论文部分内容阅读
工业机器人在生产生活的各个领域有着越来越广泛的应用,日益提高的精度需求对机器人运动控制器的控制性能提出了更高的要求。目前大多数国产机器人依然采用简单但模型无关的PID控制器用于运动控制。然而,由于PID控制器的模型无关性,应用该控制器控制机器人的运动时会发生驱动器超载、振动等,造成控制性能退化。为了改善控制性能,需要在运动控制中应用基于关节型机器人动力学模型的控制器。基于模型的控制器需要以机器人动力学参数作为先验值,而获取动力学参数最常见的方法即实验辨识动力学参数。本文首先通过Newton-Euler法建立关节型机器人的刚体动力学模型并线性化。在此基础上讨论了影响机器人动力学的几个因素,并对关节间摩擦因素加以补偿。完成了激励轨迹的选型与优化,并对采集得到的数据进行了必要的预处理,这两项措施有效提高了辨识精度。接着,本文总结了几种传统的辨识算法,并指出这些算法的不足与缺陷。提出了采用人工蜂群算法辨识机器人动力学参数,并阐述了辨识基本步骤。最后,本文应用人工蜂群算法辨识实际工业机器人的动力学参数值,得到了令人满意的结果。对实验结果的分析表明,采用简单的库伦-粘性摩擦模型是导致预测力矩曲线出现力矩波动及误差峰值的根本原因。通过在刚体动力学模型基础上补偿以精度更高、低速动态特性更好的摩擦模型,辨识结果有效改善了力矩波动,同时抑制了误差峰值的出现。应用辨识结果设计实现了基于模型的前馈控制器,实验结果表明基于模型的控制器大幅提高了轨迹跟踪精度,同时抑制了关节换向期间出现的高频振动。