機床商務網公司動態
機械手的組成與原理
閱讀：418 發布時間：2022-10-23機械手的組成與原理
機械手由多個通過關節連接的連桿組成。每個關節都有一個致動器，驅動關節旋轉或滑動。驅動扭矩由控制器給出。機械手是非線性、多/輸入、多/輸出系統。移動一個關節會影響另一個關節的動力學，因此機械手也是耦合的多/輸入、多/輸出系統。
即使在工業用途的結構良好的環境中，機械手也會受到結構化和/或非結構化不確定性的影響。結構不確定性主要是由于機械臂連桿特性不精確、載荷未知等造成的。非結構化的不確定性是由未建模的動力學引起的，例如非線性摩擦、擾動和動力學的高頻部分。
盡管存在這些復雜性和不確定性，但機械手（n 個關節）可以以一般形式建模為
(5.1)H(q)q¨+C(q,q˙)q˙+G¯(q)+F(q,q˙)=τ(q,q˙,q¨),
其中q是關節位移的n × 1 向量，τ 是施加的關節扭矩的n × l 向量， H ( q ) 是n × n對稱正定操縱器慣性矩陣， C(q,q˙)q˙是向心力矩和科里奧利力矩的n× 1 向量，G¯(q)是重力力矩的n× 1 向量，并且F(q,q˙)是動力學的非結構化不確定性，包括摩擦和其他干擾。C不是的，但可以這樣選擇H˙=C+C噸將舉行。
為此類系統設計理想控制器是當今控制理論中挑戰性的任務之一，尤其是當要求機械手快速移動同時保持良好的動態性能時。傳統的控制方法已經使用了大約 20 年，試圖解決這個問題。PID 已成為用于工業機械手控制器的主要方法。PID 控制器 [ 11 , 16 , 23 ] 簡單且易于實施。如果重力轉矩得到補償，雖然靜態精度很好，但 PID 控制器的動態性能還有很多不足之處。
計算扭矩方法 (CTM) [ 4 , 13 , 17 ] 如果其假設有效，即機械手動力學是*已知的，則可以提供非常好的性能。如果我們知道如何計算H,C,G¯, 非結構化不確定性, F , 不存在, 并且q,q˙可訪問，CTM 表示為
(5.2)τ=H(q)[q¨d+Λ(q˙d-q˙)+(qd-q)]+C(q,q˙)q˙+G¯(q),
在哪里qd,q˙d,q¨d是期望的關節位移、速度和加速度，Λ 是一個常數矩陣，選擇它使得s 2 I + Λs+I = 0 在復平面的左側具有所有解。CTM 與神經控制領域中的逆模型方法非常相似。盡管如果知道精確模型，CTM 會提供非常好的性能，但由于無法獲得精確模型，因此在實際應用中它的價值非常低。非結構化和結構化的不確定性是不可避免的。
自適應控制方法( ACM) [ 3 , 5 , 19-21 ] 已被提出來應對結構化的不確定性，其中直接自適應控制是一種典型的方法。在不考慮式（5.1）的機械臂動力學的非結構化不確定性（F ）的情況下，直接自適應控制方法需要將機械臂動力學重寫為
(5.3)H(q)q¨+C(q,q˙)q˙+G(q)=[是(q¨,q˙,q)]噸一種.
盡管參數向量 a的確切值不需要先驗，但在大多數實際機械手中，要獲得方程 (5.3)的動態形式仍然非常困難。此外，ACM 并沒有解決非結構化不確定性的問題。
操縱器控制的常規方法可以總結如下。PID 的動態性能非常差。CTM 和 ACM 可以解決這個問題。然而，他們面臨三個困難。首先，我們必須對單個操縱器有詳細的顯式先驗知識，例如，我們必須知道H、C和G¯在 CTM 中，或者我們必須知道如何以方程（5.3）的形式表達機械臂動力學，以及如何計算自適應控制中的Y。這種先驗知識在大多數機械手中很難獲得。其次，真實機械手中存在的不確定性嚴重貶低了這兩種方法的性能。ACM雖然具有應對結構化不確定性的能力，但并不能解決非結構化不確定性的問題。第三，這兩種方法的計算量都非常高。由于控制采樣周期必須在毫秒級，這種高計算負載需要非常強大的計算平臺，導致實現成本高。
神經網絡有可能克服傳統控制方法遇到的所有困難。由于它們的通用逼近特性，它們可以用作適用于任何機械手的通用控制器。憑借其學習能力，神經網絡可以通過離線和/或在線學習來提高其性能并最終獲得令人滿意的結果，而無需明確了解機械臂動力學。它們的并行計算結構可以幫助解決高計算負載問題。
許多研究工作已經投入到用于機械手控制的神經網絡應用程序的設計中。Albus [1]在 1975 年使用小腦模型關節控制器 (CMAC) 來控制機械手。雖然當時他沒有聲稱，但 CMAC 現在是一種流行的神經網絡類別。米勒等人。[ 14 , 15 ] 和卡夫等人。 [12]擴展了 Albus 的結果并開發了神經網絡學習算法。飯古尼等人。 [7]將機械手線性控制技術與用于補償非線性不確定性的反向傳播(BP) 神經網絡相結合。川藤等人。 [10]在原始機械手控制系統中添加了BP 網絡作為前饋補償器。盡管所有作者都聲稱模擬甚至實驗結果非常好，但缺乏理論分析和穩定性保證使得工業家對在實際工業環境中使用結果持謹慎態度。