亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)反演控制的食品分揀機(jī)器人末端執(zhí)行器智能控制方法

        2022-03-05 03:59:12韋樹成莫國志
        食品與機(jī)械 2022年12期
        關(guān)鍵詞:方法

        韋樹成 莫國志

        (1. 廣西機(jī)電職業(yè)技術(shù)學(xué)院, 廣西 南寧 530007;2. 廣西大學(xué),廣西 南寧 530000)

        隨著“中國制造2025”的到來,作為智能制造重要成員之一的工業(yè)機(jī)器人,近年來發(fā)展迅速[1]。同時,Delta并聯(lián)機(jī)器人以其高速、慣性小等優(yōu)點被廣泛應(yīng)用于食品等行業(yè)的高速分揀自動生產(chǎn)線[2]。相比于傳統(tǒng)食品分揀方法,自動分揀具有效率高、誤檢率低等優(yōu)點。

        目前,國外眾多學(xué)者對有關(guān)食品分揀機(jī)器人的控制方法進(jìn)行了大量研究主要有PID控制[3]和滑??刂芠4]等方法。柳振宇等[5]提出了一種改進(jìn)的運動學(xué)閉環(huán)控制方法用于并行食品分揀機(jī)器人控制,與傳統(tǒng)方法相比,位置跟蹤誤差降低了65%,軌道誤差降低了50%。郝琳等[6]提出了一種改進(jìn)的PID控制方法用于并聯(lián)食品分揀機(jī)器人控制,與傳統(tǒng)方法相比,該控制方法具有更高的抓取精度(99.9%)和穩(wěn)定性。王敏等[7]提出了一種改進(jìn)的粒子群優(yōu)化算法用于并聯(lián)食品分揀機(jī)器人控制,當(dāng)輸送速度為100 mm/s時,抓取成功率為100%,分揀效率為1.98個/s。畢憲東等[8]提出了一種新的動態(tài)目標(biāo)抓取方法用于并行食品分揀機(jī)器人的抓取控制,與優(yōu)化前相比,當(dāng)輸送速度為20 mm/s時,抓取速度從0.756個/s提高到0.860個/s;當(dāng)輸送速度為30 mm/s時,抓取速度從0.885個/s提高到1.130個/s。上述研究可以實現(xiàn)分揀機(jī)器人的智能控制,但上述方法難以實現(xiàn)準(zhǔn)確、高效和穩(wěn)定的位置跟蹤,需進(jìn)一步優(yōu)化。研究擬提出一種將模糊系統(tǒng)(Fuzzy System,F(xiàn)S)、模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network,F(xiàn)NN)和反演控制算法(Backstepping Control Algorithm,BCA)相結(jié)合的并聯(lián)食品分揀機(jī)器人智能控制方法,建模信息用FS逼近,未建模信息用FNN逼近和預(yù)測,BCA完成控制輸出,并進(jìn)行實驗驗證,旨在為并聯(lián)食品分揀機(jī)器人的研究提供依據(jù)。

        1 食品分揀機(jī)器人概述

        并聯(lián)食品分揀機(jī)器人由伺服電機(jī)、靜平臺、驅(qū)動臂、中間軸、動平臺和從動臂組成(圖1)。中間軸的作用是將動力傳遞給動平臺,對末端執(zhí)行器進(jìn)行控制,從動臂為平行四邊形結(jié)構(gòu),對動平臺的自由度進(jìn)行限制,動平臺只能在空間上完成3個自由度的三維變換[9]。

        1. 伺服電機(jī) 2. 靜平臺 3. 主動臂 4. 中間軸 5. 動平臺 6. 從動臂

        2 智能控制方法

        2.1 并聯(lián)食品分揀機(jī)器人動力學(xué)模型

        并聯(lián)食品分揀機(jī)器人動力學(xué)模型[10-11]:

        MU**+CU*+KU+G+δd=τi-τf,

        (1)

        式中:

        M、C、K、G——綜合廣義質(zhì)量矩陣、衰減矩陣、剛度矩陣、重力矩陣;

        U**——加速度,m/s2;

        U*——速度,m/s;

        U——位置坐標(biāo);

        τi——廣義輸入矩陣;

        τf——摩擦模型;

        δd——干擾項。

        機(jī)器人動力學(xué)模型具有以下特征[12-13]:

        性質(zhì)1:M是有界的,且

        0<λmin(M)≤‖M‖≤λmax(M),

        (2)

        式中:

        λmin(M)、λmax(M)——特征最小和最大值。

        性質(zhì) 2:CU*是有界的,且

        0

        (3)

        式中:

        Cmin、Cmax——C的最小值和最大值。

        性質(zhì)3:M-2C為一個斜對稱矩陣,且

        (M-2C)+(M-2C)T=0。

        (4)

        性質(zhì)4:G是有界的,且

        ‖G‖≤Gg,

        (5)

        式中:

        Gg——一個正常數(shù)。

        2.2 控制方法

        2.2.1 反演控制 BCA的思想是將復(fù)雜非線性系統(tǒng)劃分為多個子系統(tǒng)(不超過系統(tǒng)階數(shù)), 對子系統(tǒng)Lyapunov 函數(shù)和虛擬控制變量進(jìn)行設(shè)計,“反演”整個系統(tǒng),直至完成控制律設(shè)計[9]。

        BCA過程為:

        (1) 控制yo對期望角度yd進(jìn)行跟蹤。

        定義誤差z1[14]:

        z1=yo-yd。

        (6)

        設(shè)x2的估計為a1,誤差z2為:

        z2=x2-a1。

        (7)

        在第一個子系統(tǒng)中,選擇的李雅普諾夫函數(shù)為[15]:

        (8)

        式中:

        λ1——Lagrange乘子。

        如果z2=0,則第一個子系統(tǒng)穩(wěn)定。

        (2) 控制律為:

        (9)

        (10)

        τ1=-φ-λ2z2-z1,

        (11)

        式中:

        τ——控制律;

        τ1、τ2——建模和未建模信息的控制律。

        第二個子系統(tǒng),選擇 Lyapunov 函數(shù)[16]:

        (12)

        (13)

        式中:

        d——外部干擾。

        將式(11)代入式(13)[17],得

        (14)

        為方便控制,τ2滿足

        (15)

        式中:

        χ1、χ2——逼近系數(shù);

        FS的輸出為[18]

        (16)

        式中:

        θi——模糊隸屬度函數(shù)達(dá)到最大值時的響應(yīng)值。

        (17)

        式中:

        γ、κ——控制系數(shù),且γ>0。

        圖2 FNN結(jié)構(gòu)

        由圖2可知,F(xiàn)NN主要由輸入層、隸屬層、規(guī)則層和輸出層組成[19]。輸入為跟蹤誤差向量,輸出為控制效應(yīng)向量。

        (2) 隸屬層:隸屬函數(shù)為高斯函數(shù),

        (18)

        式中:

        Npi——隸屬函數(shù)個數(shù)。

        (3) 規(guī)則層:輸出是基于模糊推理機(jī)制給出的。

        (19)

        式中:

        lk——規(guī)則層的第i個輸出,k=1,2,…,Ny;

        Ny——規(guī)則數(shù)。

        (4) 輸出層:輸出為[20]:

        (20)

        式中:

        o=1,2,…,No。

        yo的矢量形式為

        (21)

        式中:

        No=n。

        FNN的輸入為z1∈Rn×1,輸出為Ua∈Rn×1,實際控制量為

        (22)

        式中:

        ε——重構(gòu)的最小誤差向量;

        W·、m·、σ·——W、m與σ的最優(yōu)值。

        FNN-BCA輸出控制量為

        (23)

        式中:

        W^、m^、σ^——W、m與σ的最優(yōu)參數(shù)的估計。

        定義逼近誤差

        (24)

        式中:

        W~=W·-W^;

        L~=L·-L^。

        利用泰勒級數(shù)展開,L~表示為[21]:

        (25)

        式中:

        m~=m·-m^;

        σ~=σ·-σ^;

        m·、σ·——m與σ的最優(yōu)參數(shù);

        onv——高階項矢量;

        m、σ——估計值。

        qd、q分別為期望和實際驅(qū)動角,χ1、χ2為逼近系數(shù),λ1、λ2為Lagrange乘子,η1、η2、η3、η4為學(xué)習(xí)率,γ為控制參數(shù)

        3 試驗結(jié)果與分析

        3.1 試驗參數(shù)

        為了驗證試驗所提控制方法的可行性和實用性,將該控制方法與自適應(yīng)自抗擾控制ADRC[22]和自學(xué)習(xí)區(qū)間2型模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)模糊滑??刂芐T2FNNC[23]進(jìn)行比較??刂颇繕?biāo)是使并聯(lián)食品分揀機(jī)器人的末端執(zhí)行器準(zhǔn)確、高效、穩(wěn)定地跟蹤期望軌跡。Delta機(jī)器人采用gts-400-pv系列運動控制器,交流伺服驅(qū)動器lexium23m,伺服電機(jī)bch1303m11f1c,減速器plx60-5,攝像機(jī)采用Basler aca2500-14gc。PC機(jī)采用Intel i5處理器、8 G內(nèi)存、win10操作系統(tǒng)和Matlab 2018a作為仿真平臺。試驗參數(shù)見表1。FNN網(wǎng)絡(luò)結(jié)構(gòu)為2-20-25-2??刂茀?shù)γ=2、κ=1.5;學(xué)習(xí)率η1=0.4、η2=1、η3=1、η4=0.01。3個驅(qū)動關(guān)節(jié)為J1、J2和J3。

        表1 試驗參數(shù)

        3.2 試驗結(jié)果分析

        由表2可知,無論是瞬態(tài)驅(qū)動轉(zhuǎn)矩還是穩(wěn)態(tài)驅(qū)動轉(zhuǎn)矩,試驗控制方法的最大范圍均小于ADRC控制方法和ST2FNNC控制方法。與ADRC控制方法相比,試驗方法的最大瞬態(tài)和穩(wěn)態(tài)驅(qū)動轉(zhuǎn)矩在3個驅(qū)動關(guān)節(jié)處平均降低約2.8×104,4.6×104N·mm。與ST2FNNC控制方法相比,試驗方法的瞬態(tài)和穩(wěn)態(tài)最大驅(qū)動轉(zhuǎn)矩在3個驅(qū)動關(guān)節(jié)上平均降低了3.0×104,1.5×104N·mm。綜上,與傳統(tǒng)控制方法相比,試驗控制方法降低了對驅(qū)動元件的影響,有效改善了動態(tài)驅(qū)動特性。

        表2 不同控制方法瞬態(tài)和穩(wěn)態(tài)最大驅(qū)動力矩

        由表3可知,與ADRC控制方法和ST2FNNC控制方法相比,試驗控制方法有效降低了末端執(zhí)行器在X、Y、Z方向的最大位置誤差。與ADRC控制方法相比,試驗方法末端執(zhí)行器中心點在X、Y、Z方向的最大位置誤差平均降低了0.44 mm;與ST2FNNC控制方法相比,試驗方法末端執(zhí)行器中心點在X、Y、Z方向的最大位置誤差平均降低了0.43 mm,表明試驗控制方法可以有效提高末端執(zhí)行器的跟蹤精度。

        表3 不同控制方法的末端執(zhí)行器中心點最大位置誤差

        為了盡可能接近實際操作條件,將相機(jī)的拍攝頻率設(shè)置為100幀,傳輸速度為200 mm/s。罐頭食品目標(biāo)500個,以確保每次試驗時傳送帶上的食品種類數(shù)量、分布密度、抓取速度等相同。

        由表4可知,在相同的食品輸送速度下,與ADRC控制方法和ST2FNNC控制方法相比,試驗控制方法的抓取成功率最高。隨著輸送速度的增加,不同控制方法的抓取成功率在一定程度上降低,試驗方法的抓取成功率從100%下降至99.60%,ADRC控制方法抓取成功率從94.00%下降至92.00%,ST2FNNC控制方法抓取成功率從99.00%下降至99.40%。

        由表4還可知,當(dāng)輸送速度為100 mm/s時,相比于ADRC控制方法和ST2FNNC控制方法,試驗控制方法具有最高的抓取效率,達(dá)到1.99個/s,比ADRC控制方法高18.45%,比ST2FNNC控制方法高3.11%。當(dāng)輸送速度為200 mm/s時,與ADRC控制方法和ST2FNNC控制方法相比,試驗控制方法具有最高的抓取效率,達(dá)到1.94個/s,比ADRC控制方法提高了19.75%,比ST2FNNC控制方法提高了3.19%,說明試驗控制方法具有較高的抓取成功率和效率。

        表4 不同控制方法的抓取效果對比

        綜上,試驗控制方法的控制性能明顯優(yōu)于ADRC控制方法和ST2FNNC控制方法,表明該控制方法可以有效提高末端執(zhí)行器的跟蹤精度,具有較高的抓取成功率和效率。

        4 結(jié)論

        試驗提出了一種將模糊系統(tǒng)、模糊神經(jīng)網(wǎng)絡(luò)和反演控制算法相結(jié)合用于并聯(lián)食品分揀機(jī)器人末端執(zhí)行器智能控制的方法。結(jié)果表明,相比于傳統(tǒng)方法,試驗方法具有更高的末端執(zhí)行器跟蹤精度和分揀效率。末端執(zhí)行器誤差小于0.30 mm,最大驅(qū)動扭矩小于4.0×104N·mm,當(dāng)輸送速度為100 mm/s時,分揀成功率和效率分別為100%和1.99個/s,當(dāng)輸送速度為200 mm/s時,分揀成功率和效率分別為99.6%和1.94個/s。然而,試驗對并聯(lián)食品分揀機(jī)器人末端執(zhí)行器控制方法的研究仍處于初級階段,在實際應(yīng)用中存在許多影響因素,后期將不斷完善。

        猜你喜歡
        方法
        中醫(yī)特有的急救方法
        中老年保健(2021年9期)2021-08-24 03:52:04
        高中數(shù)學(xué)教學(xué)改革的方法
        河北畫報(2021年2期)2021-05-25 02:07:46
        化學(xué)反應(yīng)多變幻 “虛擬”方法幫大忙
        變快的方法
        兒童繪本(2020年5期)2020-04-07 17:46:30
        學(xué)習(xí)方法
        可能是方法不對
        用對方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        最有效的簡單方法
        山東青年(2016年1期)2016-02-28 14:25:23
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        賺錢方法
        国产精品亚洲精品日韩已方 | 人妻无码中文字幕| 2019年92午夜视频福利| 青草青草伊人精品视频| 大红酸枝极品老料颜色| av免费播放网站在线| 狠狠色婷婷久久综合频道日韩| 91精品福利观看| 日本亚洲一级中文字幕| 久久精品女同亚洲女同| 成人亚洲精品777777| 综合久久给合久久狠狠狠97色| 亚洲AV无码一区二区三区精神| 免费人妻精品一区二区三区| 免费无码不卡视频在线观看| 男女肉粗暴进来120秒动态图 | 国产美女久久精品香蕉69| 亚洲AV无码精品一区二区三区l| 亚洲国产线茬精品成av| 日本无遮挡真人祼交视频| 国产成人精品一区二区三区免费| 东北少妇不戴套对白第一次| 老熟妇乱子伦av| 亚洲人成网站久久久综合| 国产少妇高潮在线视频| 无码av不卡一区二区三区| 亚洲综合色成在线播放| 中文字幕日本熟妇少妇| 久久国产成人午夜av免费影院| 精品人妻中文无码av在线| 色伦专区97中文字幕| 最新国产日韩AV线| 国产精品不卡在线视频| 日本一区二区三区免费精品| 免费超爽大片黄| 麻豆国产成人精品午夜视频 | 饥渴少妇一区二区三区| 99久久精品免费看国产| 蜜桃臀无码内射一区二区三区| 中文字幕一区二区三区.| 国产精品国产三级国产av中文|