工業機械手自動化控制系統設計

李世強,王 霞

（工業互聯網創新中心（上海）有限公司，上海 201303）

1 引言

工業機械手被廣泛應用在現代工業生產中，隨著工業機械手自動化控制技術的發展，采用人工智能控制技術，構建工業機械手自動化控制系統，提高工業機械手的智能化控制水平。工業機械手自動化控制系統是根據參數擾動特性，利用線性控制技術，提取模糊約束特征量，并結合結構力學特性融合的方法，實現工業機械手智能控制過程[1]。

當前，國內對工業機械手自動化控制方法主要有基于BP 神經網絡和蟻群算法的機械手軌跡控制算法[2]、基于CPG 的仿生機器鱈魚運動控制[3]和基于模糊PID 控制方法等。國外研究提出了用語音接口實現工業機械手的指令與控制[4]、通過迭代參考軌跡[5]修正提高工業機器人的精度等方法。采用結構(structured)不確定性和非結構(unstructured)不確定性參數分析模型，構建模糊自適應控制律，實現對工業機械手自動化控制。但傳統方法進行工業機械手自動化控制的模糊度較大，缺乏精準度，穩定性不好。

針對上述問題，本文提出工業機械手自動化控制系統設計方法。采用機械手的柔性參數識別方法建立控制系統分析模型，然后結合專家系統實現對工業機械手自動化控制的判決規則設計，采用轉矩特征分析和變剛度調節的方法，建立工業機械手自動化控制的自適應調節控制律，實現控制系統的優化。最后進行仿真測試分析，展示了本文方法在提高工業機械手自動化控制能力方面的優越性能。

2 控制系統結構模型和參數分析

2.1 控制系統結構模型

為了實現工業機械手自動化控制系統設計，采用多維傳感器參數跟蹤識別的方法，進行機械手自動化控制的信息采樣和融合調度，采用模糊PID 控制方法進行工業機械手的智能控制[6]，在數據處理模型中實現對工業機械手自動化控制的程序加載，得到工業機械手自動化控制系統的總體結構框架如圖1所示。

根據圖1所示的工業機械手自動化控制系統的總體框架，在工業機械手控制的執行敏感元件中，通過剛度測量及動態數據分析的方法[7]，得到工業機械手的剛度測量方程為：

式中，r1，r2表示柔性參數采集樣本，N1，N2表示執行敏感元件序列向量，σ表示工業機械手的辨識參數。建立工業機械手的柔性關節數學模型，以工業機械手的末端位姿作為線性動態分布特征量，根據杠桿機構、凸輪機構的關聯關系[8]，得到工業機械手的變剛度柔性關節調節模型表示為：

式中，0≤p(ai)≤1(i=0，1，2，…，m)，表示工業機械手控制結構參數的振蕩誤差，通過多組肌肉單元配合伸縮控制的方法，得到工業機械手的相互作用力學參數分布模型，通過改變杠桿機構作用參數，得到機械手的結構力學參數調節的線性方程組：

式中，f(x)是關于x=WVD(n，k(n))的相應結構部件的彈性力矩，采用新型主-被動復合控制的方法，在工業機械手控制組件中，引入了工業機械手輸入狀態項，根據力臂變化而變化的特點設定控制約束變量。

2.2 控制約束參數分析

在得到控制系統結構的基礎上，采用傳感器實現對工業機械手的變剛度柔性參數采集，并結合機械手的柔性參數識別方法建立控制系統的控制約束參數分析模型。首先在質心坐標系中，引入柔性關節等效剛度信息，得到工業機械手控制的模糊度函數描述為Gm(s)，柔性變形量分布誤差為tm，工業機械手的參數辨識控制的模糊狀態函數為：

結合彈簧彈力輸出的彈性模量進行聯合控制，基于凸輪機構主動剛度參數估計的方法，形成工業機械手自適應控制的轉動彈性阻力分布矩陣：

式中，工業機械手相互作用的跨度參數從Gm(s)端輸出到控制器中，通過直流電動機和梯形絲剛度調度，得到工業機械手在不同凸輪槽輪廓線的反饋調節控制結果為：

式中，輸出轉矩為pqrsdp，彈性模量為Ei，控制約束特征量的增益函數K=△K Km，其中△K＞0。

綜上分析，得到工業機械手的結構參數辨識結果，從而構建機械手的控制約束參數分析模型。

3 機械手自動化控制優化設計

3.1 控制律設計

根據上述控制約束參數分析結果，利用專家系統實現對工業機械手自動化控制的判決規則設計，構建工業機械手的動力學模型，根據輸入、輸出盤相對轉動特征量，得到工業機械手自適應控制的參數模糊辨識模型為：

式中，m表示輸入盤與輸出盤轉動時間差，確定兩凸輪組位移關系，若矩陣A滿足A=AH，其中AH=，“*”代表求共軛，引入主動變剛度結構參數調節模型，得到工業機械手的自動化參數辨識控制模型，考慮主動調剛度部分機構構型，得到工業機械手的位姿平衡點位于平面坐標系象限時，即(x1，x2≥0)才有實際意義，構建工業機械手的動力學模型，根據阻尼力參數分析的方法，得到工業機械手的位姿平衡分布系數|ρik|≤1，那么對工業機械手的參數修正和誤差調節動態擬合模型表示為：

在此基礎上得到工業機械手魯棒性控制的狀態函數m(A)滿足：

式中，A(i)表示工業機械手控制動態特征量，令(n×n維復數空間)，結合魯棒性控制狀態函數，采用閉環PI 型迭代學習方法進行工業機械手的凸輪組聯合控制，得到自適應控制律為：

由此實現了機械手控制律設計，通過工業機械手的柔性參數控制和模糊狀態調節，進行機械手自動化控制的自適應調節優化設計。

3.2 控制參數自適應尋優

在實現工業機械手自動化控制律設計的基礎上，采用模糊PID穩態控制器實現對工業機械手自動化控制參數優化配置，得到工業機械手的空間載荷參數調節模型為：

其中，ρ表示工業機械手的空間載荷特征分布主值，p(u)表示多普勒頻偏，采用變剛度柔性控制的方法，實現對工業機械手的自動化參數融合，得到工業機械手空間功能之間的相關特征量為：

式中，f(u)表示機械手空間功能近似度特征值。通過伺服電動機驅動控制的方法，得到工業機械手的參數修正表達式為：

式中，f(t)表示工業機械手樣本修正參考函數。采用被動變剛度分布式調節的方法，實現工業機械手的參數修正，得到機械手自動化控制參數自適應尋優結果表示為：

式中，Xa(u)表示機械手自動化控制的尋優向量，根據參數估計結果，實現對工業機械手自動化控制參數優化配置和精準控制，提高自適應控制性能。

4 仿真測試分析

通過仿真實驗驗證本文方法在實現工業機械手自動化控制的應用性能，在Matlab中進行仿真程序加載設計，工業機械手的傳感信息參數采集的樣本數為1024，對機械手控制的特征采樣頻率為14．6KHz，局部跟蹤誤差為0．26，根據上述參數設定，在0～5s的仿真時間內，得到機械手的參數采集結果如圖2所示。

以圖2控制參數為約束對象，進行工業機械手自動化控制，將本文方法與文獻[2]和文獻[3]的方法進行對比，得到工業機械手自動化控制的穩定性結果如圖3所示。

分析圖3得知，本文方法進行工業機械手自動化控制的輸出穩定性較好，參數調節能力較強。測試控制誤差，得到對比結果如圖4所示。

分析圖4得知，在不同的采樣樣本序列中，本文方法進行工業機械手控制的誤差較低，提高了控制的準確性。

5 結束語

由于傳統方法進行工業機械手自動化控制缺乏一定的精準度，本文對工業機械手自動化控制系統進行設計。首先構建控制系統結構模型，并采用Kalman濾波方法對機械手的控制約束參數進行分析。根據參數分析結果，結合魯棒性控制狀態函數，實現自適應控制律設計。最后采用模糊PID穩態控制器進行工業機械手自動化控制參數優化配置，從而得到控制參數自適應尋優結果，實現工業機械手的自適應控制。測試結果表明，本文方法進行工業機械手自動化控制的輸出穩定性較高，誤差率較低，有效提高了工業機械手的控制精度。