本技术涉及机器人运动控制技术,提出了一种结合动力学在线辨识前馈的移动机械臂动态滑模运动控制方法。该方法首先构建了移动机械臂的物理一致性线性化耦合动力学模型,进而通过该模型实现对机械臂运动的精确控制。
背景技术
由移动平台和操作臂组成的移动机械臂具有广阔的运动空间和灵活的作业形式,正逐渐被应用于喷涂、巡检、上下料等工业场景和采摘、开门、协同搬运等服务领域。但移动机械臂的运动控制性能仍然受到复杂系统动力学耦合及其不确定性限制,比如移动平台运动的牵连速度对机械臂造成离心力/科氏力影响,同时机械臂运动也会使得移动平台的惯性力和离心力/科氏力发生变化。此外,移动机械臂在复杂环境中处理未知负载或面临不平整路面时,也会使得其质量、重心和惯性张量等动力学性质发生变化。因此,针对上述问题构建移动机械臂的车-臂耦合动力学模型并开发先进的运动控制算法,是其高效高质量作业的关键。
目前机器人运动控制器大多数都需要动力学计算模型,以补偿时变非线性强耦合动力学特性对运动控制性能的影响。由于制造误差和CAD建模误差,通过CAD/CAM等方法导出的机器人动力学参数欠精确且极少被直接用于控制器设计。基于机器人系统的输入和输出,目前有最小二乘法、粒子群算法等多种数值计算方法被用来辨识机器人的动力学模型,但是这些方法大多数只能实现动力学参数的离线辨识,难以直接用于由复杂任务和非结构化环境等造成动力学特性实时变化的移动机械臂系统。此外,虽然递归最小二乘法、自适应神经网络、自适应观测器等能够实现机器人系统参数的在线估计,但这些在线辨识方法无法满足质量和惯量等参数的物理性质约束,即得到的动力学参数不具备物理一致性,所以仍难以实现移动机械臂的高精度动力学前馈控制。针对机器人动力学不确定性和外界扰动等问题,现有神经网络控制、滑模控制、观测器补偿控制等运动控制方法仅考虑运动误差的有界收敛,而较少优化设计收敛速度,且控制器稳定性设计依赖于难以直接获取的系统不确定性上确界等先验知识,以及移动机械臂这类冗余机器人系统动力学的复杂计算,都限制了上述控制方法的实际应用。
实现思路