机器人控制系统的实现与研究

2023-06-26 理论教育版权反馈

【摘要】：机器人系统通常分为机构本体和控制系统两大部分。工业机器人的控制一般均由计算机实现，常用的控制结构有集中控制、分散控制、递阶控制等形式。图8-8所示为PUMA机器人的控制器，该系统采用了两级递阶控制结构。因此，关于机器人的控制问题引起了技术界的广泛研究，但到目前为止，机器人控制理论还不完整、不系统。

机器人系统通常分为机构本体和控制系统两大部分。控制系统的作用是根据用户的指令对机构本体进行操作和控制，完成作业的各种动作。控制系统的性能在很大程度上决定了机器人的性能。一个良好的控制系统要有灵活、方便的操作方式，各种形式的运动控制方式和安全可靠性。

工业机器人的控制系统一般分为上下两个控制层次：上级为组织级，其任务是将期望的任务转化成运动轨迹或适当的操作，并随时检测机器人各部分的运动及工作情况，处理意外事件；下级为实时控制级，它根据机器人动力学特性及机器人当前的运动情况，综合出适当的控制命令，驱动机器人机构完成指定的运动和操作。

工业机器人的控制一般均由计算机实现，常用的控制结构有集中控制、分散控制、递阶控制等形式。

图8-8所示为PUMA机器人的控制器，该系统采用了两级递阶控制结构。上位机连接有显示器、键盘、示教盒、软盘驱动器等设备，还可以通过接口接入视觉传感器、高层监控计算机等。下位计算机系统由6块以6503CPU为核心的单片机组成，每个单片机负责一个关节的运动控制，构成6个独立的数字伺服控制回路。在控制机器人运动时，上位计算机做运动规划，将机器人手端的运动转化成各关节的运动，被控制周期传给下位机。下位机进行运动插补运算及对关节进行伺服控制。

pagenumber_ebook=326,pagenumber_book=316

图8-8　PUMA机器人的控制器

与一般的伺服控制系统相比较，机器人控制系统有如下特点：

（1）机器人的控制与机构运动学及动力学密切相关。机器人的状态可以在各种坐标下描述，应当根据实际需要，选择不同的基准坐标系，并做适当的坐标变换，因此经常要求解运动学中的正问题和逆问题。

（2）一个简单的机器人有3～5个自由度，比较复杂的机器人有十几个，甚至几十个自由度，一般每个自由度包含一个伺服机构。为了完成一个共同的任务，它们必须协调运动，组成一个多变量控制系统。

（3）把多个独立的伺服系统有机地协调起来，使其按照人的意志行动，甚至赋予机器人一定的“智能”，这个任务只能由计算机来完成。因此机器人控制系统必然是一个计算机控制系统，计算机软件担负着艰巨的任务。

（4）机器人动力学模型是一个非线性模型，随着状态的不同和外力的变化，其参数也在变化，而且各变量之间还存在耦合。因此在控制时经常使用重力补偿、前馈、解耦或现代控制方法。

（5）机器人的动作往往可以通过不同的方式和路径来完成，因此存在一个“最优”的问题。较高级的机器人可以用人工智能的方法，用计算机建立起庞大的信息库，借助信息库进行控制、决策、管理和操作；还可以通过传感器和模式识别的方法获得对象及环境的信息，按照给定的指标要求，自动地选择最佳的控制规律。

总之，机器人的控制涉及知识面广、内容多，限于本书的任务和篇幅，本节主要讨论机器人的伺服控制系统。

为了实现机器人期望运动的伺服控制，需要规定一种算法，计算出每个关节的驱动力矩。根据机器人轨迹规划的结果（关节位置、速度、加速度），可以用机器人动力学模型计算出这个驱动力矩，实现各关节的伺服控制。但由于机器人是个非线性、强耦合的动力学系统，用一般的伺服技术有时根本无法满足要求，经典控制理论和现代控制理论都不能照搬使用。因此，关于机器人的控制问题引起了技术界的广泛研究，但到目前为止，机器人控制理论还不完整、不系统。

目前用于机器人控制的方法多种多样，不仅传统的控制技术（如开环控制、PID反馈控制）和现代控制技术（如柔顺控制、最优控制、解耦控制、变结构控制、自适应控制、神经元控制等）均在机器人系统中得到不同程度的应用，而且智能控制（如递阶控制、模糊控制、神经元控制）也在机器人控制中最先得到应用。

机器人控制系统的实现与研究

相关推荐