水下六自由度機械手的自適應(yīng)模糊積分滑?？刂品椒ㄑ芯?/h1>
2021-08-19 03:52:04袁子建程茂林唐國元韓麗君
機械工程師 2021年8期
袁子建，程茂林，唐國元，韓麗君
（1.華中科技大學(xué) 船舶與海洋工程學(xué)院，武漢 430074；2.中交第二航務(wù)工程局有限公司，武漢 430040；3.長大橋梁建設(shè)施工技術(shù)交通行業(yè)重點實驗室，武漢 430040；4.交通運輸行業(yè)交通基礎(chǔ)設(shè)施智能制造技術(shù)研發(fā)中心，武漢 430040）
0 引言
當(dāng)今世界水下航行器（Autonomous Underwater Vehicle，AUV）在世界深海探測及研究中得到了廣泛應(yīng)用，由于AUV本身航程和活動范圍有限，采用大型水下潛器攜帶AUV聯(lián)合作業(yè)的模式得到重視，因而母艇對AUV的搭載、布放、回收，以及能源補給、數(shù)據(jù)交互成為其中的關(guān)鍵技術(shù)。目前，通過安裝在平臺上的機械手對運動狀態(tài)下的AUV進行對接和捕獲是對AUV進行回收的重要方式之一[1]。特別是為了實現(xiàn)二者在懸浮狀態(tài)下的能源補給、數(shù)據(jù)交互等作業(yè)，AUV的捕獲與對接問題成為了研究重點。
由于水下作業(yè)系統(tǒng)具有非線性、強耦合、時變和高維數(shù)等動力學(xué)特點[2],文獻[3]在水動力學(xué)基礎(chǔ)上研究了水下環(huán)境對機械手動力學(xué)建模的影響問題，給出了水浮力矩、水阻力矩、附加質(zhì)量力矩和水流沖擊力矩對機械手系統(tǒng)的影響，本文研究水下環(huán)境為靜水環(huán)境，所以只需考慮水浮力矩、附加質(zhì)量力矩及水阻力矩的影響。
近些年來，針對機械手控制問題涌現(xiàn)出了許多控制方法，其中PID控制理論依然是運用最多、最廣泛的，PID控制具有良好的跟蹤性能、較強的魯棒性和設(shè)計方法簡單等優(yōu)點，但是PID控制器不能解決具有非線性與含有不確定項的系統(tǒng)。為了解決系統(tǒng)的不確定項提高系統(tǒng)的控制性能，許多種非線性控制理論被提出，如：自適應(yīng)控制[4]、模糊控制[5]、神經(jīng)網(wǎng)絡(luò)控制[6]和滑?？刂芠7]等?；？刂朴捎谄淇刂葡到y(tǒng)的不連續(xù)性，該控制策略不僅對外界干擾和系統(tǒng)參數(shù)的不確定性有良好的魯棒性，而且對非線性系統(tǒng)有良好的控制效果。然而滑?？刂浦械那袚Q項會導(dǎo)致系統(tǒng)控制輸入出現(xiàn)抖振的現(xiàn)象，抖振現(xiàn)象會引起傳感器失靈、能量損耗，更會使系統(tǒng)成為高頻動態(tài)系統(tǒng)從而導(dǎo)致系統(tǒng)失衡。文獻[8]中，使用了基于狀態(tài)觀測器的滑模控制，該方法實現(xiàn)了對狀態(tài)方程中未知參數(shù)的估計，在滑模觀測器中采用了H∞的方法，降低了控制器的增益，從而降低了控制輸入的抖振，但是滑模觀測器和高增益觀測器基本一致，對測量的噪聲極為敏感。文獻[9]中，介紹了一種包含動態(tài)滑模面的非奇異終端滑?？刂疲摽刂坡誓苁瓜到y(tǒng)在有限時間內(nèi)收斂至平衡點，通過改進滑模面防止系統(tǒng)出現(xiàn)奇異性問題，還提出了采用飽和函數(shù)消除抖振的方法，但是隨著飽和函數(shù)的引入，系統(tǒng)的魯棒性將會變?nèi)酢?/p>
本文采用自適應(yīng)模糊積分滑模控制（AFISMC），該控制方法以積分滑模控制為基礎(chǔ)。傳統(tǒng)的滑?？刂疲到y(tǒng)只有在系統(tǒng)狀態(tài)到達滑模面后才具有對參數(shù)攝動和外部干擾的魯棒性，在到達滑模面之前，系統(tǒng)不具有魯棒性，因此傳統(tǒng)滑?？刂撇荒鼙ＷC控制系統(tǒng)全過程的魯棒性。積分滑?？刂浦邢到y(tǒng)的狀態(tài)軌線總是從滑模面出發(fā)，因此沒有了系統(tǒng)狀態(tài)趨近滑模面的過程，從而保證了控制系統(tǒng)全程魯棒性[10-11]。另外積分滑模控制還有助于降低系統(tǒng)的穩(wěn)態(tài)誤差，并在一定程度上削弱抖振現(xiàn)象。但是，積分滑模控制削弱抖振的效果往往還不能達到人們的預(yù)期，所以在此基礎(chǔ)上采用了模糊策略，通過采用模糊系統(tǒng)對滑?？刂魄袚Q項的逼近，達到進一步削弱抖振的效果。
1 模型建立
1.1 機械手運動學(xué)模型
本文所采用的六自由度機械手為一大型機械手系統(tǒng)，通過Denavit-Hartenberg 法[12]建立機械手連桿的坐標(biāo)系如圖1所示。通過D-H法建模后，每個連桿都可用4個DH參數(shù)描述，4個D-H參數(shù)分別為：連桿的夾角θi、兩連桿之間的距離di、連桿長度ai-1和連桿扭角αi-1，所列連桿參數(shù)如表1所示。
圖1 機械手連桿坐標(biāo)系
表1 機器人的連桿參數(shù)
1.2 機械手動力學(xué)模型
通過使用牛頓-拉格朗日法及水下機械手水動力分析[13]，得到本文所用機械手的動力學(xué)模型：
式中：q=[q1,q2,q3,q4,q5,q6],為關(guān)節(jié)位置矢量；q為速度矢量；q為加速度矢量；M（q）∈R6×6,為系統(tǒng)的慣量項；C（q，q）∈R6×6,為系統(tǒng)的科氏力與離心力項；G（q）為系統(tǒng)的重力與浮力項；τm和τa分別為水動力項中的附加質(zhì)量力矩與水阻力矩；τd為系統(tǒng)外部不確定干擾項；τ為系統(tǒng)的關(guān)節(jié)輸入力矩。
2 自適應(yīng)模糊積分滑?？刂破鞯脑O(shè)計
圖2為水下機械手的控制原理圖。水下機械手系統(tǒng)通過位置傳感器與姿態(tài)傳感器得到每個采樣時刻的期望位置信息與期望姿態(tài)信息，通過機械手的逆運動學(xué)將得到的信息處理為機械手各個關(guān)節(jié)的期望運動角度，結(jié)合機械手各關(guān)節(jié)實際的角度和角速度得到系統(tǒng)的跟蹤誤差。以各個關(guān)節(jié)的期望運動角度為輸入，采用自適應(yīng)模糊積分滑?？刂撇呗詫C械手系統(tǒng)進行控制，控制器輸出的控制力矩作用于被控對象，將系統(tǒng)的期望軌跡與機械臂的實際運動軌跡結(jié)合，形成一個完整的閉環(huán)控制系統(tǒng)。
圖2 機械手控制原理圖
2.1 積分滑模面的設(shè)計
機器人軌跡跟蹤實際目標(biāo)是關(guān)節(jié)位置矢量q能跟蹤上期望的關(guān)節(jié)位移矢量qd，本文采用積分滑模面設(shè)計的切換函數(shù)，可實現(xiàn)高精度的滑?？刂芠14]。
定義跟蹤誤差
2.2 切換項的模糊控制
滑?？刂频娜秉c在于當(dāng)狀態(tài)軌跡到達滑模面后，難以順著平衡點滑動，只能在滑模面兩側(cè)來回穿越，所以引起了控制系統(tǒng)的抖振，然而抖振現(xiàn)象不可能被完全消除，消除了抖振就會消除控制系統(tǒng)的魯棒性，因此只能減小抖振。滑模變結(jié)構(gòu)控制在本質(zhì)上的不連續(xù)開關(guān)特性（控制器的不連續(xù)切換項）是引起系統(tǒng)的抖振[15]的原因，由式（4）可知，Ksgn（s）為系統(tǒng)的不連續(xù)切換項。
根據(jù)模糊控制萬能逼近理論，模糊系統(tǒng)可以精確逼近任意連續(xù)函數(shù)。因此，本文使用模糊系統(tǒng)逼近滑?？刂坡适剑?）中的切換項Ksgn（s），以達到削弱抖振的目的。
本系統(tǒng)中，系統(tǒng)以滑模面si作為模糊控制器的輸入變量，滑模控制律的切換項增益ki作為模糊控制器的輸出，則模糊規(guī)則設(shè)計如表2所示。
表2 模糊控制規(guī)則
采用乘積推理機、單值模糊器和平均模糊器來設(shè)計模糊系統(tǒng)，模糊系統(tǒng)的輸出[15]為
2.3 穩(wěn)定性分析
取Ki＞τdi則V≤0，根據(jù)李亞普洛夫穩(wěn)定性定理可知，系統(tǒng)穩(wěn)定。
3 仿真
考慮錨固在水下平臺的大型水下機械手系統(tǒng)，以其跟蹤一水下航行器，以實現(xiàn)對航行器的捕獲與對接。機械手的連桿D-H參數(shù)為：a2=5 m;d1=1.195 m;d3=0.7 m;d4=6.4 m; d5=-0.7 m;d6=-0.995 m，連桿的密度為2700 kg/m3，假設(shè)水下機械手的浮心和重心為同一點，g=9.8 m/s2，水動力學(xué)的參數(shù)為：水密度為1029.5 kg/m3，流速為（0.5，0.5，0）m/s，水阻力系數(shù)Cd=0.6，附加質(zhì)量系數(shù)Cm=1，式（3）、式（4）中的參數(shù)設(shè)為：K1=diag（80，80，80，80，80，80）; K2=diag（100，100，100，100，100，100）；A =diag（200，200，200，200，200，200），外部干擾τd為分量在［-100，100］N·m范圍的隨機分布向量。需要跟蹤的目標(biāo)航行器的動力學(xué)方程參考文獻[8]～[9]，航行器的運動軌跡與機械手的軌跡跟蹤性能仿真結(jié)果如圖3～圖6所示。
圖3 所示航行器與機械手的運動軌跡，在t=0的時刻，機械手距離航行器較遠，隨著t的不斷增大，二者之間的距離幾乎重合，根據(jù)圖4～圖6的結(jié)果可以看出，當(dāng)t=5 s時，機械手能夠穩(wěn)定跟蹤航行器且X、Y、Z方向的誤差較小。其中X方向誤差為±0.1 m、Y方向誤差為±0.05 m、Z方向誤差為±0.05 m。根據(jù)機械手模型介紹可知，該機械手為一個大型機械手，其控制輸入較大，又由于滑?？刂频亩墩駸o法完全消除只能削弱，所以系統(tǒng)的輸入仍然存在較大抖振，這是由于機械手本身特性所引起的，所以由圖4、圖5可看出，機械手在X、Y方向的誤差有部分振蕩，但整個系統(tǒng)及系統(tǒng)誤差整體保持穩(wěn)定，因此AFISMC控制方法可以有效地控制機械手進行軌跡跟蹤。各關(guān)節(jié)的控制輸入如圖7～圖12所示。
圖3 航行器及機械手的運動軌跡
圖4 機械手末端X 方向跟蹤誤差
圖5 機械手末端Y 方向跟蹤誤差
圖6 機械手末端Z 方向跟蹤誤差
圖7 兩種方法下關(guān)節(jié)1 控制輸入的比較
圖8 兩種方法下關(guān)節(jié)2 控制輸入的比較
圖9 兩種方法下關(guān)節(jié)3 控制輸入的比較
圖10 兩種方法下關(guān)節(jié)4 控制輸入的比較
圖11 兩種方法下關(guān)節(jié)5 控制輸入的比較
圖12 兩種方法下關(guān)節(jié)6 控制輸入的比較
根據(jù)文獻[10]～[11]可知，積分滑?？刂瓶稍谝欢ǔ潭壬舷魅趸？刂葡到y(tǒng)中的抖振，由圖7～圖12對比積分滑?？刂?，AFISMC控制方法可進一步削弱系統(tǒng)的抖振。
4 結(jié)論
本文提出了一種基于模糊自適應(yīng)的積分滑?？刂疲糜诮鉀Q水下六自由度機械手在外界干擾上下界已知情況下的軌跡跟蹤問題。用Lyapunov理論證明了控制系統(tǒng)的穩(wěn)定性，通過Matlab對水下六自由度機械臂進行仿真，得出機械臂的軌跡跟蹤性能及機械臂各個關(guān)節(jié)的控制輸出力矩，結(jié)果表明，該控制系統(tǒng)不僅能夠?qū)崿F(xiàn)高精度的軌跡跟蹤性能，而且還削弱了滑?？刂浦械目刂戚斎氲亩秳樱瑥亩炞C了自適應(yīng)模糊積分滑?？刂茖λ聶C械手控制的可行性。
猜你喜歡
抓取脆弱物體的機械手青少年科技博覽(中學(xué)版)(2023年5期)2023-06-26 09:39:12 某發(fā)動機連桿螺栓擰緊工藝開發(fā)裝備制造技術(shù)(2020年2期)2020-12-14 03:09:26 荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡(luò)增邊優(yōu)化魯棒性分析農(nóng)業(yè)機械學(xué)報(2020年2期)2020-03-09 07:35:30 基于確定性指標(biāo)的弦支結(jié)構(gòu)魯棒性評價中華建設(shè)(2019年7期)2019-08-27 00:50:18 基于非支配解集的多模式裝備項目群調(diào)度魯棒性優(yōu)化項目管理技術(shù)(2016年12期)2016-06-15 20:29:33 非接觸移動供電系統(tǒng)不同補償拓撲下的魯棒性分析西南交通大學(xué)學(xué)報(2016年6期)2016-05-04 04:13:11 搬運機械手PLC控制系統(tǒng)設(shè)計通信電源技術(shù)(2016年1期)2016-04-16 04:57:29 基于ADAMS與MATLAB的機械手控制系統(tǒng)仿真研究機電信息(2015年3期)2015-02-27 15:54:53 連桿的運動及有限元分析機械工程師(2015年9期)2015-02-26 08:38:12 一種連桿、杠桿撬斷澆口的新型模具設(shè)計機械工程師(2015年10期)2015-02-02 01:14:36
袁子建，程茂林，唐國元，韓麗君
（1.華中科技大學(xué) 船舶與海洋工程學(xué)院，武漢 430074；2.中交第二航務(wù)工程局有限公司，武漢 430040；3.長大橋梁建設(shè)施工技術(shù)交通行業(yè)重點實驗室，武漢 430040；4.交通運輸行業(yè)交通基礎(chǔ)設(shè)施智能制造技術(shù)研發(fā)中心，武漢 430040）
0 引言
當(dāng)今世界水下航行器（Autonomous Underwater Vehicle，AUV）在世界深海探測及研究中得到了廣泛應(yīng)用，由于AUV本身航程和活動范圍有限，采用大型水下潛器攜帶AUV聯(lián)合作業(yè)的模式得到重視，因而母艇對AUV的搭載、布放、回收，以及能源補給、數(shù)據(jù)交互成為其中的關(guān)鍵技術(shù)。目前，通過安裝在平臺上的機械手對運動狀態(tài)下的AUV進行對接和捕獲是對AUV進行回收的重要方式之一[1]。特別是為了實現(xiàn)二者在懸浮狀態(tài)下的能源補給、數(shù)據(jù)交互等作業(yè)，AUV的捕獲與對接問題成為了研究重點。
由于水下作業(yè)系統(tǒng)具有非線性、強耦合、時變和高維數(shù)等動力學(xué)特點[2],文獻[3]在水動力學(xué)基礎(chǔ)上研究了水下環(huán)境對機械手動力學(xué)建模的影響問題，給出了水浮力矩、水阻力矩、附加質(zhì)量力矩和水流沖擊力矩對機械手系統(tǒng)的影響，本文研究水下環(huán)境為靜水環(huán)境，所以只需考慮水浮力矩、附加質(zhì)量力矩及水阻力矩的影響。
近些年來，針對機械手控制問題涌現(xiàn)出了許多控制方法，其中PID控制理論依然是運用最多、最廣泛的，PID控制具有良好的跟蹤性能、較強的魯棒性和設(shè)計方法簡單等優(yōu)點，但是PID控制器不能解決具有非線性與含有不確定項的系統(tǒng)。為了解決系統(tǒng)的不確定項提高系統(tǒng)的控制性能，許多種非線性控制理論被提出，如：自適應(yīng)控制[4]、模糊控制[5]、神經(jīng)網(wǎng)絡(luò)控制[6]和滑?？刂芠7]等?；？刂朴捎谄淇刂葡到y(tǒng)的不連續(xù)性，該控制策略不僅對外界干擾和系統(tǒng)參數(shù)的不確定性有良好的魯棒性，而且對非線性系統(tǒng)有良好的控制效果。然而滑?？刂浦械那袚Q項會導(dǎo)致系統(tǒng)控制輸入出現(xiàn)抖振的現(xiàn)象，抖振現(xiàn)象會引起傳感器失靈、能量損耗，更會使系統(tǒng)成為高頻動態(tài)系統(tǒng)從而導(dǎo)致系統(tǒng)失衡。文獻[8]中，使用了基于狀態(tài)觀測器的滑模控制，該方法實現(xiàn)了對狀態(tài)方程中未知參數(shù)的估計，在滑模觀測器中采用了H∞的方法，降低了控制器的增益，從而降低了控制輸入的抖振，但是滑模觀測器和高增益觀測器基本一致，對測量的噪聲極為敏感。文獻[9]中，介紹了一種包含動態(tài)滑模面的非奇異終端滑?？刂疲摽刂坡誓苁瓜到y(tǒng)在有限時間內(nèi)收斂至平衡點，通過改進滑模面防止系統(tǒng)出現(xiàn)奇異性問題，還提出了采用飽和函數(shù)消除抖振的方法，但是隨著飽和函數(shù)的引入，系統(tǒng)的魯棒性將會變?nèi)酢?/p>
本文采用自適應(yīng)模糊積分滑模控制（AFISMC），該控制方法以積分滑模控制為基礎(chǔ)。傳統(tǒng)的滑?？刂疲到y(tǒng)只有在系統(tǒng)狀態(tài)到達滑模面后才具有對參數(shù)攝動和外部干擾的魯棒性，在到達滑模面之前，系統(tǒng)不具有魯棒性，因此傳統(tǒng)滑?？刂撇荒鼙ＷC控制系統(tǒng)全過程的魯棒性。積分滑?？刂浦邢到y(tǒng)的狀態(tài)軌線總是從滑模面出發(fā)，因此沒有了系統(tǒng)狀態(tài)趨近滑模面的過程，從而保證了控制系統(tǒng)全程魯棒性[10-11]。另外積分滑模控制還有助于降低系統(tǒng)的穩(wěn)態(tài)誤差，并在一定程度上削弱抖振現(xiàn)象。但是，積分滑模控制削弱抖振的效果往往還不能達到人們的預(yù)期，所以在此基礎(chǔ)上采用了模糊策略，通過采用模糊系統(tǒng)對滑?？刂魄袚Q項的逼近，達到進一步削弱抖振的效果。
1 模型建立
1.1 機械手運動學(xué)模型
本文所采用的六自由度機械手為一大型機械手系統(tǒng)，通過Denavit-Hartenberg 法[12]建立機械手連桿的坐標(biāo)系如圖1所示。通過D-H法建模后，每個連桿都可用4個DH參數(shù)描述，4個D-H參數(shù)分別為：連桿的夾角θi、兩連桿之間的距離di、連桿長度ai-1和連桿扭角αi-1，所列連桿參數(shù)如表1所示。
圖1 機械手連桿坐標(biāo)系
表1 機器人的連桿參數(shù)
1.2 機械手動力學(xué)模型
通過使用牛頓-拉格朗日法及水下機械手水動力分析[13]，得到本文所用機械手的動力學(xué)模型：
式中：q=[q1,q2,q3,q4,q5,q6],為關(guān)節(jié)位置矢量；q為速度矢量；q為加速度矢量；M（q）∈R6×6,為系統(tǒng)的慣量項；C（q，q）∈R6×6,為系統(tǒng)的科氏力與離心力項；G（q）為系統(tǒng)的重力與浮力項；τm和τa分別為水動力項中的附加質(zhì)量力矩與水阻力矩；τd為系統(tǒng)外部不確定干擾項；τ為系統(tǒng)的關(guān)節(jié)輸入力矩。
2 自適應(yīng)模糊積分滑?？刂破鞯脑O(shè)計
圖2為水下機械手的控制原理圖。水下機械手系統(tǒng)通過位置傳感器與姿態(tài)傳感器得到每個采樣時刻的期望位置信息與期望姿態(tài)信息，通過機械手的逆運動學(xué)將得到的信息處理為機械手各個關(guān)節(jié)的期望運動角度，結(jié)合機械手各關(guān)節(jié)實際的角度和角速度得到系統(tǒng)的跟蹤誤差。以各個關(guān)節(jié)的期望運動角度為輸入，采用自適應(yīng)模糊積分滑?？刂撇呗詫C械手系統(tǒng)進行控制，控制器輸出的控制力矩作用于被控對象，將系統(tǒng)的期望軌跡與機械臂的實際運動軌跡結(jié)合，形成一個完整的閉環(huán)控制系統(tǒng)。
圖2 機械手控制原理圖
2.1 積分滑模面的設(shè)計
機器人軌跡跟蹤實際目標(biāo)是關(guān)節(jié)位置矢量q能跟蹤上期望的關(guān)節(jié)位移矢量qd，本文采用積分滑模面設(shè)計的切換函數(shù)，可實現(xiàn)高精度的滑?？刂芠14]。
定義跟蹤誤差
2.2 切換項的模糊控制
滑?？刂频娜秉c在于當(dāng)狀態(tài)軌跡到達滑模面后，難以順著平衡點滑動，只能在滑模面兩側(cè)來回穿越，所以引起了控制系統(tǒng)的抖振，然而抖振現(xiàn)象不可能被完全消除，消除了抖振就會消除控制系統(tǒng)的魯棒性，因此只能減小抖振。滑模變結(jié)構(gòu)控制在本質(zhì)上的不連續(xù)開關(guān)特性（控制器的不連續(xù)切換項）是引起系統(tǒng)的抖振[15]的原因，由式（4）可知，Ksgn（s）為系統(tǒng)的不連續(xù)切換項。
根據(jù)模糊控制萬能逼近理論，模糊系統(tǒng)可以精確逼近任意連續(xù)函數(shù)。因此，本文使用模糊系統(tǒng)逼近滑?？刂坡适剑?）中的切換項Ksgn（s），以達到削弱抖振的目的。
本系統(tǒng)中，系統(tǒng)以滑模面si作為模糊控制器的輸入變量，滑模控制律的切換項增益ki作為模糊控制器的輸出，則模糊規(guī)則設(shè)計如表2所示。
表2 模糊控制規(guī)則
采用乘積推理機、單值模糊器和平均模糊器來設(shè)計模糊系統(tǒng)，模糊系統(tǒng)的輸出[15]為
2.3 穩(wěn)定性分析
取Ki＞τdi則V≤0，根據(jù)李亞普洛夫穩(wěn)定性定理可知，系統(tǒng)穩(wěn)定。
3 仿真
考慮錨固在水下平臺的大型水下機械手系統(tǒng)，以其跟蹤一水下航行器，以實現(xiàn)對航行器的捕獲與對接。機械手的連桿D-H參數(shù)為：a2=5 m;d1=1.195 m;d3=0.7 m;d4=6.4 m; d5=-0.7 m;d6=-0.995 m，連桿的密度為2700 kg/m3，假設(shè)水下機械手的浮心和重心為同一點，g=9.8 m/s2，水動力學(xué)的參數(shù)為：水密度為1029.5 kg/m3，流速為（0.5，0.5，0）m/s，水阻力系數(shù)Cd=0.6，附加質(zhì)量系數(shù)Cm=1，式（3）、式（4）中的參數(shù)設(shè)為：K1=diag（80，80，80，80，80，80）; K2=diag（100，100，100，100，100，100）；A =diag（200，200，200，200，200，200），外部干擾τd為分量在［-100，100］N·m范圍的隨機分布向量。需要跟蹤的目標(biāo)航行器的動力學(xué)方程參考文獻[8]～[9]，航行器的運動軌跡與機械手的軌跡跟蹤性能仿真結(jié)果如圖3～圖6所示。
圖3 所示航行器與機械手的運動軌跡，在t=0的時刻，機械手距離航行器較遠，隨著t的不斷增大，二者之間的距離幾乎重合，根據(jù)圖4～圖6的結(jié)果可以看出，當(dāng)t=5 s時，機械手能夠穩(wěn)定跟蹤航行器且X、Y、Z方向的誤差較小。其中X方向誤差為±0.1 m、Y方向誤差為±0.05 m、Z方向誤差為±0.05 m。根據(jù)機械手模型介紹可知，該機械手為一個大型機械手，其控制輸入較大，又由于滑?？刂频亩墩駸o法完全消除只能削弱，所以系統(tǒng)的輸入仍然存在較大抖振，這是由于機械手本身特性所引起的，所以由圖4、圖5可看出，機械手在X、Y方向的誤差有部分振蕩，但整個系統(tǒng)及系統(tǒng)誤差整體保持穩(wěn)定，因此AFISMC控制方法可以有效地控制機械手進行軌跡跟蹤。各關(guān)節(jié)的控制輸入如圖7～圖12所示。
圖3 航行器及機械手的運動軌跡
圖4 機械手末端X 方向跟蹤誤差
圖5 機械手末端Y 方向跟蹤誤差
圖6 機械手末端Z 方向跟蹤誤差
圖7 兩種方法下關(guān)節(jié)1 控制輸入的比較
圖8 兩種方法下關(guān)節(jié)2 控制輸入的比較
圖9 兩種方法下關(guān)節(jié)3 控制輸入的比較
圖10 兩種方法下關(guān)節(jié)4 控制輸入的比較
圖11 兩種方法下關(guān)節(jié)5 控制輸入的比較
圖12 兩種方法下關(guān)節(jié)6 控制輸入的比較
根據(jù)文獻[10]～[11]可知，積分滑?？刂瓶稍谝欢ǔ潭壬舷魅趸？刂葡到y(tǒng)中的抖振，由圖7～圖12對比積分滑?？刂?，AFISMC控制方法可進一步削弱系統(tǒng)的抖振。
4 結(jié)論
本文提出了一種基于模糊自適應(yīng)的積分滑?？刂疲糜诮鉀Q水下六自由度機械手在外界干擾上下界已知情況下的軌跡跟蹤問題。用Lyapunov理論證明了控制系統(tǒng)的穩(wěn)定性，通過Matlab對水下六自由度機械臂進行仿真，得出機械臂的軌跡跟蹤性能及機械臂各個關(guān)節(jié)的控制輸出力矩，結(jié)果表明，該控制系統(tǒng)不僅能夠?qū)崿F(xiàn)高精度的軌跡跟蹤性能，而且還削弱了滑?？刂浦械目刂戚斎氲亩秳樱瑥亩炞C了自適應(yīng)模糊積分滑?？刂茖λ聶C械手控制的可行性。
猜你喜歡
青少年科技博覽(中學(xué)版)(2023年5期)2023-06-26 09:39:12
裝備制造技術(shù)(2020年2期)2020-12-14 03:09:26
農(nóng)業(yè)機械學(xué)報(2020年2期)2020-03-09 07:35:30
中華建設(shè)(2019年7期)2019-08-27 00:50:18
項目管理技術(shù)(2016年12期)2016-06-15 20:29:33
西南交通大學(xué)學(xué)報(2016年6期)2016-05-04 04:13:11
通信電源技術(shù)(2016年1期)2016-04-16 04:57:29
機電信息(2015年3期)2015-02-27 15:54:53
機械工程師(2015年9期)2015-02-26 08:38:12
機械工程師(2015年10期)2015-02-02 01:14:36
