恒力PID控制机器人机械手基于模糊神经网络的算法

文摘

机器人机械手的需求增加推动工业生产的发展。特别是,轨迹跟踪和联系恒力控制机器人机械手的工作环境接触条件下已成为流行,因为其精度高、质量操作。然而,这两个因素是相反的,也就是说,保持恒力控制,有必要做出有限的调整轨迹。传统PID控制器很难,因为复杂性参数和非线性特征。为了克服这个问题,基于模糊神经网络的PID控制器算法在本文开发的跟踪轨迹和联系同时恒力。首先,动能和势能计算,构造拉格朗日函数的双连杆机器人机械手。此外,精确的动态模型构建分析。其次,模糊神经网络算法,两种车削参数派生的轨迹跟踪和联系恒力控制。据报道,最后,数值仿真结果验证了该方法的有效性。

1。介绍

如今,增加参与各种工业机器人机械手的生产设施,如精密装配,和抛光领域的陶瓷卫生洁具或飞机引擎,精密手术,和汽车制造导致新的和创新的发展领域的动态建模机制和控制(1- - - - - -3]。根据机器人机械手的工作条件,有两种类型:合同和非接触。接触工况的至关重要的特征是高度精确的轨迹跟踪能力;同时,它应该有能力调整接触力/扭灵活[4,5]。随着复杂性和非线性问题,机器人机械手遭受各种不确定性、外部干扰、负载变化,在操作和参数的变化(6,7]。因此,它是不可能的对传统proportional-integral-derivative (PID)控制提供有效的轨迹跟踪控制和恒力/扭曲同时控制。

根据给定的值和实际的输出值 ,传统的PID控制结合了偏差 的比例(P),集成(I)和微分(D)形成控制量。给出了控制律 在哪里比例系数,积分时间常数,微分时间常数, 积分系数, 微分系数。传统的PID控制器的参数选择必须考虑需求的动态和静态性能。通过使用闭环反应的方法,提出了一种PID参数的启发式优化方法齐格勒和尼科尔斯在1940年代。

近年来,压倒性的发展优势地形的PID控制参数调优方案鼓励各种控制工程师工作在这个领域发展。微分进化(DE)、遗传算法(GA)和粒子群优化(PSO)被用来确定最优收益的位置域PID控制器,和三个不同的健身功能也被用来量化每个解集的轮廓跟踪性能(8]。为了扩大传统PID控制器的鲁棒性和自适应能力,基于神经网络(NN)——PID控制器被调整时,控制器是在网上经营模式提出的高性能永磁同步电机位置控制是库马尔et al。9],PID控制器的训练算法获得初始化基于最小平方解也提出了最低标准。在过去的几年里,一些作品被认为在智能算法以及在线策略迭代方法,自适应最优控制、滑模控制、神经网络控制等不同过程或植物的不确定非线性系统(10,11),自主水下车辆(AUV) [12),移动机器人(13),永磁同步电动机驱动(14),和许多其他人15- - - - - -19]。

最近,实时轨迹优化机器人机械手已经收到了大量的关注和研究,由于日益增长的需求,提高移动速度,在执行任务时的准确性,降低能源消耗。几个作者一直努力实现智能PID控制技术的机器人机械手轨迹跟踪,如全局渐近饱和PID控制(20.),增强模糊PID位置控制在手术机器人21),移动机器人(22- - - - - -25),和灵活的关节机器人(26]。然而,轨迹跟踪并不是唯一的因素,以确保操作的准确性在接触机器人机械手的工作条件,如高精度柔性装配,表面抛光,夹在微创手术的位置(如图1)。

变化的压力、温度、摩擦、接触表面的磨损,接触力/扭机器人与工件之间也将改变。虽然机器人机械手可以准确地根据当前轨迹运行,接触表面的加工质量和装配质量会下降。通过使用修改后的混合计算转矩方法基于正交化的原则,桑切斯提出改善力跟踪控制结构来减少传感器的数量与速度观测器(27]。Cortesao提出双主动观察者架构解决精确的力控制的心脏运动,和一个控制所需的相互作用力,另一个是负责补偿心自主运动(28]。提出了一种自适应模糊往后退位置跟踪控制方案对于multirobot机械手系统,和额外的条款也被添加到控制信号需要考虑的力跟踪问题,利用内力的属性(29日]。准确和强劲的力量/扭控制robot-environment联系应用程序仍然是一个巨大的挑战,比如在钻井作业(30.)、抛光(31日- - - - - -33)、焊接(34),和手术任务(35]。

一般来说,传统的PID控制器有助于消除稳态误差。然而,该控制器不提供有效控制的非线性和不确定性的存在。此外,出于研究进行的(36,37]。我们提出了模糊神经网络proportion-integration-differentiation (FNN-PID)恒力/扭控制接触机器人机械手的工作条件。总结了论文的主要贡献如下:(1)利用拉格朗日能量函数,双连杆机器人机械手的精确动力学模型建立。与文献[38),它完全代表驱动转矩之间的关系,在关节空间位移、速度和加速度。(2)接触的工作状态,接触力的变化会降低加工质量,所以重要的是要保持生产过程中接触恒力。然而,持续的接触力和轨迹跟踪是相反的。为了快速而有效地调整PID控制器的参数,提出了一种模糊神经网络算法对PID控制器的两种功能,也就是说,轨迹跟踪和在线有限变革而接触恒力控制。

本文以以下的方式组织。部分2介绍了精确的动态建模方法,两种类型的平面的精确动力学模型机器人机械手与RR(转动关节)和RP(移动关节)。部分3描述了PID控制器和模糊神经网络,它的稳定性进行了分析。部分4讨论了接触力之间的关系/扭曲与轨道接触的工作条件,和数值仿真结果证明了该方法的有效性。最后,给出了结论部分5。

2。双连杆机器人的动态建模

刚性平面机器人机械手的动态数学模型有两个链接和接触表面和外部力量是表面上,如图2。根据坐标系统 ,它由两个链接链接长度和与他们的重心和分别躺在中间的链接。质心的长度和 ,分别。

不同的文献[39),拉格朗日方法用于构建双连杆机器人机械手的精确动力学模型与名义值列在表中1。

的位置坐标和速度的平方质心可以如下:

的位置坐标和速度的平方重心也可以推导出如下:

双连杆机器人机械手的总动能

双连杆机器人机械手的总势能

构造拉格朗日函数如下:

双连杆机器人机械手的动力学方程可以计算

关节1的扭矩可以得到如下: 在哪里 , , ,和

与此同时,关节2的扭矩也可以导出吗 在哪里

结合(8)和(10),机器人工厂可以改写以下数学模型:

与文献[39),(12)完全代表驱动转矩之间的关系,在关节空间位移、速度和加速度。的问题和代表了惯性矩引起的关节1和关节的加速度2,分别。的问题和代表加速度的惯性矩两个关节之间的耦合。的问题和代表了耦合力矩的向心力由两个关节之间的速度造成的。的问题和代表了耦合力矩的两个关节之间的科里奥利力。和代表了重力项。考虑质心惯性的影响,(12可以修改)

此外,考虑接触力的影响作用于末端执行器,右边的12)可以取而代之 在哪里是力和力矩向量应用的末端执行器的工作环境,然后呢速度雅可比矩阵,收益率

3所示。PID控制器与模糊神经网络算法

为了设计一个模糊神经网络PID控制器(FNN-PID)机器人机械手的轨迹跟踪和恒力控制,必须得到绝对误差和速度变化的外力作用于末端执行器作为模糊控制器的输入,计算 在哪里轨迹跟踪误差,是给定的规划轨迹,输出轨迹的时间吗 , 接触力误差,恒力是给定的联系,是输出接触力。一个框图说明拟议的FNN-PID控制器如图3。

模糊控制算法由以下三个单位:模糊化,模糊规则,和去模糊化:(1)模糊性:需要和作为输入变量和语言 , ,和作为输出语言变量。输入和输出变量的模糊子集表示为负大(NB)、负(NM),负小(NS),零(佐薇),积极的小(PS),正面中间(PM),大(PB)和积极的。的领域和是 ,的域 , ,和是 , ,和 ,分别。提出了模糊算法的隶属函数如图4。(2)模糊规则:模糊规则设计优化PID控制器的增益控制参数(相同的轨迹跟踪和恒力)规则如下:(我)当误差很大,为了保持一个快速反应,使绝对或错误与最大速度降低,应该更大和应该是小。错误减少,防止一个特别大的超调,应该补充说,和应均匀下降。(2)当系统在稳定状态和错误越来越多,为了减少超调,应该更大和应该是小。(3)当系统趋向于一个稳定的状态,应该被分配一个更大的值,以提高响应速度和稳态快速的访问。应该被添加到减少过度和应该减少避免过度造成的振荡积分。(iv)当系统的过度消极和错误越来越多,应该被分配一个更大的价值。当误差达到最大和系统稳态倾向,应该减少,和应该增加。49模糊规则获得了该模糊算法如下:规则一:如果NB (e)和NB (ec) ( PB), ( NB), ( PS)两个规则注:如果(e)和纳米(ec)然后( PB), ( NB), ( NS)规则3注:如果(e)和NS (ec) ( 点),( 海里),( NB) 模糊规则设置 , ,和由表给出2。(3)去模糊化:去模糊化进行提取上面给出的值从所有的规则,在规则的数量转化为变量用隶属函数的数量。重心法是用于去模糊化摘要(40]。

此外,为了加快轨迹跟踪和恒力控制的模糊PID控制器,利用神经网络的方法。

神经网络函数解决非线性问题,它改变成线性的,由最初的低维空间映射到高维特征空间,逼近任何连续函数的加权和多个基函数。神经网络结构如图5。

在网络结构中, 是输入, 是输出, 是径向基向量,然后呢通常是高斯函数: 在哪里 的中心向量节点和 基向量的宽度;网络选择的权向量 。

给出了神经网络的输出

的优化目标函数

根据梯度下降法,迭代算法的神经网络参数满足如下: 在哪里学习速率和吗是动力因素。

关于输出输入变化的敏感性,给出的算法如下:

4所示。仿真和讨论

在本节中,进行数值模拟验证了该控制器的性能。初始化参数决定 和 。权向量的初始值,节点中心和宽度值的基函数如下所示:

表面的示意图表示增益控制参数组成 , ,和如图6。

接触恒力加载 ,和两个控制策略的响应曲线如图所示7。恒力牵引误差稳定区间如图-10年代(1.5)8。如数据所示7和8,完成跟踪过程的响应时间在1.5秒和最大牵引力误差是0.22 N。控制器的参数FNN-PID主见;因此,响应速度提高,恒力跟踪过程更稳定。

同时保持恒力控制,位移轨迹跟踪性能的仿真比较。位移的方向和末端执行器的数据所示9(一个)和9 (b)分别和末端执行器的轨迹跟踪误差,如图所示10。它表明,最大误差为0.03毫米,误差接近平衡位置,0.8秒后保持稳定性。

为了测试该系统的动态特性、阶跃函数用作外部干扰在5 s,和方向的位移跟踪和如图11。

这表明0.85年代背后的跟踪性能是收敛方向和0.25秒方向,分别。此外,恒力跟踪也调整收敛与外部扰动,如图12。

5。结论

框架的模糊神经网络PID (FNN-PID)控制机器人机械手一直在本文中给出。利用拉格朗日能量函数,对双连杆机器人机械手的精确动力学模型建立,和驱动转矩之间的关系,在关节空间位移,速度,加速度。为了快速而有效地调整PID控制器的参数,提出了一种模糊神经网络算法对两种PID控制器,即轨迹跟踪和有限的变化在线在接触恒力控制。进行了数值模拟和分析来说明该方法的有效性。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

作者感谢金融支持中国的国家自然科学基金(批准号51165009)广东省教育部门和学校创新项目,中国(批准号2017 kzdxm060和2018 kcxtd023)。

引用

1. 罗德里格斯,k . Nottensteiner d·莱达,m·德纳f . Stulp和a . Albu-Schaffer”模式识别知识转移的机器人装配序列规划,“IEEE机器人与自动化信件,5卷,不。2、3666 - 3673年,2020页。视图:出版商的网站|谷歌学术搜索
2. k . Numakura Muto y、m .齐藤成田,t .井上和t . Habuchi”课本腹腔镜肾盂成形术对肾盂输尿管交界处梗阻与双工系统,”泌尿外科病例报告ID 101138条,卷。30日,2020年。视图:出版商的网站|谷歌学术搜索
3. y . f .咚,t . y . Ren, k, k·陈,d . Wu”接触力检测和控制机器人抛光基于关节力矩传感器,”国际先进制造技术杂志》上,卷107,不。5 - 6,2745 - 2756年,2020页。视图:出版商的网站|谷歌学术搜索
4. t . Ozaki t . Sujuki t . Furuhashi s Okuma y内川,“使用神经网络机器人的轨迹控制,”IEEE事务工业电子产品,38卷,不。3、195 - 202年,1999页。视图:谷歌学术搜索
5. 诉答:傻瓜,j . f . Postigo r . o . Carelli b方蛋糕,“健壮的混合motion-force机器人机械手的控制算法”,国际工程杂志,13卷,不。3、233 - 242年,2000页。视图:谷歌学术搜索
6. 郭宏源。李和研究。黄,”米姆为机器人机械手终端自适应模糊滑模控制器,”信息科学,卷180,不。23日,第4660 - 4641页,2010年。视图:出版商的网站|谷歌学术搜索
7. 医学博士。Tran周宏儒。康,“自适应终端滑模控制的不确定机器人机械手动态系统的基于局部逼近,“Neurocomputing卷,228年,第240 - 231页,2017年。视图:出版商的网站|谷歌学术搜索
8. p .欧阳诉帕诺人,”德的比较研究,为位置域算法和遗传算法优化PID控制器,”算法,8卷,不。3、697 - 711年,2015页。视图:出版商的网站|谷歌学术搜索
9. 诉库马尔,p .白肢野牛和a·p·米塔尔”基于ANN的自调整PID自适应控制器设计高性能永磁同步电动机位置控制,”专家系统与应用程序第41卷。。17日,第8002 - 7995页,2014年。视图:出版商的网站|谷歌学术搜索
10. 美国他,方H . m . Zhang f . Liu x烹调的菜肴,和z叮,“网上政策iterative-based H∞优化算法对于一类非线性系统,”信息科学卷。495年,1-13,2019页。视图:出版商的网站|谷歌学术搜索
11. 美国他,方h . m . Zhang f . Liu和z叮”一类非线性系统的自适应最优控制:在线策略迭代方法,”IEEE神经网络和学习系统没有,卷。31日。2、549 - 558年,2020页。视图:出版商的网站|谷歌学术搜索
12. m . h . Khodayari和美国Balochian建模和控制自主水下航行器(AUV)标题通过自适应模糊PID控制器和深度的态度,“海洋科学和技术杂志》上,20卷,不。3、559 - 578年,2015页。视图:出版商的网站|谷歌学术搜索
13. f . g . Rossomando c·m·索里亚时,“识别和控制移动机器人的非线性动力学的离散时间使用一个基于神经PID自适应技术,”神经计算和应用,26卷,不。5,1179 - 1191年,2015页。视图:出版商的网站|谷歌学术搜索
14. j - w。荣格,诉低浓缩铀,t . d, e - k。金姆,h·h·崔”,自适应PID速度控制设计永磁同步电动机驱动器,”IEEE电力电子,30卷,不。2、900 - 908年,2015页。视图:出版商的网站|谷歌学术搜索
15. x周、c·杨和t . Cai”模型参考自适应控制/ PID复合方案抗干扰性最初天线稳定平台,“杂志上的传感器卷,2016篇文章ID 7964727, 11页,2016年。视图:出版商的网站|谷歌学术搜索
16. a . s . w . p .记录和美国Kanthalakshmi”,一种自适应PID控制算法对非线性和不确定的动力学过程,”国际期刊的自动化和控制,11卷,不。3、262 - 273年,2017页。视图:出版商的网站|谷歌学术搜索
17. 他任与s p,“限定时间稳定积极的马尔可夫过程的神经网络跳。”UNSP文章ID 124631卷,365年,2020年。视图:谷歌学术搜索
18. p .贝聿铭z . c .贝聿铭z . y . Tang和h .顾,“阿位置跟踪控制永磁同步电动机基于模糊pid变量结构自适应控制,”数学问题在工程卷,2018篇文章ID 5794067, 15页,2018年。视图:出版商的网站|谷歌学术搜索
19. z, d . Li k·杨,h·邓“多机器人避障基于改进人工势场和PID自适应跟踪控制算法,”Robotica,37卷,不。11日,第1903 - 1883页,2019年。视图:出版商的网站|谷歌学术搜索
20. 苏x y、p·c·穆勒和c·h·郑”全局渐近饱和PID控制机器人机械手(18卷,1280 pg, 2010),“IEEE控制系统技术,23卷,不。1,p。412年,2015。视图:谷歌学术搜索
21. y s . j .歌,月亮,d·h·李·c·b·安y乔和j·崔”模糊PID控制算法的比较研究,以增强在腹腔镜手术机器人的位置控制,”医学和生物工程杂志》上,35卷,不。1,34-44,2015页。视图:出版商的网站|谷歌学术搜索
22. j . m . Seok”2型模糊自调整PID控制器设计和转向角控制移动机器人转动,“韩国期刊导航研究所,20卷,不。3、226 - 231年,2016页。视图:谷歌学术搜索
23. k . s .贾和x y Yap便携式PID控制学习工具的移动机器人,”国际期刊的网络工程(iJOE),12卷,不。6,54-57,2016页。视图:出版商的网站|谷歌学术搜索
24. m . s . Wang x阴,p . Li张x王,“移动机器人的轨迹跟踪控制利用强化学习和PID,”伊朗科学技术学报,电气工程的交易,44卷,p。1031年,2019年。视图:出版商的网站|谷歌学术搜索
25. a . k . khalaji”pid的牵引式挂车移动机器人目标跟踪控制,”美国机械工程师学会学报》上,C部分:机械工程科学》杂志上,卷233,不。13日,4776 - 4787年,2019页。视图:出版商的网站|谷歌学术搜索
26. j . Ju y赵、c . Zhang和y . Liu”振动抑制挠性接头的机器人基于参数识别和模糊PID控制,”算法,11卷,不。11,189年,页2018。视图:出版商的网站|谷歌学术搜索
27. p . Sanchez-Sanchez和m . a . Arteaga-Perez”合作机器人提高力跟踪控制性能。”国际先进的机器人系统杂志》上,14卷,不。4、文章ID 1729881417708969, 2017。视图:出版商的网站|谷歌学术搜索
28. r . Cortesao和m . Dominici”机器人的力控制在跳动的心脏,”IEEE / ASME举办,22卷,不。4、1736 - 1743年,2017页。视图:出版商的网站|谷歌学术搜索
29. a . Khosravi Baigzadehnoe, z,压力和b Rezaie,他“位置/力跟踪控制问题的合作机器人机械手使用自适应模糊逐步退焊法方法,”ISA事务卷,70年,第446 - 432页,2017年。视图:出版商的网站|谷歌学术搜索
30. d·g·g·罗莎·j·f·s . Feiteira a . m .洛佩斯和p·a·f·德阿伯,“力控制策略的分析和实现钻井作业的工业机器人,”巴西社会的《机械科学与工程,39卷,不。11日,第4756 - 4749页,2017年。视图:出版商的网站|谷歌学术搜索
31. a·e·k·穆罕默德·j·香港,d . Wang”控制力与低惯性效应对机器人末端执行器的设计使用微型机器人抛光的方法,”机器人和电脑一体机制造卷,49岁,54 - 65年,2018页。视图:出版商的网站|谷歌学术搜索
32. j . e .塘鹅l·格雷西亚·Munoz-Benavent j . v .米罗c . Perez-Vidal和j . Tornero“鲁棒混合position-force控制机器人表面抛光,”制造科学Engineering-Transactions ASME杂志》上,卷141,不。1,文章ID 011013, 2019。视图:出版商的网站|谷歌学术搜索
33. y叮,x分钟、w·傅和z梁,“力的控制的研究和应用工业机器人抛光凹曲面,”美国机械工程师学会学报》上,B部分:工程制造》杂志上,卷233,不。6,1674 - 1686年,2019页。视图:出版商的网站|谷歌学术搜索
34. 甘y, j .段m·陈,戴x,“多机器人轨迹规划和位置/力协调控制在复杂的焊接任务,”应用科学,9卷,不。5,924年,页2019。视图:出版商的网站|谷歌学术搜索
35. t .阻塞性睡眠呼吸暂停综合症:杉,m . Mitsuishi”在线轨迹规划和力控制的自动化手术任务,”IEEE自动化科学与工程,15卷,不。2、675 - 691年,2018页。视图:出版商的网站|谷歌学术搜索
36. t·张m·肖y . b .邹和j·d·肖,”机器人恒力磨削控制按下和释放模型和基于模型的强化学习,”国际先进制造技术杂志》上,卷106,不。1 - 2、589 - 602年,2020页。视图:出版商的网站|谷歌学术搜索
37. t梁张和x”,干扰observer-based机器人恒联系force-tracking控制结束,”复杂性卷,2019篇文章ID 5802453, 20页,2019年。视图:出版商的网站|谷歌学术搜索
38. 理查德,b . Shubhendu g . Prerna和j·迪帕克,“switching-based协作分数阶模糊逻辑控制器对机器人机械手,”应用数学建模卷,73年,第246 - 228页,2019年。视图:谷歌学术搜索
39. m·维c . Himanshu r·亚莎,s . Vijander”专家2自由度分数阶非线性系统模糊PID控制器,”神经计算和应用31卷,第4270 - 4253页,2019年。视图:谷歌学术搜索
40. h . Sadeghi h . Motameni a Ebrahimnejad, j .瓦海德”形态在波斯的句子成分功能通过一个新提出的模糊分类方法和重心去模糊化方法,”《智能与模糊系统,36卷,不。6,5463 - 5473年,2019页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020年朱披上等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。