本技术介绍了一种在不确定性和约束条件下,针对多自由度机械臂轨迹跟踪控制的复合控制技术。该技术结合了模型预测控制(MPC)和非奇异终端滑模控制(SMC),以提高机械臂的控制精度和稳定性。
背景技术
随着机械臂在工业制造、打磨、轨道任务、手术等复杂任务中的应用越来越多,对机械臂的高精度轨迹跟踪控制提出了更高的要求。机械臂轨迹跟踪控制的基本任务是通过给机械臂关节施加控制力矩来控制机械臂末端执行器的运动轨迹来跟踪参考轨迹。机械臂的动力学模型是一个高度非线性的多输入多输出系统。使用精确的动力学模型设计的机械臂控制器,虽然可以获得很好的性能,但是在实际环境中工作的机械臂不可避免的具有不确定性和干扰,如模型参数摄动、负载变化、时变摩擦力以及未建模动态等等,这给机械臂控制器的实现带来了很大的挑战。
对于新的应用需求,不仅对机械臂的轨迹跟踪精度有更高的要求,也对轨迹跟踪控制的最优性提出需求。同时机械臂通常受到各种各样的约束,例如机械角度限制、关节驱动力限制等;没有考虑控制器设计中的约束问题,可能会导致不可预测的响应甚至是故障。
对于上述需求,模型预测控制是解决这一类问题合适且有效的方法。模型预测控制(MPC)是一种广泛应用于工业应用的最优控制策略,因其能够有效地控制复杂系统和处理约束在机器人控制中受到了广泛关注。但是,由于机械臂系统为多输入多输出非线性系统,与经典控制方法相比,非线性模型预测控制算法在线求解优化问题会花费很多的时间,基于反馈线性化实现的线性MPC无法处理机械臂系统的不确定性。引入鲁棒模型预测控制可以处理不确定性与扰动,但是必然会引入保守性并导致控制性能变差。因此研究一种可以处理机械臂不确定性与约束,同时兼顾控制性能的方法十分必要。
实现思路