自动线机械手位置高速并联控制技术研究

黄力刚

(河南工业职业技术学院, 河南 南阳 473000)

随着人工智能技术和自动化机械作业技术的快速发展，在机械作业装配等领域，自动线机械手被广泛应用。自动线机械手能把人从一些重复的简单劳动中解放出来，并提高自动线作业的性能[1]。在装配作业中，自动线机械手需要对作业的位置和高度等姿态参量进行自适应调节控制，并通过高速的并联控制方法进行位姿调节，从而提高机械手作业的精准度和稳定性，因此研究自动线机械手位置高速并联控制技术对机械手的优化设计具有重要意义，相关的控制算法研究受到人们的极大关注[2-4]。对自动线机械手位置高速并联控制传统方法有基于反演积分的机械手姿态校正控制方法、反演积分控制算法、基于激光测距的自动机械手控制方法等，其结合误差修正技术实现对机械手位置调节和并联控制，但上述算法存在计算能耗较大和时延长等问题[5]。为此，本文提出一种基于变结构PID模糊控制的自动线机械手位置高速并联控制算法，通过构建自动线机械手位置高速并联控制对象模型，进行控制律优化设计，从而提高机械手控制的稳定性，最后通过仿真测试，展示了本文方法在提高控制稳定性方面的优越性。

1 自动线机械手的姿态参量融合及被控对象建模

1.1 机械手位姿姿态定位融合模型设计

为了实现自动线机械手位置高速并联控制，首先进行机械手的姿态参量信息采集，采用三轴加速度计和三轴磁力计测量自动机械手的位置信息参量[6-9]，得到自动线机械手位置参量信息输出，可表示为：

(1)

式中：qi为参量信息；ci为机械手末端操纵器目标点方向矩阵；αi为机械手末端操纵器目标点的位置向量；si为机械手末端操纵器输入点的方向矩阵；cαi为权重是αi时，机械手末端操纵器目标点的位置向量；sαi为权重是αi时，机械手末端操纵器输入点的方向矩阵；di为输送距离。

自动线机械手在进行位置调节和物体抓取过程中，可用4×4的齐次坐标矩阵表示自动线机械手的位置向量T0(α0,β0,γ0),Ti=T0(θ1,θ2,θ3),i=1,2,3，根据上述自动线机械手位置高速并联控制对象描述和假设条件，构建自动机械的并联参数融合模型：

(2)

式中：x(k)∈Rp，表示自动线机械手位置高速并联控制的力学状态；u(k)∈Rq，表示传感器采集的承载力的转矩分布特征；z(k)∈Rm，表示机械手控制力的输出；A,B,C为维数矩阵；其中变量p,q,m为正整数，表示自动线机械手位置高速并联控制的状态切换分布系数。

1.2 并联控制模型设计

采用扩展卡尔曼滤波算法进行位置参数调节和融合处理[10]，以提高参数的整定性，扩展卡尔曼滤波方程式描述为：

(3)

u(k)=Kx[k-(τsc+τca)]=Kx(k-τk)

(4)

式中：K为外界对机械手形成的阻尼系数；k为机械手减速比；τsc为主动臂对于转轴的重力矩；τca为从动臂对于转轴的重力矩；τk为机械手减速比的重力距。

在考虑存在自动线机械手位置分布不均衡条件下，进行时延控制和误差修正，在不确定时延和小扰动作用下，输出的自动线机械手位置高速并联控制模型为：

(5)

式中：D为维数矩阵。

考虑机械手承载力矩的状态反馈情况，建立控制律u(k)=Kx(k)，当机械手控制的时延τk小于1个采样周期时，进行误差反馈调节，采用自适应参数补偿方法进行控制器的反馈调节[12]，实现参量自整定处理，提高系统的稳定性。

2 变结构PID模糊控制算法设计

在构建自动线机械手位置高速并联控制对象模型、进行控制约束参量分析的基础上，进行控制律优化设计。本文提出一种基于变结构PID模糊控制的自动线机械手位置高速并联控制技术，采用自适应的变结构模糊PID算法进行自动线机械手位置高速并联控制律设计[13-15]，得到变结构模糊PID模型为：

(6)

(7)

(8)

(9)

(10)

M=Mn+ΔM

(11)

(12)

结合Lyapunov函数进行参数自整定控制，进一步得到：

(13)

其中

(14)

(15)

令

(16)

式中：φcd为关节c与d之间形成的机械手调节角度。

在存在扰动误差的情况下，通过误差补偿得到：

(17)

将Lyapunov函数定义为：

s=ce1+e2

(18)

则通过Lyapunov稳定性原理，对其求导得：

(19)

(20)

由此得到等效控制量ueq为：

(21)

3 测试实验

3.1 实验一

为了测试本文方法在实现自动线机械手位置高速并联控制中的应用性能，进行一次仿真实验，实验采用MATLAB设计，利用三轴电子罗盘LSM303DLH进行机械手的位置参数采集，设置卡尔曼滤波器的阶数为6，自动线机械手位置调节的加速度测量误差为8m/s2，取PID神经元系数为b1=0.1，b2=-14.6，b3=14.0，d3=2cos(2πt)，fd=0.5sin(πt)，根据上述仿真参数，进行机械手位置高速并联控制仿真，得到机械手的位置参数控制轨迹如图1所示。

图1 机械手位置参数控制轨迹分布

分析图1可知，采用本文方法进行自动线机械手位置高速并联控制，位置参量的跟踪控制性能较好。进一步测试机械手控制收敛性，设置x1为横向机械手控制的轨迹，x2为反向横向机械手控制的轨迹，得到自动线机械手位置高速并联控制收敛性曲线如图2所示。

分析图2可知，采用本文方法进行机械手控制，收敛性较好，摄动范围在±0.12%以内，x1初始值为4，x2初始值为-2，在时间为2s时，x1，x2收敛为0，并且一直维持在0。由此可以看出，机械手控制的收敛性较好，控制能力较强，表示采用本文方法进行位置参数调节控制具有一定的优越性。

图2 自动线机械手位置高速并联控制收敛性曲线

3.2 实验二

为测试本文设计的机械手控制的稳定性能，需要进行一次仿真实验.实验在MATLAB7.1平台中完成，操作系统为Windows7，对机械手控制稳定性进行判定系统测试。

采用所设计的机械手控制稳定性进行判定系统测试，对其进行虚拟机械的特征稳定性能判定时，根据稳定频率的不同虚拟机械图像区域，采用扩展卡尔曼滤波算法，建立虚拟机械稳定性特征集，可大幅度提升虚拟机械特征稳定性的判定。分别对本文方法和传统方法进行判定测试，通过多次试验记录两种不同方法的判定时间，对比其稳定性能，结果如图3所示。

图3 自动线机械手稳定性能对比图

图3(a)为传统方法稳定性情况，其表面褶皱较多，说明机械手控制的稳定性能较弱。图3(b)为本文方法稳定性情况，其表面较为光滑，褶皱较少，说明本文方法稳定性整体较强。由图可知，相较于传统方法，高速并联控制技术使机械手控制的稳定性大幅度增加，充分说明机械手控制稳定性能更高，验证了自动线机械手位置高速并联控制技术的稳定性。

4 结束语

在装配作业中，自动线机械手需要对作业的位置和高度等姿态参量进行自适应调节控制，并通过高速的并联控制方法进行位姿调节，从而提高机械手作业的精准度和稳定性。本文提出一种基于变结构PID模糊控制的自动线机械手位置高速并联控制算法，采用自适应的变结构模糊PID算法进行自动线机械手位置高速并联控制律设计，实现控制律优化。验证结果表明，本文方法进行机械手控制的稳定性能较好，位置参数的自适应调节能力较强。

参考文献：

[1] PENG Xiongbin, GONG Guofang, LIAO Xiangping, et al . Modeling and odel identification of micro-position-control hydraulic system[J]. Journal of Mechanical Engineering, 2017, 53(22): 206-211.

[2] MA Zikui, CHEN Wenhua. Friction torque calculation method of ball bearings based on rolling creepage theory[J]. Journal of Mechanical Engineering, 2017, 53(22): 219-224.

[3] CHEN W,MA Z,GAO L,et al. Quasi-static analysis of thrust-loaded angular contact ball bearings part I:theoretical formulation[J]. Chinese Journal of Mechanical Engineering,2012,25(1):71-80.

[4] ZHAO Chunjiang,WANG Jianmei,HUANG Qingxue. Modification of raceway control theory on the dynamic equations group of high-speed ball bearings[J]. Transactions of the Chinese Society for Agricultural Machinery,2009,40(5):199-202.

[5] SU Bing,ZHANG Shuo,YANG Boyuan. Experiment for sliding friction characteristics of bearing steel GCr15[J]. Bearing,2015(2):39-42.

[6] CHEN S, ZANG M, XU W. A three-dimensional computational framework for impact fracture analysis of automotive laminated glass[J]. Computer Methods in Applied Mechanics and Engineering, 2015, 294:72-99.

[7] 黄婷, 孙立宁, 王振华, 等. 基于被动柔顺的机器人抛磨力/位混合控制方法[J]. 机器人, 2017, 39(6): 776-785,794.

[8] 张秀丽,谷小旭,赵洪福,等.一种基于串联弹性驱动器的柔顺机械臂设计[J].机器人, 2016, 38(4):385-394.

[9] 杨明远,孙汉旭,贾庆轩,等.七自由度空间机械臂避障路径规划方法[J].航天器工程,2011,20(4):65-71.

[10] 夏红伟,翟彦斌,马广程,等.基于混沌粒子群优化算法的空间机械臂轨迹规划算法[J].中国惯性技术学报,2014,22(2):211-216.

[11] LIU H, LIANG B, WANG X, et al. Autonomous path planning and experiment study of free-floating space robot for spinning satellite capturing[C]//13th International Conference on Control Automation Robotics & Vision. Piscataway, USA:IEEE, 2015:1573-1580.

[12] LIU S, ZHANG Q, ZHOU D. Obstacle avoidance path planning of space manipulator based on improved artificial potential field method[J]. Journal of the Institution of Engineers (India):Series C (Mechanical, Production, Aerospace and Marine Engineering), 2014, 95(1):31-39.

[13] UIJLINGS J R R, SANDE K E A V D,GEVERS T, et al. Selective search for object recognition[J]. International Journal of Computer Vision, 2013, 104(2):154-171.

[14] 李可,米捷.基于变结构PID的仿生机器人机电控制算法[J].河南工程学院学报(自然科学版),2016,28(2):32-37.

[15] 杜学丹, 蔡莹皓, 鲁涛, 等. 一种基于深度学习的机械臂抓取方法[J]. 机器人, 2017, 39(6): 820-828,837.