[发明专利]带有动态摩擦补偿的机械臂关节定位控制方法

说明书

技术领域

本发明涉及机器人自动控制技术领域，具体地说，涉及带有动态摩擦补偿功能的机械臂关节定位控制方法，通过所设计的控制方法在完成动态摩擦补偿的同时实现机械臂关节的高精度位置跟踪。

背景技术

随着工业自动化及机器人技术的飞速发展，关节型机械臂在生产线装配、喷涂、切割、太空操作等多个工程技术领域发挥着不可替代的重要作用。机械臂在执行操作任务时，其末端处手爪的定位是通过多个机械臂关节的联合动作来实现的。从机器人运动学的观点进行分析，当机械臂关节的定位精度不高，尤其是当各机械臂关节之间的连杆为大跨度尺寸时，即使机械臂关节处非常小的定位误差，经过运动学求解后换算到连杆末端引起的位置误差也将是工程领域难以接受的，因此，若不对机械臂关节实行高精度的位置控制，机械臂整体执行高精度操作任务的能力将会受到很大限制。

在实际的工程领域中，机械臂关节往往在低速条件下工作，而低速运行时机械臂关节内的动态摩擦作用突显，这引起机械臂关节位置跟踪时出现严重的爬行、平顶现象，造成机械臂关节位置控制精度大大下降，使机械臂的操作任务以失败告终。例如，在重工业机械臂的工程应用中，50％的位置跟踪误差是由机械臂关节的动态摩擦引起的。因此，对动态摩擦进行补偿控制以提高机械臂关节的位置控制精度，成为机器人自动控制领域的研究热点。国内外诸多学者对该课题进行了深入研究，并取得了一系列相应的研究成果，代表性的有：基于模型的多采样率摩擦补偿、自适应模糊补偿、遗传算法、基于速度观测器的模型参考自适应摩擦补偿方法、高增益鲁棒补偿、RBF神经网络、CMAC小脑神经网络等方法。现有的研究成果已证明动态摩擦是一种零点处不连续的复杂非线性函数，因此以上方法存在的主要缺陷是：

1、需要预知摩擦模型的结构和部分特性参数，在实际应用中难以实现；

2、为了提高精度采用的高反馈增益往往会受到硬件设备的限制；

3、已有的人工智能补偿方法的实现通常需要机械臂关节的位置、速度、加速度等全状态测量，而且为了逼近零点非连续状态必须采用更多的神经单元和迭代次数，但逼近效果却很不理想。

机械臂实时控制系统对于所有机械臂关节的定位精度要求都很高，因此，高精度的机械臂关节位置控制方法成为机器人自动控制领域中的研究热点。

发明内容

针对机械臂关节低速运行时突出的动态摩擦问题，本发明提出一种带有动态摩擦补偿功能的机械臂关节定位控制方法，使机械臂关节在不同的工作环境下(如负载变化、润滑状况不确定、温差变化、压差变化等)都能够完成高精度定位，从而提高多关节机械臂整体的定位精度。

本发明的技术方案如下：

一种带有动态摩擦补偿功能的机械臂关节定位控制方法，通过全局控制单元和局部控制单元来实现，其中：

全局控制单元用来完成整体大范围内的机械臂关节轨迹跟踪，由机械臂关节中应用广泛的PD控制器实现；PD控制器的输入向量包括机械臂关节的位置误差和位置误差的变化率；

局部控制单元用来完成局部微小范围内的非线性动态摩擦补偿，由具有观测层的五层型自回归小波神经网络控制器实现；自回归小波神经网络控制器的输入向量包括机械臂关节的期望位置、期望速度和实际位置，自回归小波神经网络控制器中需要的机械臂关节实际速度通过观测层计算得出；

采用叠加式控制模式，将PD控制器与自回归小波神经网络控制器并联，在PD控制器输出量上直接叠加自回归小波神经网络控制器的输出量作为机械臂关节的总控制量。

进一步的，PD控制器输出量为其中，参数k表示伺服周期数，K_p为位置增益参数，K_d为速度增益参数，e(k)为机械臂关节的位置误差，为机械臂关节位置误差的变化率，分别定义为e(k)＝θ_d(k)-θ(k)，θ_d(k)、分别为机械臂关节的期望位置和期望速度，θ(k)、分别为机械臂关节的实际位置和实际速度。

进一步的，自回归小波神经网络控制器的结构共包括五层，分别为输入层、观测层、隐含层、乘积层、输出层，其中，自回归小波神经网络控制器的设计包括以下步骤：

步骤一：