不确定环境下机器人柔顺控制及可视化仿真的研究

【摘要】：机器人主动柔顺控制是新兴智能制造中的一项关键技术。由于机器人本身的高度非线性、强耦合性以及柔顺作业任务中环境不确定性等问题的存在，使得主动柔顺控制的应用受到了极大的限制。本文应用软计算方法对机器人不确定环境下的主动柔顺控制方法进行了研究。 本文分析了柔顺控制在机械行业中的不同应用方法，利用几何图形的方法对阻抗控制的特性进行了研究，针对阻抗控制轨迹跟踪能力较弱的局限，指出了存在环境刚度和位置不确定情况下实现轨迹跟踪的途径，并在基于位置的阻抗控制基础上，给出了一种具有力跟踪目标阻抗和位置反馈的柔顺控制方法，建立了仿真模型。应用正交实验方法，建立了硬质合金旋转锉的预测力学模型，为期望力和控制参数设置、调整提供了依据。 研究了基于模糊补偿的鲁棒阻抗控制方法，设计了一个基于规则自调整的模糊补偿器，该补偿器采用了改进的规则因子自调整函数，不但考虑了系统的位置误差、误差变化，还能防止系统的过度补偿而引起的接触力大的变化。应用具有力跟踪能力的目标阻抗模型，保证了接触力的稳定性。具有自调整因子的模糊补偿器克服了控制表查询及单一控制因子等方法不能对环境变化做出自适应调整的缺点，可以自动调节控制规则适应环境的变化，对位置的不确定性进行补偿，从而使系统具有更好的性能。 研究了通过调整目标阻抗参数实现位置跟踪的方法，设计了一个基于目标阻抗模糊自调整的阻抗控制器。该控制器可以根据系统状态，自动调整目标阻抗参数，使其适应环境的变化。由于常规模糊控制器的设计依靠设计者的经验和不断的调试，给模糊控制器设计工作带来很大的困难，为此，本文应用遗传算法，对模糊控制的隶属度函数进行了优化，通过设置适应度函数不同项目的加权系数满足了机械加工中的要求。 在基于位置的阻抗控制基础上，提出了一种任务规划与执行的协调控制方法，在控制进行中，控制器可以根据目前的系统状态对预先规划