基于模糊自适应与PID控制的六自由度工业机器人运动控制策略研究

2018-01-31张建荣罗国虎郭金妹

科技视界 2018年30期

张建荣　罗国虎　郭金妹

【摘要】根据六自由度工业机器人的运动学特征，将模糊自适应控制与PID算法结合，也就是建立模糊逻辑系统，结合自适应算法的调整位置参数的能力，实现PID控制的自适应调整，从而使六自由度工业机器人运动控制平稳高效。然后利用Matlab软件对模糊自适应PID算法进行仿真，证明该算法的有效性。

【关键词】模糊自适应；PID；六自由度；运动控制

中图分类号：TP24 文献标识码： A 文章编号： 2095-2457（2018）30-0005-002

DOI：10.19694/j.cnki.issn2095-2457.2018.30.002

Six-degree-of-freedom industrial robot based on fuzzy adaptive and PID control Research on motion control strategy

ZHANG Jian-rong LUO Guo-hu GUO Jin-mei

（Jiangxi Institute of Applied Technology， Ganzhou Jiangxi 341000， China）

【Abstract】According to the kinematics of the six-degree-of-freedom industrial robot， the fuzzy adaptive control is introduced into the PID algorithm. The fuzzy logic system is combined with the ability of the adaptive algorithm to adjust the position parameters to realize the adaptive adjustment of the PID control， so as to achieve the smooth and efficient operation control effect. The fuzzy adaptive PID algorithm is simulated by Matlab software， and the effectiveness of the algorithm is proved.

【Key words】Fuzzy adaptive； PID； Six degrees of freedom； Motion control

随着“工业4.0”和“中国制造2025”的加速推进，工业机器人的需求增长非常快，工业机器人的应用领域越来越广。其运动控制系统是工业机器人十分重要的组成部分，根据操作任务的要求，驱动机械臂中的各台电动机完成特定任务。六自由度机器人是一种目前应用最广泛的工业机器人，其运动控制的快速、正确性决定了其工作效率和性能。

1 拟解决的关键问题

模糊控制、专家控制、神经网络控制、PID控制、自适应控制等是工业机器人运动控制系统的主要方法，为了达到更好的动态性能，最终实现控制要求，一些新的控制方法就出现了。在控制算法方面既要保证一定的鲁棒性，又要满足参数实时变化的要求。

目前，單一控制算法已经无法满足对复杂的工业机器人运动控制，往往采用模糊控制等算法与PID控制或自适应控制相结合方法，这样工业机器人运动控制的效果能实现多种控制方法融合的优点，具有很强的鲁棒性。

因此，在工业机器人运动过程控制算法研究中，采用鲁棒控制方法保证机器人的抗干扰能力，结合自适应等算法对实时变化的参数进行识别与调整，在尽量降低控制算法复杂程度又保证控制算法有效性是目前主要的研究方向。

2 采取的研究方法及实验方案

2.1 对六自由度工业机器人采用经典的D-H参数法建模

将机器人抽象成一系列的连杆和关节，我们对各个杆件建立一个参考坐标系，从基座开始到第一关节，再到第二关节，通过矩阵变换都能得到每两个相邻关节的变换矩阵，最后将得到的所有变换矩阵进行结合即可得到总的变换矩阵。这个总的变换矩阵就是用D-H参数法表示的机器人运动学模型。

以KUKA六自由度工业机器人为对象建立D-H参数法运动学模型，其三维模型如图2所示，各关节的坐标系如图3所示。

根据该机器人的几何参数，得到基于设定坐标系的D-H参数，将参数带入D-H参数模型中进行矩阵变换，得出该机器人的D-H参数的正运动学模型，可以利用比如Lee和Ziegler的几何法或Paul的代数法等机器人逆运动学求解方法，求出机器人各个关节的转角。

2.2 采用模糊逻辑系统，结合自适应算法的调整位置参数的能力，实现PID控制的自适应调整，从而达到平稳高效运行的控制效果

由于六自由度工业机器人是一个多输入多输出的非线性耦合系统，在控制算法方面既要保证一定的鲁棒性又要满足参数实时变化的要求。

为了提高 KUKA 六自由度工业机器人的精度和可靠性，构建了如 3 图所示的模糊自适应PID 控制系统结构。机器人接收到指令，然后从程序中采集速度、加速度、位移、力矩等相关参数输入至运动系统中，机器人根据按照设定的参数和路线进行操作。同时检测器检测相应的参数，并实时与运动中实际值相比较，得到误差e和误差变化率ec作为模糊控制器的输入变量语言，PID 的三个参数Kp、Ki、Ki为输出。控制器包括模糊控制器和常规的PID 控制器，根据输入输出变量之间的模糊关系在线对 PID 参数进行自适应整定，实现对机器人运动系统的最佳控制。

2.3 模糊自适应PID算法的仿真

模糊自适应 PID 算法的仿真可以利用Matlab等仿真软件进行，即利用 Matlab 中的simulink工具箱建立如图 4 所示的仿真模型。在仿真过程中对三个参数（Kp、Ki、Ki）优化调整，就可以得到最优的控制曲线。

采用上述研究方法能够有效的完成基于KUKA六自由度工业机器人的运动学建模，在运动学模型的基础上得出高效的控制算法，通过Matlab软件的仿真，能得出控制六自由度机器人高效稳定运动的最优算法。

3 系统仿真结果分析

将模糊自适应PID调速系统与没加入智能算法的六自由度工业机器人控制系统系统进行比较，响应对比结果如图5所示。

从上图显示的结果显示，引入模糊自适应PID智能算法的六自由度工业机器人控制系统比未做处理的系统具有更好的适应性和控制效果，且控制平稳速度快，超调量小，表明六自由度工业机器人控制系统加入智能算法具有良好的控制效果。

4 小结

采用模糊自适应PID算法应用于六自由度工业机器人运动控制系统，实现对机器人运动过程中位移、力矩、速度、加速度等参数的精准控制，有效提高系统的控制精度和控制速度，从而减少机器人在生产中的误差和降低生产成本，提高企业的生产效率和竞争力。

【参考文献】

[1]田琦，李琪，姚鹏，赵媛.基于模糊PID的全方位移动机器人运动控制[J].电子科技.2011（09）.

[2]李佩娟，陈小惠.信息融合在移动机器人轨迹模糊跟踪中的应用[J].计算机测量与控制.2007（11）.

[3]王英健，王玉凤，范必双.基于智能模糊控制的汽车自动驾驶系统[J].微机发展.2004（12）.