Komponenter og kontrolprincipper for robotkontrolsystemer

Nov 27, 2024 Læg en besked

Kontrolmetoder for robotter er opdelt i forskellige typer afhængigt af mængden af ​​kontrol og kontrolalgoritmen. Følgende beskriver de almindeligt anvendte robotkontrolmetoder for hver type.

 

I. Klassificering i henhold til kontrolvolumen

 

I henhold til det forskellige rum, hvor kontrolvolumen er placeret, kan robotkontrol kategoriseres i kontrol i fælles rum og kontrol i kartesisk rum. For tandem-multi-joint-robotter er den fælles rumstyring til kontrol af variabler i hvert samling af roboten, og Cartesian Space Control er til kontrol af variabler i slutningen af ​​roboten. I henhold til de forskellige kontrolmængder kan robotkontrol kategoriseres som: positionskontrol, hastighedskontrol, accelerationskontrol, kraftstyring, kraftposition hybridkontrol osv. Disse kontroller kan enten være fælles rumstyring eller slutkartesiske rumkontrol.


Målet med positionskontrol er at få leddene eller enderne af den kontrollerede robot til at nå den ønskede position. Følgende er et eksempel på fælles rumpositionskontrol for en robot. Fejlen opnået ved at sammenligne den givne værdi af den fælles position med den aktuelle værdi bruges som input til positionskontrolleren, og dens output bruges som den givne værdi af den fælles hastighedskontrol efter driften af ​​positionskontrolleren. Den fælles positionskontroller bruger ofte PID -algoritmen, kan også bruges fuzzy kontrolalgoritme.

 

Først beregnes kontrolaccelerationen af ​​slutværktøjet. Derefter nedbrydes den tilsvarende acceleration af hvert led baseret på slutposition, hastighed og accelerationsforventning samt den aktuelle slutposition, fælles position og hastighed, og derefter beregnes kontrolmomentet ved hjælp af de kinetiske ligninger for at nedbryde accelerationskontrol , som skal momentstyres for hvert led.

 

Da den fælles kraft/drejningsmoment ikke er let at måle direkte, og den ledmotors strøm bedre kan afspejle den ledmotors drejningsmoment, bruges den ledmotors strøm ofte til at indikere den aktuelle målte værdi af den fælles kraft/ drejningsmoment. Kraftcontrolleren styrer den ledmotor for at udvise de ønskede kraft/drejningsmomentegenskaber baseret på afvigelsen mellem den ønskede værdi af kraft/drejningsmoment og den målte værdi.

 

Det består af to dele: positionskontrol og kraftstyring. Positionskontrollen er en PI -kontrol, der gives som den kartesiske rumposition for robotens ende, og den kartesiske rumposition feedback fra slutningen opnås fra positionen i det fælles rum efter kinematisk beregning. I figuren er T den kinematiske model af roboten, og J er Jacobi -matrixen for roboten. Forskellen mellem den givne værdi af slutpositionen og den aktuelle værdi konverteres til en positionsforøgelse i det fælles rum ved hjælp af den inverse matrix af Jacobi -matrixen, som derefter bruges som en del af den fælles positionsforøgelse efter en PI -operation.


Kraftkontrollen er også PI -kontrolleret og gives som den kartesiske rumstyrke/drejningsmoment i slutningen af ​​roboten med feedback opnået fra kraft/drejningsmålsensormålinger. Forskellen mellem den givne værdi og den aktuelle værdi af slutkraften/øjeblik konverteres til en kraft/øjeblik i det fælles rum ved hjælp af transponeringsmatrixen for Jacobi -matrixen. Kraften/momentet i det fælles rum bruges som en anden del af den fælles positionsforøgelse efter PI -drift. Outputene fra positionskontroldelen og kraftkontroldelen tilføjes sammen som den ønskede værdi af positionsforøgelsen af ​​robotens led. Roboten bruger den trinvise kontrol til at kontrollere placeringen af ​​hvert af dens led. Den hybridkontrol af kraftpositionen vist i figur 1-5 er kun et simpelt skema i kraftpositionens hybridkontrol, som er en forenklet form af RC (Raibert-Craig) kraftposition hybridkontrol, og nogle nødvendige korrektioner skal fremstilles til specifikke miljøer i praktiske anvendelser.

 

II, klassificering i henhold til kontrolalgoritmen


I henhold til kontrolalgoritmerne kan kontrolmetoderne for robotter kategoriseres i PID -kontrol, variabel strukturstyring, adaptiv kontrol, fuzzy kontrol, neuronnetværkskontrol og andre metoder. Nogle litteraturer klassificerer også de eksisterende kontrolalgoritmer i logisk tærskelkontrol, PID -kontrol, glidetilstand variabel strukturstyring, neural netværkskontrol og fuzzy kontrol. Disse kontrolmetoder er ikke isoleret og bruges ofte sammen i et kontrolsystem.


1, PID -kontrol


I ingeniørpraksis er den mest anvendte regulatorkontrollov for den proportionelle, integrerede, differentielle kontrol, kaldet PID -kontrol, også kendt som PID -regulering.PID -controller er blevet introduceret næsten 70 års historie, det er enkelt, stabil, pålidelig , let at tilpasse sig og er blevet en af ​​de vigtigste teknologier inden for industriel kontrol. Når strukturen og parametrene for det kontrollerede objekt ikke kan mestres fuldstændigt eller ikke har adgang til nøjagtige matematiske modeller, er kontrolteori for andre teknologier vanskelig at bruge, skal strukturen og parametrene for systemkontroller At bestemme anvendelsen af ​​PID -kontrolteknologi er mest praktisk.

Det vil sige, at når vi ikke fuldt ud forstår et system og det kontrollerede objekt, eller ikke kan være effektive målingsmidler for at opnå systemparametrene, det mest egnede til PID -kontrolteknologi. PID -kontrol, i praksis er der også PI og PD Control.PID -controller er baseret på systemets fejl, brugen af ​​proportional, integreret, differentiel beregning af mængden af ​​kontrol kontrol for kontrol.


2, variabel strukturstyring


Variabel strukturstyring er et kontrolordning, der er udviklet fra Sovjetunionen i 1950'erne. Den såkaldte variabel strukturstyring betyder, at kontrolsystemet har flere controllere, og forskellige controllere bruges i forskellige situationer i henhold til visse regler. Brugen af ​​kontrol med variabel struktur har mange fordele, der ikke findes i andre kontroller, og kan realisere kontrol af en klasse af ikke -lineære systemer med usikre parametre.


3, adaptiv kontrol


Den såkaldte adaptive kontrol henviser til systemets input eller forstyrrelser, der forekommer en lang række ændringer, det designede system kan adaptivt justere systemparametrene eller kontrolstrategien, så output stadig kan opfylde designkravene, den grundlæggende struktur som vist I figur 2-1. Adaptiv kontrol beskæftiger sig med systemer med "usikkerhed" og søger at reducere denne usikkerhed ved at observere tilstanden af ​​tilfældige variabler og genkende systemmodellen. Resultatet er ofte opnåelsen af ​​visse kontrolmål, dvs. "optimal kontrol" erstattes af "effektiv kontrol".

Adaptive kontrolsystemer kan kategoriseres i model-refererede adaptive kontrolsystemer, selvkorrigerende kontrolsystemer, selvoptimerende kontrolsystemer, variable strukturstyringssystemer og intelligente adaptive kontrolsystemer i henhold til deres principper. Blandt disse typer adaptive kontrolsystemer er model-refererede adaptive kontrolsystemer og selvkorrigerende kontrolsystemer mere modne og almindeligt anvendte.

 

4, fuzzy kontrol


I fuzzy kontrol er input fuzzy kvantiseret til at blive uklare variabler, der er fuzzy variabler, der er begrundet med uklare regler for at opnå fuzzy output, og efter defuzzification for at opnå klare output til kontrol. Fuzzy kontrol var først

Foreslået af prof. Zadeh fra University of California i 1965, og i 1974 anvendte EH Mamdani fra Det Forenede Kongerige med succes fuzzy kontrol på kedel og dampmotorstyring. Derefter er fuzzy kontrol hurtigt udviklet inden for kontrolområdet og har fået et stort antal vellykkede applikationer.


5, Neuron Network Control


Neural Network Control er en af ​​grænsediscipliner inden for automatisk kontrol, der er udviklet i slutningen af ​​1980'erne. Det er en ny gren af ​​intelligent kontrol, der åbner en ny måde at løse kontrolproblemerne for komplekse ikke -lineære, usikre og usikre systemer. Neural netværkskontrol er et produkt af kombinationen af ​​(kunstigt) neurale netværksteori og kontrolteori og er en udviklende disciplin. Det samler teorier, teknikker, metoder og forskningsresultater fra discipliner, herunder matematik, biologi, neurofysiologi, hjernevidenskab, genetik, kunstig intelligens, datalogi, automatisk kontrol osv. Dens grundlæggende struktur er vist i figur 2-2.

Inden for kontrolområdet kaldes kontrolsystemet med læringsevne læringskontrolsystem, der hører til intelligent kontrolsystem. Neural kontrol er med læringsevne og hører til læringskontrol, som er en gren af ​​intelligent kontrol. Neural kontroludvikling indtil videre, skønt kun mere end ti års historie, har der været en række kontrolstrukturer. Såsom neural forudsigelig kontrol, neurale omvendte systemkontrol og så videre.

Send forespørgsel

whatsapp

Telefon

E-mail

Undersøgelse