盧 凱,王 挺

(1.中國(guó)科學(xué)院 沈陽(yáng)自動(dòng)化研究所機(jī)器人學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,遼寧 沈陽(yáng) 110016;2.中國(guó)科學(xué)院 機(jī)器人與智能制造創(chuàng)新研究院,遼寧 沈陽(yáng) 110169;3.東北大學(xué) 機(jī)械工程與自動(dòng)化學(xué)院,遼寧 沈陽(yáng) 110819)

0 引 言

柔性吊裝機(jī)械臂在起重領(lǐng)域的十分應(yīng)用廣泛,且其種類多樣,如塔吊、隨車吊、橋式起重機(jī)、平面多連桿式吊裝機(jī)械臂等。

此類起重運(yùn)輸設(shè)備廣泛應(yīng)用于各類工業(yè)場(chǎng)合,比如車間、工地、港口碼頭和救援轉(zhuǎn)運(yùn)車等,參與大型和重型貨物的裝運(yùn)作業(yè)。在其裝卸操作過(guò)程中,柔性纜繩所持吊具和負(fù)載由于機(jī)械臂的加減速,在慣性的作用下會(huì)產(chǎn)生不同程度的搖晃,這種搖晃不但影響吊具的定位精度,降低裝卸設(shè)備的整體性能,而且存在極大的安全隱患,因此,研究吊具的防搖控制算法對(duì)裝卸設(shè)備的安全、高效運(yùn)行具有重要的意義。

針對(duì)吊裝防搖,國(guó)內(nèi)外專家提出的方法主要包括機(jī)械式和電子式。其中,主流的機(jī)械式防搖方法,即通過(guò)安裝剛性裝置,或利用對(duì)置卷?yè)P(yáng)機(jī)多次改變纜繩纏繞方向增大阻尼來(lái)減小擺角。

電子式防搖方法包括開環(huán)和閉環(huán)控制兩種[1]。其中,開環(huán)控制方式有輸入整形控制、模糊控制等[2,3];閉環(huán)控制方式依靠反饋信號(hào)對(duì)系統(tǒng)輸出進(jìn)行實(shí)時(shí)調(diào)整,使控制結(jié)果更精確,有PID控制、自適應(yīng)控制、LQR算法、神經(jīng)網(wǎng)絡(luò)控制等[4-6]。

SOLIHIN M I等人[7]研究了自適應(yīng)模糊控制方法,采用H∞控制理論,簡(jiǎn)化了其模糊控制器,達(dá)到了較好的防搖效果;但是該模糊控制器不具備較好的魯棒性。SANO H等人[8]以防搖傳感器為出發(fā)點(diǎn),以多狀態(tài)觀測(cè)器的研究為基礎(chǔ),解決了其傳感器延遲校準(zhǔn)問(wèn)題,減小了控制系統(tǒng)觀測(cè)輸入的誤差;但是該方法僅僅在仿真下得到了實(shí)現(xiàn)。AHMAD M A等人[9,10]結(jié)合PID控制方法與輸入整形法,綜合了這兩種控制方法的優(yōu)點(diǎn),采用前饋控制方法,較快地消除了系統(tǒng)的大部分振動(dòng),采用反饋控制方法調(diào)節(jié)系統(tǒng)的殘余振蕩。胡艷麗、劉輝等人[11-13]采用PID控制方法對(duì)吊重防擺進(jìn)行了控制,并將非線性優(yōu)化等方法與常規(guī)PID控制方法相結(jié)合,對(duì)PID控制器的3個(gè)參數(shù)進(jìn)行了調(diào)節(jié),結(jié)果顯示其控制效果更好;但是該系統(tǒng)的響應(yīng)時(shí)間仍然較長(zhǎng)。

有別于起重機(jī)防搖,平面三自由度機(jī)械臂防搖由原本控制大小車速度轉(zhuǎn)變?yōu)?個(gè)關(guān)節(jié)角速度,且目前研究?jī)H針對(duì)于一維運(yùn)動(dòng)防搖,不能完全滿足機(jī)械臂平面二維運(yùn)動(dòng)的需要。因此,目前迫切需要解決吊裝機(jī)械臂防搖問(wèn)題。

筆者通過(guò)建立三連桿式機(jī)械臂與吊重模型,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)控制和PID控制方法的優(yōu)點(diǎn),對(duì)吊裝機(jī)械臂防搖進(jìn)行閉環(huán)控制;建立末端速度和吊重?cái)[角的傳遞函數(shù),實(shí)現(xiàn)X軸和Y軸兩個(gè)一維運(yùn)動(dòng)防搖,進(jìn)而合成二維平面防搖,并進(jìn)行仿真測(cè)試和基于救援抓取機(jī)械臂實(shí)驗(yàn)平臺(tái)測(cè)試,以驗(yàn)證其控制效果。

1 機(jī)械臂—吊重模型

1.1 三自由度吊裝機(jī)械臂模型

目前,橋式或門式起重機(jī)吊具的防搖問(wèn)題一直是行業(yè)內(nèi)研究的熱點(diǎn),且其防搖技術(shù)也逐漸趨于成熟。但是,平面多連桿式吊裝機(jī)械臂吊具防搖技術(shù)還尚未完善。

這種結(jié)合平面多連桿式機(jī)械臂的吊具,具有靈活度高、伸展性好、折疊后占據(jù)空間小等諸多優(yōu)點(diǎn),適用于設(shè)備安裝空間有限的吊裝場(chǎng)合。在某些救援轉(zhuǎn)運(yùn)車上,需要將起重設(shè)備安裝在車廂內(nèi),平面連桿式機(jī)械臂折疊后就能很好地隱置于車廂中,通過(guò)程序控制機(jī)械臂關(guān)節(jié)運(yùn)轉(zhuǎn)使臂末端到達(dá)指定位置,實(shí)現(xiàn)對(duì)負(fù)載的裝卸。

但機(jī)械臂運(yùn)動(dòng)過(guò)程中,由于速度不均也引發(fā)了吊裝搖晃的問(wèn)題。

救援抓取機(jī)械臂結(jié)構(gòu)模型如圖1所示。

圖1 救援抓取機(jī)械臂結(jié)構(gòu)模型

1.2 機(jī)械臂末端位置速度分析

平面三自由度機(jī)械臂模型為三關(guān)節(jié)連桿式結(jié)構(gòu),其在運(yùn)動(dòng)時(shí),3個(gè)連桿位于空間內(nèi)平行的平面內(nèi),通過(guò)控制三關(guān)節(jié)電機(jī)輸出轉(zhuǎn)矩,使機(jī)械臂各關(guān)節(jié)輸出角位移量,各關(guān)節(jié)聯(lián)動(dòng)協(xié)同控制末端的軌跡變化[14]。

平面三自由度機(jī)械臂結(jié)構(gòu)模型如圖2所示。

圖2 平面三自由度機(jī)械臂結(jié)構(gòu)模型Li—各連桿長(zhǎng)度;θi—各連桿之間角位移;□—吊重系統(tǒng)升降機(jī)模型;○—機(jī)械臂關(guān)節(jié)

在平面三自由度吊裝機(jī)械臂結(jié)構(gòu)模型中,a,b,c，3點(diǎn)分別表示機(jī)械臂可動(dòng)端位置坐標(biāo),且a=(x_1,y_1),b=(x_2,y_2),c=(x_3,y_3)。

3點(diǎn)的位置變化代表了機(jī)械臂的運(yùn)動(dòng)狀態(tài)。對(duì)上述各坐標(biāo)進(jìn)行求導(dǎo),可得到機(jī)械臂各關(guān)節(jié)的線速度。

筆者推導(dǎo)3點(diǎn)的位置坐標(biāo),并由幾何關(guān)系可得c點(diǎn)的位置坐標(biāo)為:

x3=L1cosθ1-L2cos(θ2-θ1)+L3cos(θ1-θ2+θ3),

y3=L1sinθ1+L2sin(θ2-θ1)+L3sin(θ1-θ2+θ3)

(1)

再對(duì)c點(diǎn)位置求導(dǎo)，可得其沿坐標(biāo)軸方向速度為：

(2)

(3)

通過(guò)求其末端點(diǎn)的位置坐標(biāo),可得出末端沿單坐標(biāo)軸方向的分速度;控制機(jī)械臂末端處于一個(gè)方向直線運(yùn)動(dòng)狀態(tài),將該直線速度作為吊重防搖控制系統(tǒng)的輸入量。

1.3 機(jī)械臂—吊重系統(tǒng)建模

在吊裝機(jī)械臂的工作過(guò)程中,存在很多影響其性能和效率的因素,比如,纜繩的繩長(zhǎng)變化、吊重負(fù)載的變化和空氣阻力等。因此,眾多影響因素共同構(gòu)成了一個(gè)典型的多變量非線性耦合系統(tǒng)。

為了建立精確簡(jiǎn)易合理的數(shù)學(xué)模型,筆者對(duì)系統(tǒng)作了如下線性簡(jiǎn)化處理[15]:

(1)不計(jì)空氣阻力、纜繩重力和繩長(zhǎng)變化;

(2)吊具和負(fù)載視為一個(gè)質(zhì)點(diǎn);

(3)升降機(jī)視為質(zhì)點(diǎn),且與機(jī)械臂末端位置重合;

(4)以末端沿X軸方向作直線運(yùn)動(dòng)為例;

(5)機(jī)械臂各關(guān)節(jié)初始角位移量不為零,且在合理的區(qū)間范圍內(nèi)。

處理后的機(jī)械臂與吊重結(jié)構(gòu)位置模型如圖3所示。

圖3 機(jī)械臂與吊重結(jié)構(gòu)位置模型M—末端升降機(jī)質(zhì)量;m—吊具和負(fù)載質(zhì)量;l—纜繩長(zhǎng)度;θ—吊載擺角;x3—機(jī)械臂末端位置;F—升降機(jī)水平驅(qū)動(dòng)力

此處以末端沿X軸方向直線運(yùn)動(dòng)為例，筆者基于拉格朗日方程，構(gòu)建機(jī)械臂與吊重系統(tǒng)的動(dòng)力學(xué)模型(拉格朗日方程根據(jù)最小作用量原理建立[16]，是分析運(yùn)動(dòng)力學(xué)的重要方程)。

拉格朗日方程如下：

(4)

式中：L—拉格朗日函數(shù)；T—系統(tǒng)動(dòng)能函數(shù)；V—系統(tǒng)勢(shì)能函數(shù)；q—質(zhì)量系的廣義坐標(biāo)。

則在廣義坐標(biāo)下的拉格朗日方程為：

(5)

在坐標(biāo)系內(nèi)，以機(jī)械臂大關(guān)節(jié)位置為坐標(biāo)原點(diǎn)，(xM,yM)為升降機(jī)的位置，(xm,ym)為吊載的位置。

其中，xM為升降機(jī)的水平位移，故其水平位移和垂直分量可表示為：

(6)

吊載距離原點(diǎn)的位置可表示為：

(7)

對(duì)上述吊載位置求導(dǎo)，可得吊載的兩速度分量：

(8)

以x3,θ,l為廣義坐標(biāo)系，通過(guò)拉格朗日方程運(yùn)算，建立起系統(tǒng)的微分方程組為：

(9)

以上方程組會(huì)因非線性，而導(dǎo)致計(jì)算不便。因此，此處忽略對(duì)系統(tǒng)影響不大的非線性因素，對(duì)系統(tǒng)的動(dòng)力學(xué)微分方程進(jìn)行線性化處理，即：

(10)

對(duì)簡(jiǎn)化后的微分方程組進(jìn)行拉氏變換：

(11)

整理計(jì)算得機(jī)械臂末端位移和擺角的傳遞函數(shù)：

(12)

至此，末端延X軸機(jī)械臂和吊重系統(tǒng)建模完成，該模型等效于Y軸方向運(yùn)動(dòng)。

在實(shí)際的控制系統(tǒng)中,只需將相應(yīng)的機(jī)械臂吊載系統(tǒng)參數(shù)代入,即可得到系統(tǒng)的代數(shù)型表達(dá)式。

下一步筆者將進(jìn)行相應(yīng)的控制器設(shè)計(jì)和分析。

2 防搖控制策略

2.1 控制思路與流程

為實(shí)現(xiàn)機(jī)械臂平面二維運(yùn)動(dòng)防搖,并統(tǒng)一機(jī)械臂模型與末端防搖模型二者的坐標(biāo)系,筆者將機(jī)械臂末端到達(dá)目標(biāo)點(diǎn)分為兩步運(yùn)動(dòng)來(lái)實(shí)現(xiàn)。

機(jī)械臂防搖控制流程圖如圖4所示。

圖4 機(jī)械臂防搖控制流程圖

由圖4可得:當(dāng)機(jī)械臂接收目標(biāo)點(diǎn)位置的指令后,首先會(huì)判斷目標(biāo)點(diǎn)在兩坐標(biāo)軸方向上與初始點(diǎn)的距離,優(yōu)先沿距離較遠(yuǎn)的方向運(yùn)動(dòng),并將該運(yùn)動(dòng)速度代入控制模型中;末端沿該方向直線運(yùn)動(dòng),直至距離為0,進(jìn)而轉(zhuǎn)為沿另一坐標(biāo)軸直線運(yùn)動(dòng),最終到達(dá)目標(biāo)點(diǎn)。

2.2 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制

在自動(dòng)控制領(lǐng)域,常規(guī)PID控制的應(yīng)用十分廣泛,其原因在于在各種無(wú)明確數(shù)學(xué)控制模型的場(chǎng)合下,常規(guī)PID控制只要通過(guò)調(diào)節(jié)3個(gè)參數(shù),就能達(dá)到很好的控制效果[17]。

然而,在面對(duì)實(shí)際工程中的非線性強(qiáng)耦合系統(tǒng)時(shí),常規(guī)PID控制存在著參數(shù)調(diào)節(jié)時(shí)間過(guò)長(zhǎng)的問(wèn)題。而模糊控制系統(tǒng)適合應(yīng)用于結(jié)構(gòu)化信息處理中,且神經(jīng)網(wǎng)絡(luò)適合對(duì)非線性結(jié)構(gòu)化的處理。

為了改善常規(guī)PID控制的不足,筆者提出了一種PID與模糊神經(jīng)網(wǎng)絡(luò)控制相結(jié)合的策略,以期明顯提升其控制效果。而采用該策略,首先要設(shè)計(jì)控制思路,分析設(shè)計(jì)4層模糊神經(jīng)網(wǎng)絡(luò)(輸入層、模糊化層、規(guī)則層、輸出層[18])。

2.2.1 模糊原理及運(yùn)算

系統(tǒng)的輸入層共有2個(gè)變量，分別為機(jī)械臂末端位置x3和吊載擺角θ。

模糊規(guī)則為：假設(shè)輸入x3為Mj且θ為Nj，則輸出z為Oi；其中，Mj，Nj分別對(duì)應(yīng)x3，θ的模糊子集，j代表第j(j≤7)個(gè)模糊域，Oi為模糊輸出，i代表第i(i≤49)條規(guī)則。

模糊輸出為：

(13)

式中：uil—第i條規(guī)則的適應(yīng)度。

2.2.2 運(yùn)用BP算法的FNN結(jié)構(gòu)模型學(xué)習(xí)

FNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)所采用的隸屬函數(shù)為高斯函數(shù),即:

(14)

BP算法學(xué)習(xí)即通過(guò)梯度下降求取函數(shù)最小值。

(15)

第3層規(guī)則層的輸入和輸出分別為：

(16)

第4層輸出層的輸入和輸出分別為：

(17)

2.2.3 網(wǎng)絡(luò)權(quán)值修正

模糊神經(jīng)網(wǎng)絡(luò)運(yùn)用BP算法自學(xué)習(xí)，需要首先定義其誤差函數(shù)，則誤差為E=(hi-oi)2/2，網(wǎng)絡(luò)權(quán)值修正方法為：

U(t+1)=U(t)+ΔU+β[U(t)-U(t-1)]

(18)

(19)

另外，假設(shè)學(xué)習(xí)速率為常數(shù)γ∈(0,1)，動(dòng)量因子為常數(shù)α∈(0,1)，采樣時(shí)間為t，求出各層ΔU的值，即可得到下一時(shí)刻網(wǎng)絡(luò)權(quán)值的值U(t+1)。

經(jīng)過(guò)各權(quán)層系數(shù)修正，得到輸出層神經(jīng)元權(quán)系數(shù)的修正公式為：

Δujk=γok(1-ok)(hk-ok)yj

(20)

同理,可以得到隱含層的權(quán)系數(shù)修正公式：

(21)

2.2.4 模糊邏輯隸屬函數(shù)參數(shù)修正

模糊層中，各輸入輸出量選用的隸屬函數(shù)為高斯函數(shù)；修正表達(dá)式中，參數(shù)同樣采用BP自學(xué)習(xí)算法，利用梯度下降法使誤差由輸出層向輸入層反傳。

沿用誤差函數(shù)E=(hi-oi)2/2，則可得模糊層中各隸屬高斯函數(shù)參數(shù)的修正遞推公式為：

σjk(t+1)=σjk(t)+γ2Δσjk(t)

(22)

cjk(t+1)=cjk(t)+γ2Δcjk(t)

(23)

3 仿真與結(jié)果分析

3.1 Simulink中ANFIS控制器設(shè)計(jì)

ANFIS是一種基于T-S模型的模糊推理系統(tǒng),它將模糊控制的模糊化、模糊推理和反模糊化3個(gè)過(guò)程全部用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn),利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制,自動(dòng)地從輸入輸出的樣本數(shù)據(jù)中分析提取規(guī)則,構(gòu)成自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器。

此處,筆者以機(jī)械臂末端位置x3和吊具擺角θ為輸入變量,末端升降機(jī)受機(jī)械臂推力F為輸出變量,ANFIS控制器的神經(jīng)網(wǎng)絡(luò)為雙輸入單輸出結(jié)構(gòu)。

其中,49條模糊規(guī)則來(lái)源于:上述變量均分別劃分為NB(負(fù)大)、NM(負(fù)中)、NS(負(fù)小)、ZE(零)、PS(正小)、PM(正中)、PB(正大)7個(gè)模糊域,模糊結(jié)構(gòu)的模糊化層、規(guī)則層、輸出層激活函數(shù)分別采用tansig、logsig、purelin。

控制器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖5所示。

圖5 控制器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

設(shè)機(jī)械臂末端升降機(jī)質(zhì)量M=10 kg，吊載質(zhì)量m=5 kg，繩長(zhǎng)l=2 m，代入上面已建立的吊載系統(tǒng)傳遞函數(shù)中，可以得到：

(24)

在吊裝機(jī)械臂吊具防搖控制過(guò)程中,筆者首先采用常規(guī)PID控制,在Simulink中搭建控制模型,通過(guò)調(diào)節(jié)3個(gè)參數(shù),得出初步末端位置和擺角響應(yīng);在此基礎(chǔ)上,保留主回路的PID控制器和PD控制器,分別對(duì)位置和擺角誤差進(jìn)行修正,副回路上添加ANFIS神經(jīng)網(wǎng)絡(luò)控制器,對(duì)末端位置和擺角進(jìn)行控制;采集數(shù)據(jù)訓(xùn)練后,選擇3個(gè)變量的隸屬函數(shù)及模糊規(guī)則,將其保存為fis文件格式,最后將其導(dǎo)入Simulink控制框圖的Fuzzy Logic Controller中,最終完成整個(gè)控制器的設(shè)計(jì)。

將式(24)傳遞函數(shù)代入控制系統(tǒng)中,可得到模糊神經(jīng)網(wǎng)絡(luò)仿真模型框圖,如圖6所示。

3.2 仿真結(jié)果

筆者運(yùn)行仿真模型,得到機(jī)械臂末端位置響應(yīng)、吊載擺角響應(yīng)曲線。

其中,機(jī)械臂末端位置響應(yīng)曲線如圖7所示。

吊載擺角響應(yīng)曲線如圖8所示。

由圖(7,8)可得:與常規(guī)PID相比,吊裝機(jī)械臂在

圖7 機(jī)械臂末端位置響應(yīng)曲線

圖8 吊載擺角響應(yīng)曲線

模糊神經(jīng)網(wǎng)絡(luò)控制下的超調(diào)量有所降低,調(diào)節(jié)時(shí)間縮短了28.6%,末端位移的調(diào)節(jié)時(shí)間明顯減少,到達(dá)穩(wěn)態(tài)前的震蕩次數(shù)得到了削減,使末端升降機(jī)可以快速地到達(dá)指定位置;吊具的最大擺角降低了59.2%,震蕩角度大幅降低,表明末端運(yùn)行過(guò)程中,吊載的擺動(dòng)幅度得到極大減少。

由此可見,在相同PID參數(shù)初值的情況下,模糊神經(jīng)網(wǎng)絡(luò)控制效果更加理想,具有更加優(yōu)良的動(dòng)態(tài)性能。

為驗(yàn)證該控制系統(tǒng)的魯棒性,筆者分別改變繩長(zhǎng)和吊載質(zhì)量,對(duì)仿真結(jié)果進(jìn)行對(duì)比分析。

在其他參數(shù)不變的情況下,筆者令繩長(zhǎng)增加至3 m和減小至1 m后,位置和擺角的響應(yīng)變化幅度很小,得到末端位置響應(yīng)、吊載擺角響應(yīng)對(duì)比情況。

其中,末端位置響應(yīng)對(duì)比如圖9所示。

圖9 末端位置響應(yīng)對(duì)比

吊載擺角響應(yīng)對(duì)比如圖10所示。

圖10 吊載擺角響應(yīng)對(duì)比

保持繩長(zhǎng)為2 m不變,增加吊載質(zhì)量至8 kg后,筆者對(duì)比位置和擺角的響應(yīng),得到改變質(zhì)量末端位置響應(yīng)與改變質(zhì)量吊載擺角響應(yīng)對(duì)比情況。

其中,改變質(zhì)量末端位置響應(yīng)對(duì)比如圖11所示。

圖11 改變質(zhì)量末端位置響應(yīng)對(duì)比

改變質(zhì)量吊載擺角響應(yīng)對(duì)比如圖12所示。

圖12 改變質(zhì)量吊載擺角響應(yīng)對(duì)比

由圖(9～12)可得:改變系統(tǒng)的質(zhì)量和繩長(zhǎng),最終輸出響應(yīng)結(jié)果變化不大。該結(jié)果驗(yàn)證了控制系統(tǒng)具有較強(qiáng)的魯棒性,能適應(yīng)不同的工作環(huán)境。

4 實(shí)驗(yàn)測(cè)試

4.1 實(shí)驗(yàn)平臺(tái)介紹

該實(shí)驗(yàn)平臺(tái)源于“應(yīng)急救援及勘察智能機(jī)器人系統(tǒng)”項(xiàng)目。

基于機(jī)器人的抓取機(jī)械臂系統(tǒng),在完成對(duì)傷員的定位抓取牽拉工作基礎(chǔ)上,解決機(jī)械臂運(yùn)動(dòng)過(guò)程中吊重的搖晃造成的定位不準(zhǔn)和停放效率等問(wèn)題。

應(yīng)急救援及勘察智能機(jī)器人如圖13所示。

圖13 應(yīng)急救援及勘察智能機(jī)器人

救援抓取機(jī)械臂實(shí)驗(yàn)平臺(tái)如圖14所示。

圖14 救援抓取機(jī)械臂實(shí)驗(yàn)平臺(tái)

末端吊重系統(tǒng)抓取機(jī)械手有自重,故在機(jī)械臂空載運(yùn)動(dòng)下也存在搖擺問(wèn)題。經(jīng)測(cè)量,機(jī)械臂末端升降機(jī)重10 kg,抓取機(jī)械手自重5 kg,可以在空載情況下以機(jī)械手自重為參數(shù)進(jìn)行防搖實(shí)驗(yàn)。

4.2 實(shí)驗(yàn)與結(jié)果分析

機(jī)器人抓取系統(tǒng)的控制基于嵌入式單片機(jī),控制程序中機(jī)械臂運(yùn)動(dòng)狀態(tài)包括單關(guān)節(jié)狀態(tài)、聯(lián)動(dòng)狀態(tài)和末端直線狀態(tài)。

實(shí)驗(yàn)思路為:在末端直線運(yùn)動(dòng)狀態(tài)的基礎(chǔ)上,求解末端速度,并將其代入防搖控制模型。整臺(tái)機(jī)器人利用上位機(jī)進(jìn)行遠(yuǎn)程操作,在建立好通訊連接并打開艙門后,輸入目標(biāo)點(diǎn)的位置,系統(tǒng)判斷X、Y兩坐標(biāo)軸方向的距離進(jìn)行分步運(yùn)動(dòng),實(shí)現(xiàn)機(jī)械臂末端在平面內(nèi)的運(yùn)動(dòng)防搖。

由于防搖控制器為閉環(huán)控制,因此,在進(jìn)行控制時(shí),控制器需要實(shí)時(shí)監(jiān)測(cè)吊重的擺角,并將當(dāng)前擺角與目標(biāo)值進(jìn)行對(duì)比,求出偏差,通過(guò)偏差控制系統(tǒng)運(yùn)行。

在對(duì)吊重?cái)[角進(jìn)行測(cè)量時(shí),一般可以采用使用陀螺儀傳感器實(shí)時(shí)測(cè)量,并記錄角度值;通過(guò)機(jī)械臂連桿關(guān)系實(shí)時(shí)測(cè)量當(dāng)前的位移,同時(shí)設(shè)計(jì)程序,每隔固定時(shí)間通過(guò)串口通信將當(dāng)前的位置信息傳遞給上位機(jī),通過(guò)上位機(jī)記錄位移數(shù)據(jù),當(dāng)運(yùn)行結(jié)束后,將記錄的數(shù)據(jù)保存。

筆者匯總數(shù)據(jù),整理得到機(jī)械臂末端沿X軸方向的位移和吊重?cái)[角隨時(shí)間變化的曲線,并將實(shí)驗(yàn)與仿真結(jié)果進(jìn)行對(duì)比,得到機(jī)械臂末端位置變化、吊載擺角變化曲線,如圖15所示。

圖15 實(shí)驗(yàn)與仿真結(jié)果對(duì)比

由圖15可知:實(shí)驗(yàn)與仿真曲線變化趨勢(shì)基本相同,可認(rèn)為控制器控制效果符合預(yù)期,且能達(dá)到理想的防搖效果。

由于仿真是在忽略摩擦等諸多干擾因素的理想環(huán)境下得到的,真實(shí)的實(shí)驗(yàn)又存在傳感器延時(shí)等誤差,故兩曲線沒有完全重合。

5 結(jié)束語(yǔ)

在起重機(jī)的吊裝過(guò)程中,吊裝機(jī)械臂吊重的搖擺會(huì)造成吊裝裝卸效率低,為此,筆者以平面三連桿式吊裝機(jī)械臂為例,對(duì)其運(yùn)行過(guò)程中末端吊具的防搖問(wèn)題進(jìn)行了實(shí)驗(yàn)研究。

筆者基于救援抓取機(jī)械臂為實(shí)物平臺(tái),以平面三自由度吊裝機(jī)械臂為例,探討了其運(yùn)行過(guò)程中末端吊具纜繩如何防搖減搖的問(wèn)題,并運(yùn)用Simulink對(duì)吊裝機(jī)械臂進(jìn)行了仿真,最后進(jìn)行了實(shí)驗(yàn)來(lái)驗(yàn)證其防搖效果。

研究結(jié)論如下:

(1)基于模糊神經(jīng)網(wǎng)絡(luò)控制的吊裝機(jī)械臂防搖效果更好,能使吊具抓手定位精度更高;

(2)相對(duì)于常規(guī)PID控制,該方法超調(diào)量小,調(diào)節(jié)時(shí)間縮短了28.6%,吊具最大擺角降低了59.2%。

隨著吊裝機(jī)械臂防搖控制領(lǐng)域的創(chuàng)新與發(fā)展,在后續(xù)工作中,筆者將開展更多自由度連桿式吊裝機(jī)械臂的防搖研究工作。