS n hw vriS n g fh i y udnc ct n u ua o oioa a Oo ,o ee, ’ p y c t f t ln t

Stewart并联机器人的非奇异终端滑模控制

Stewart并联机器人的非奇异终端滑模控制

Stewart 并联机器人的动力学模型
σ
(4)
式 中 :s = [s1 ,s 2 ,…,s 6] ;误 差 矢 量 e = q - q d ,e =
T
如图 1 所示,Stewart 并联机器人是一种六自
由度并联机构,其上下 2 个平台通过 6 个可伸缩的
支杆相连。惯性坐标系 ΣO{X,Y,Z} 固定在下平台
作空间的控制能够提供更好的控制性能 [1]。对于
Stewart 并联机器人基于工作空间的控制问题,国
内外研究人员提出了不同的运动控制策略,已提
出的控制策略主要包括积分滑模控制[2]、神经模糊
自适应控制 [3]、自适应 PIDNN 控制 [4]、模态空间控
制[5]、模糊计算力矩控制[6]、自适应滑模控制[7]等。
析和数值仿真实验结果证明所提控制方法的有
式中:
矢量 x = [x1 ,x 2 ,…,x 6] ,
矢量 σ =[σ1 ,σ 2 ,…,σ 6]T 。
T
根据并联机器人系统的控制目的,定义系统
的非奇异终端滑动面 s 为[8]
s = e + ωsig ( ė )
效性。
2
3
于涛 等:
Stewart 并联机器人的非奇异终端滑模控制
提出一种基于双幂次趋近律的非奇异终端滑模控制算法。所提控制算
法可以确保机器人系统快速收敛至期望位姿,并且具有良好的控制输入高频抖动抑制能力。首先定义机器人系统的非奇
异终端滑动面;
然后基于机器人系统的拉格朗日动力学模型求得等效控制律,并采用双幂次趋近律设计非线性控制律,从
而得到系统的奇异终端滑模控制律;
人系统的动力学模型,采用等效控制原理和双幂
*辽宁省自然科学基金指导计划项目(201602379);

控制工程中的滑模控制技术及应用

控制工程中的滑模控制技术及应用

控制工程中的滑模控制技术及应用随着工业化和信息化的迅速发展,人们对于在自动化和控制领域的需求也越来越高。

而这种需求的不断变化和提升,也使得现代控制工程中的控制技术不断得以创新和发展。

其中,滑模控制技术便是近年来备受瞩目的技术之一。

一、滑模控制技术的基本原理滑模控制技术是一种非线性控制技术。

它通过一般系统理论中的滑模面,来实现对于被控对象的控制。

滑模面的基本定义是系统状态空间的一个子空间。

当系统状态走到滑模面上时,滑膜控制器通过对于系统的调节,使得系统状态始终在滑模面上运行。

而由于滑模面可以根据不同系统的构造而进行不同的优化设计,所以滑模控制技术具有较强的适用性和鲁棒性。

二、滑模控制技术的优点1. 对于系统扰动具有较强的适应能力。

在控制过程中,因为受到各种系统扰动的影响,被测对象往往会出现偏差,因此精度会降低。

而滑模控制技术可以根据实际情况灵活设定滑模面,以适应不同的扰动情况,从而在控制过程中保持较高的精度。

2. 系统稳定性高。

滑模控制技术可以充分地将滑模面用于控制过程中,从而使系统在控制过程中始终稳定地运行。

3. 对于非线性对象控制具有较高的控制精度。

由于滑模控制技术对于负载的适应能力很高,因此对非线性对象控制时能够显著提高控制精度。

三、滑模控制技术的应用随着滑模控制技术的发展,它也被广泛应用于各种领域中。

以下列举几个具体的应用实例:1. 滑模控制在航空领域中的应用在通常的轮式车辆控制系统中,由于其控制模式的局限性,在完全停车状态下,车辆无法向前或向后启动。

而借助滑模控制技术,飞机在起飞、降落时能够向前或向后移动,同时保持稳定。

2. 滑模控制在电力领域中的应用在电力领域中,滑模控制技术被广泛用于控制变压器的温度。

在变压器工作过程中,需记录温度,并通过滑模控制技术实现自动调节。

这种技术非常适合非线性问题和实时控制过程。

3. 滑模控制在机器人领域中的应用在机器人领域中,滑模控制广泛应用于运动控制。

机器人通常需要高精度的路径控制和力控制。

基于滑模控制的多机器人编队控制研究

基于滑模控制的多机器人编队控制研究

基于滑模控制的多机器人编队控制研究一、多机器人编队控制概述多机器人编队控制是现代机器人技术中的一个重要研究方向,它涉及到多个机器人之间的协调与合作,以完成复杂任务。

这种控制方式在自动化制造、搜索救援、环境监测等领域具有广泛的应用前景。

多机器人编队控制的核心目标是实现机器人之间的有效通信、精确定位和动态协调,以确保整个编队能够高效、稳定地完成任务。

1.1 多机器人编队控制的核心特性多机器人编队控制的核心特性主要包括以下几个方面:- 协调性:编队中的每个机器人需要根据编队的任务目标和环境变化,调整自己的行为以保持整个编队的协调一致。

- 可扩展性:编队控制系统应能够适应不同规模的机器人团队,无论是小型团队还是大规模编队,都能实现有效的控制。

- 鲁棒性:面对环境的不确定性和机器人自身的故障,编队控制系统应具备一定的容错能力,保证任务的连续性和稳定性。

- 智能性:编队控制系统应能够根据任务需求和环境变化,智能地调整控制策略,提高编队的整体性能。

1.2 多机器人编队控制的应用场景多机器人编队控制的应用场景非常广泛,包括但不限于以下几个方面:- 环境监测:多个机器人协同工作,对特定区域进行环境数据的采集和分析。

- 搜索救援:在灾害现场,多个机器人可以快速搜索幸存者并进行救援。

- 自动化制造:在生产线上,多个机器人协同完成装配、搬运等任务,提高生产效率。

- 物流配送:在仓库或配送中心,多个机器人协同完成货物的分拣、搬运和配送。

二、基于滑模控制的多机器人编队控制滑模控制是一种非线性控制策略,以其良好的鲁棒性和快速响应特性在多机器人编队控制中得到了广泛应用。

基于滑模控制的多机器人编队控制系统能够处理机器人之间的相互作用和外部干扰,实现精确的编队控制。

2.1 滑模控制的基本原理滑模控制的基本原理是通过设计一个滑模面,使得系统状态能够在滑模面上滑动,从而达到期望的性能。

滑模面的设计通常基于系统的动态模型和控制目标,通过选择合适的控制律,使得系统状态能够快速且准确地达到滑模面,并在其上滑动。

滑动模式控制在机器人应用中的研究

滑动模式控制在机器人应用中的研究

滑动模式控制在机器人应用中的研究第一章:绪论随着机器人技术的发展,机器人应用越来越广泛。

机器人的控制系统对于其性能和安全性至关重要,因此控制系统的研究成为了机器人领域中的重要研究方向之一。

其中,滑动模式控制在机器人应用中发挥着重要的作用。

第二章:滑动模式控制的基本原理滑动模式控制是一种变结构控制方法,它的基本思想是在系统的控制面上引入一个滑动面,通过调整系统状态使得系统的状态在滑动面上滑动,从而实现控制。

滑动模式控制具有良好的鲁棒性、适应能力、稳定性等特点,因此在机器人应用中被广泛应用。

第三章:滑动模式控制在机器人定位领域中的应用机器人定位是机器人应用中非常重要的一个领域。

传统的定位方法通常基于传感器测量或者视觉识别。

然而,这些方法受到外部干扰和噪声的影响较大。

滑动模式控制通过设计滑动面使得机器人的定位能够在噪声和干扰的情况下稳定地工作。

在机器人的精确定位、导航以及路径跟踪等方面,滑动模式控制都可以发挥重要作用。

第四章:滑动模式控制在机器人运动控制领域中的应用机器人的运动控制是机器人应用中最为基础和重要的方面之一。

滑动模式控制通过设计滑动面、滑动控制器等方式,实现对机器人的运动轨迹跟踪和运动控制。

同时,滑动模式控制对机器人的动力学建模和参数识别也具有一定的优势。

第五章:滑动模式控制在机器人抓取控制领域中的应用机器人的抓取控制是机器人应用中比较特殊的一个领域。

传统的抓取方法大多基于视觉或者力学传感器。

但是在抓取过程中,机器人的手部会受到各种约束和外部干扰的影响,因此传统的方法很难实现稳定和高效的抓取。

滑动模式控制通过设计滑动面,控制机器人手部的运动,实现对物体的稳定抓取。

第六章:滑动模式控制在机器人障碍物避难领域中的应用机器人在工业自动化控制中经常需要避障。

传统的避障方法主要基于传感器等手段进行信号处理和识别。

然而,在复杂的环境中,传感器很难检测到所有的障碍物和干扰因素。

滑动模式控制通过设计滑动面和滑动控制器等方式,使得机器人在避障的过程中能够实现鲁棒性强、存储器要求低等特点。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

3
实例仿真及分析
机器人的交流伺服电动机参数为:Kpre=88,Ki=2.2,KA=6,Ktp=3.41 N·m/A,Lp=0.038 37 H,Rp=5.09 Ω,
Ja=0.19 kg·m2, 取减速装置的速比为 i =40 ,关节部分在减速装置驱动侧的转动惯量为 0 . 1 kg·m 2.由于机 构间的 耦 合作用,系统的等效转动惯量和等效负载阻力系数取 J 0=40 , B 0=0 .取 J m=0 , B m=0 . 由此可得交流伺服驱动机器人关节的模型传递函数为
(11)
通过李亚普诺夫稳定性分析,得出新的动态切换函数 σ 满足,即满足滑模变结构控制理论的到达条 件,从而验证了系统的稳定性,也就保证了控制器的鲁棒性和动态品质.
2
并联机器人控制模型的建立
本文研究的少自由度并联机器人具有各支路机构简单,不存在虚约束及工作空间较大等特点 [10]. 机器人系统完整的拉格朗日动力学模型为:
controlling system was established. A kind of dynamic sliding mode control algorithm was designed. And the stability of this control algorithm was analyzed. A simulative experiment of trajectory tracking was made on the Matlab/Simulink. The simulation result was given to prove the validity of the variable structure controller, and a good performance in tracking, and the high-accuracy real time control of the parallel robot mechanism is implemented.
Key words: parallel robot; sliding mode control; servo motor; trajectory tracking
并联机器人同串联机器人相比,具有刚度大、 承载能力高、 精度高、 结构紧凑等特点,可广泛应用于 工业、 航空、 军事等领域 [1] .最近几十年,国内外学者对并联机器人的特点、 机构学、 运动学方面进行了广 泛、 深入的研究.但是,并联机器人作为一个结构复杂、 多变量、 多自由度、 多参数 耦 合的非线性系统,其 控制策略、 控制方法的研究极其复杂.最初设计控制系统时,大多把并联机器人的各个分支当作完全独 立的系统来进行控制,控制策略为传统的 PID 控制,控制效果很不理想.模糊控制方法可以在不要求机 器人模型精确的情况下实现机器人的控制,但是模糊控制方法的模糊规则设计比较重要,规则设计的好 坏将会直接影响到控制的效果 [2],而且该规则的设定需要具有专家知识或是经过多次试验得到,因此在 没有相应的条件下,该方法可能无法起到较好的控制效果. 滑模变结构控制本质上是一类特殊的非线性控制,其非线性表现为控制的不连续性,这种控制策略 与其他控制策略的不同之处在于系统的 “结构” 并不固定,而是在动态过程中根据系统当前的状态 ( 如偏 差及其各阶导数等 ) 有目的地不断变化,迫使系统按照预定 “滑动模态” 的状态轨迹运动 [3].研究表明 [4-6]: 滑模变结构控制具有快速响应、 对参数变化及扰动不灵敏、 无需系统在线辩识,物理实现简单等优点.滑
G( s) =
转换为状态方程,则有
θ (s) 0.012 5 = 3 I d ( s ) s + 18.29s 2 + 0.007
(14)
- 39 -
苏州市职业大学学报
第21卷
&1 = x 2 x x & 2 = x3 & 3 = −0.007 x1 − 18.29 x3 + 0.012 5u + η x y = x1
ZHU Cai-hong
(Department of Electronic Information Engineering, Suzhou Vocational University, Suzhou 215104, China)
Abstract: Directed against the parallel robot mechanism with AC servo-motor drive, a model of
第21卷 第1期 2010年3月
苏州市职业大学学报 Journal of Suzhou Vocational University
Vol.21,No.1 Mar. , 2010
动态滑模控制在并联机器人中的应用
朱彩红
(苏州市职业大学 电子信息工程系,江苏 苏州 215104)
摘 要: 针对一种以交流伺服电机驱动的并联机器人机构,建立控制模型,设计一种动态滑模控制 算法,并进行稳定性分析,在Matlab/Simulink上进行了轨迹跟踪仿真试验.结果表明:该算法鲁棒性
$ Bn ( x) , ∀ xER
n
σ= +λs
(5) (6)
ε>(cn-1+λ)+ Bn
&= u
n −1 n−2 1 dg df (n) ( n +1) & u − (c 2 + λ ) f − & + (c n −1 + λ ) y d − c n −1 + λ ) g + x x + yd − ∑ ci ei + 2 − ∑ λci ei +1 − ε sgn(σ (7) g dx dx i =1 i =1 稳定性分析:稳定性是系统的一个基本结构特性,稳定性问题是系统控制理论研究的一个重要课题. 将式 (2) 代入式 (4) 得
(n) & = f ( x) + g ( x)u + η − y d s + ∑ ci ei +1 i =1 n −1
(3) (4)
构造新的动态切换函数 式中 λ 为严格的正常数. 当 σ =0 时, + λ s =0 是一个渐近稳定的一阶动态系统, s 趋近于零. 假设1 不确定性满足有界条件,存在有界函数 B n( x ) ,使得 │ │ ≤ B n( x ) , x ∈ R n,且 g ( x ) 符号恒定. η 假设2 不确定项导数有界即 假设3 存在正实数 ε ,满足 动态滑模控制律取为
收稿日期:2009-07-20;修回日期:2009-08-30 作者简介:朱彩红(1979-),女,江苏张家港人,讲师,硕士,主要从事并联机器人控制方面研究.
- 37 -
苏州市职业大学学报
第21卷
模变结构控制方法比较适合并联机器人控制 [7-8],因此本文采用了一种新的机器人轨迹跟踪变结构控制 方法,即基于动态切换函数的动态滑模控制方法,亦即通过设计新的切换函数或将常规滑模变结构控制 中的切换函数 s 通过微分环节构成新的切换函数 σ ,该切换函数与系统控制输入的一阶或高阶导数有关, 可将不连续项转移到控制的一阶或高阶导数中去,得到在时间上本质连续的动态滑模控制律,可以有效 地降低抖振.
好,系统抗干扰能力强,对系统参数变化不敏感,具有良好的跟踪性能.
关键词: 并联机器人;滑模控制;伺服电机;轨迹跟踪 中图分类号: TP242 文献标志码: A 文章编号: 1008-5475(2010)01-0037-04
Dynamic Sliding Mode Control Applied in Parallel Robot System
&& + C (q, q & )q & + G (q) = τ M (q)q
体结构所决定的 n × n , n × n 和 n × 1 阶函数矩阵. 由于式(12)已写成拟线性化的形式,看上去比较简 洁.实际上,在本研究的系统中式(12)的展开形式相当复 杂.基于机器人关节或支路模型的分散控制系统是目前应 用最为广泛的设计方法之一,在工业工程中绝大部分的机 器人系统都采用了该类设计方法. 对于本文所研究的并联机器人,相互并联的各支路可 用图 1 表示. 当机器人关节的驱动装置为交流伺服电机,且忽略等 效干扰力矩,可导出机器人各支路的数学模型传递函数为
& = ∑ ci ei +1 + e &n + λ σ
i =1
n −1
∑c e
i =1
n −1
i i +1
+ en
(8)Байду номын сангаас

& = ∑ ci ei + 2 + c n −1e &n + e &&n + λ σ
i =1
n−2
∑c e
i =1
n −1
i i +1
&n +e
(9)
- 38 -
2010年第1期
dg & u + gu & + (c n −1 + λ ) η + η x dx
df (n) & − (c n −1 + λ ) y d x − dx
(10)
& − ε sgn( σ ) & = (c n −1 + λ ) η + η σ
则根据假设 1~3 得
& − ε σ = σ [(c n −1 + λ ) η + η &] − ε σ < & = σ (c n −1 + λ ) η + σ η σσ & ] − [(c n −1 + λ ) Bn + Bn ] σ <o σ [(c n −1 + λ ) η + η
相关文档
最新文档