程志江,李志文,杜一鳴

(新疆大學(xué) 電氣工程學(xué)院,新疆 烏魯木齊 830046)

0 引言

移動(dòng)機(jī)械臂由移動(dòng)平臺(tái)和多自由度機(jī)械臂組成,相較于傳統(tǒng)的固定機(jī)械臂,移動(dòng)機(jī)械臂將移動(dòng)平臺(tái)的移動(dòng)功能和機(jī)械臂的靈活操作功能完美地結(jié)合在一起,可以完成單一機(jī)械臂無(wú)法完成的任務(wù)[1-2]。近幾年,在航天、采礦、農(nóng)業(yè)等領(lǐng)域得到了廣泛的應(yīng)用。本文所研究的對(duì)象為移動(dòng)清潔機(jī)械臂,移動(dòng)清潔機(jī)械臂使用場(chǎng)景較多,如車(chē)輛、玻璃幕墻、太陽(yáng)能板等。移動(dòng)清潔機(jī)械臂在清潔過(guò)程中,系統(tǒng)應(yīng)該按照期望的軌跡路線平穩(wěn)行駛[3-4],并且能夠滿足期望的位姿和速度要求,同時(shí)應(yīng)該對(duì)內(nèi)外環(huán)境的不確定性干擾具有較強(qiáng)的抗干擾能力和魯棒性。

為解決該問(wèn)題,國(guó)內(nèi)外學(xué)者提出了很多控制策略,其中,文獻(xiàn)[5]針對(duì)輪式移動(dòng)機(jī)械臂建立了一種基于神經(jīng)網(wǎng)絡(luò)的魯棒自適應(yīng)方法,對(duì)于模型受到的非完整約束使用了神經(jīng)網(wǎng)絡(luò)逼近執(zhí)行器模型的不確定性,然后針對(duì)神經(jīng)網(wǎng)絡(luò)的誤差設(shè)計(jì)了魯棒項(xiàng)進(jìn)行補(bǔ)償,最后通過(guò)仿真驗(yàn)證了系統(tǒng)具有良好的跟蹤性能和魯棒性,但是神經(jīng)網(wǎng)絡(luò)具有計(jì)算效率低、訓(xùn)練時(shí)間長(zhǎng)等缺點(diǎn)。針對(duì)這個(gè)問(wèn)題,文獻(xiàn)[6]將擴(kuò)展卡爾曼濾波器和模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合,訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)來(lái)產(chǎn)生前饋轉(zhuǎn)矩,用擴(kuò)展卡爾曼濾波器連續(xù)更新模糊神經(jīng)網(wǎng)絡(luò)的輸出權(quán)值和中心向量,提高了訓(xùn)練算法的計(jì)算效率和精度。文獻(xiàn)[7]針對(duì)帶有時(shí)滯補(bǔ)償?shù)囊苿?dòng)機(jī)械臂提出一種魯棒阻抗控制器,該方法能夠處理系統(tǒng)存在的非完整性約束、非線性和系統(tǒng)電機(jī)動(dòng)力學(xué)等不確定因素和擾動(dòng),為了使控制律不受動(dòng)力學(xué)影響,該文獻(xiàn)將系統(tǒng)的非線性動(dòng)力作為外部負(fù)載進(jìn)行處理,這樣就會(huì)增強(qiáng)控制器的魯棒性。文獻(xiàn)[8]針對(duì)具有非完整性約束的移動(dòng)機(jī)械臂跟蹤控制問(wèn)題,設(shè)計(jì)了一種實(shí)時(shí)估計(jì)系統(tǒng)參數(shù)的自適應(yīng)滑?？刂破?首先根據(jù)系統(tǒng)的動(dòng)力學(xué)方程設(shè)計(jì)了滑模控制器,然后通過(guò)自適應(yīng)律作用于移動(dòng)機(jī)械臂模型參數(shù)的不確定性。以上研究對(duì)于系統(tǒng)整體的建模與控制都比較依賴精確的模型信息,然而移動(dòng)機(jī)械臂在清潔過(guò)程中由于擾動(dòng)、參數(shù)時(shí)變、輸入飽和等因素的影響,很難獲系統(tǒng)的精確數(shù)學(xué)模型,因此基于精確模型的軌跡跟蹤控制效果難以保證[9]。

自抗擾控制是一種新型的控制算法,它不需要精確的被控對(duì)象模型,通過(guò)非線性反饋實(shí)現(xiàn)對(duì)系統(tǒng)的控制,并且能夠利用狀態(tài)觀測(cè)器對(duì)系統(tǒng)的內(nèi)外部干擾進(jìn)行觀測(cè)及加以補(bǔ)償,在非線性、強(qiáng)耦合系統(tǒng)的跟蹤控制上取得了良好的效果[10-11],但是與PID(Proportional-Integral-Derivative)控制類(lèi)似,自抗擾控制能否使系統(tǒng)獲得令人滿意的控制性能,關(guān)鍵取決于其參數(shù)是否調(diào)整合適。自抗擾控制器中需要整定的參數(shù)比較多,加上非線性系統(tǒng)的引入,使自抗擾控制器參數(shù)整定更加麻煩,一定程度上影響了自抗擾控制系統(tǒng)的跟蹤控制效果[12-13]。

本文針對(duì)移動(dòng)機(jī)械臂軌跡跟蹤控制問(wèn)題,充分考慮系統(tǒng)在運(yùn)行過(guò)程中受到非線性因素及不確定性復(fù)雜環(huán)境的干擾,提出一種基于遺傳算法優(yōu)化自抗擾的移動(dòng)機(jī)械臂軌跡跟蹤控制策略,并通過(guò)仿真實(shí)驗(yàn)證明了該控制方法在移動(dòng)機(jī)械臂軌跡跟蹤問(wèn)題上的優(yōu)越性。

1 移動(dòng)機(jī)械臂模型分析

本文所研究的移動(dòng)清潔機(jī)械臂考慮了工作環(huán)境的復(fù)雜多樣性,采用履帶式移動(dòng)平臺(tái),另外系統(tǒng)在清潔過(guò)程中不需要太多的自由度,以及移動(dòng)平臺(tái)本身帶有兩個(gè)自由度,因此系統(tǒng)搭載了兩個(gè)自由度的機(jī)械臂,其中履帶式移動(dòng)平臺(tái)采用兩個(gè)獨(dú)立的電機(jī)進(jìn)行驅(qū)動(dòng),機(jī)械臂安裝在移動(dòng)平臺(tái)的質(zhì)心o處,各個(gè)關(guān)節(jié)處各有一個(gè)電機(jī)來(lái)驅(qū)動(dòng),簡(jiǎn)化模型如圖1所示。

根據(jù)拉格朗日動(dòng)力學(xué)方程對(duì)移動(dòng)機(jī)械臂建立動(dòng)力學(xué)模型,并考慮移動(dòng)平臺(tái)和機(jī)械臂的非完整性約束以及他們之間的耦合關(guān)系,移動(dòng)平臺(tái)受到的非完整性微分約束為:

(1)

式中:yo,xo,θ分別為移動(dòng)平臺(tái)在世界坐標(biāo)系o-xyz中位置和導(dǎo)向角;d為兩履帶論中心與小車(chē)質(zhì)心間的距離。

定義描述該機(jī)器人系統(tǒng)的狀態(tài):q=[x0y0θφ1φ2],其中φ1、φ2分別表示兩自由度機(jī)械臂各個(gè)關(guān)節(jié)的轉(zhuǎn)角,則由式(1)可以得出:

(2)

式中A(q)=[-sinθcosθ-d0 0]。

通過(guò)整理可得系統(tǒng)的拉格朗日動(dòng)力學(xué)方程:

(3)

移動(dòng)機(jī)械臂包含移動(dòng)平臺(tái)和機(jī)械臂之間的動(dòng)力學(xué)耦合,通過(guò)計(jì)算合適的輸入力矩τ,就可以控制系統(tǒng)的狀態(tài)變量,使整個(gè)系統(tǒng)達(dá)到可期望的跟蹤軌跡。

根據(jù)考慮非完整性系統(tǒng)的零空間特性,消除式(3)中的約束力項(xiàng),有A(q)S(q)=0。此時(shí)系統(tǒng)的運(yùn)動(dòng)學(xué)方程為:

(4)

(5)

(6)

式中:C函數(shù)為系統(tǒng)的動(dòng)力學(xué)模型;υ為系統(tǒng)受到的內(nèi)外部總干擾;x1,x2為移動(dòng)機(jī)械臂末端執(zhí)行器的位置和速度;u為系統(tǒng)的反饋輸入;y為系統(tǒng)輸出變量;B為輸出矩陣。

2 移動(dòng)機(jī)械臂自抗擾控制器設(shè)計(jì)

2.1 自抗擾控制器基本結(jié)構(gòu)

本系統(tǒng)所設(shè)計(jì)的被控對(duì)象是一個(gè)多輸入多輸出的非線性連續(xù)系統(tǒng),其自抗擾控制器主要由非線性反饋、擴(kuò)張狀態(tài)觀測(cè)器和微分跟蹤器3個(gè)部分組成[14-16]。如圖2所示,自抗擾控制器結(jié)構(gòu)原理圖,其中微分跟蹤器為控制器輸入信號(hào)的過(guò)度環(huán)節(jié),并生成微分信號(hào)作為系統(tǒng)的輸入,擴(kuò)張狀態(tài)觀測(cè)器為控制器的核心環(huán)節(jié),可以對(duì)系統(tǒng)的外界干擾和系統(tǒng)輸出狀態(tài)變化作出精確的估計(jì),原理圖中的z1、z2、z3為狀態(tài)觀測(cè)器的輸出,非線性反饋由PD (proportional-derivative)控制組成,主要根據(jù)偏差信號(hào)e1、e2產(chǎn)生u0作為誤差反饋控制律。

2.2 移動(dòng)機(jī)械臂自抗擾控制器設(shè)計(jì)

2.2.1 輸入力矩分解

本文所研究的移動(dòng)機(jī)械臂系統(tǒng)為冗余機(jī)構(gòu),在任務(wù)空間中不僅可以滿足機(jī)械臂末端的運(yùn)動(dòng)指標(biāo),還可以對(duì)系統(tǒng)的其他指標(biāo)進(jìn)行最優(yōu)化,對(duì)于冗余機(jī)構(gòu),可以將移動(dòng)機(jī)械臂的移動(dòng)平臺(tái)和機(jī)械臂分別進(jìn)行運(yùn)動(dòng)控制,可以靈活操作。其驅(qū)動(dòng)力矩τ根據(jù)任務(wù)要求可以分為兩部分,即對(duì)任務(wù)空間有影響的部分和無(wú)影響的部分。

τ=JTF+NTτn。

(7)

式中:J為系統(tǒng)的雅可比矩陣;F為系統(tǒng)在運(yùn)動(dòng)時(shí)所受到的力;NT為廣義分量在J零空間投影所得的變換矩陣,N=I-J*J;τn為任意大小不確定性力。

本文研究思路是將移動(dòng)機(jī)械臂看作兩部分進(jìn)行分開(kāi)控制,將移動(dòng)機(jī)械臂的輸入量分解為兩部分,其中一部分用來(lái)完成機(jī)械臂各關(guān)節(jié)的軌跡跟蹤任務(wù),另一部分用來(lái)完成移動(dòng)平臺(tái)的運(yùn)動(dòng)跟蹤。首先將式(5)中所得的動(dòng)力學(xué)方程整理可得:

(8)

(9)

通過(guò)上文對(duì)移動(dòng)機(jī)械臂的動(dòng)力學(xué)分析,可以得出力矩輸入策略,如式(10)所示:

(10)

2.2.2 移動(dòng)機(jī)械臂任務(wù)空間自抗擾控制器設(shè)計(jì)

由自抗擾控制的系統(tǒng)結(jié)構(gòu)可知,自抗擾控制器主要由微分跟蹤器TD、擴(kuò)張狀態(tài)觀測(cè)器ESO、非線性反饋器NLSEF和擾動(dòng)補(bǔ)償組成。其中機(jī)器人任務(wù)空間的控制輸入為:

(11)

(1)微分跟蹤器TD。一個(gè)過(guò)度過(guò)程,可以得到系統(tǒng)的輸入跟蹤信號(hào)x1和微分信號(hào)x2。

(12)

式中:fhan函數(shù)是系統(tǒng)的最速控制綜合函數(shù),xo(t)為系統(tǒng)的期望信號(hào),h為積分步長(zhǎng),δ為跟蹤速度因子,h和δ參數(shù)可以調(diào)節(jié)。

(2)擴(kuò)張狀態(tài)觀測(cè)器ESO。是對(duì)系統(tǒng)內(nèi)部的不確定性與外部干擾的估計(jì)與觀測(cè)。

(13)

式中βi>0(i=01,02,03)。令α1=0.5;α2=0.25,zi跟蹤系統(tǒng)的狀態(tài)變量xi,本系統(tǒng)除了機(jī)器人的輸入和增益,其他影響當(dāng)作系統(tǒng)的總體干擾,根據(jù)擴(kuò)展?fàn)顟B(tài)觀測(cè)器來(lái)分析,系統(tǒng)總是可觀測(cè)的,且選擇合適的βi參數(shù)可以使觀測(cè)效果更好,因此β01、β02和β03定為本文的優(yōu)化目標(biāo)。

(3)非線性誤差反饋NLSEF。將微分跟蹤器輸入信號(hào)x1、x2與觀測(cè)器狀態(tài)變量信號(hào)z1、z2進(jìn)行組合,從而得到非線性狀態(tài)誤差反饋控制量u0,u0與系統(tǒng)總擾動(dòng)補(bǔ)償組合成系統(tǒng)總控制量u。

(14)

式中:α2>α1>0;e1為移動(dòng)機(jī)械臂的跟蹤誤差;e2為移動(dòng)機(jī)械臂的速度跟蹤誤差信號(hào);β1和β2作為可調(diào)節(jié)參數(shù)參數(shù)為本文優(yōu)化目標(biāo);fal函數(shù)為綜合性非線性函數(shù),可以避免高頻震蕩現(xiàn)象,定義為:

(15)

式中:σ為區(qū)間長(zhǎng)度;e為誤差變量。

(4)擾動(dòng)補(bǔ)償。移動(dòng)機(jī)械臂在運(yùn)動(dòng)過(guò)程中會(huì)和外部環(huán)境進(jìn)行交互而產(chǎn)生干擾,通過(guò)剛性矩陣kf與相關(guān)量相乘來(lái)調(diào)整接觸力,即

F(fe,fo)=kf(Fo-Fe)。

(16)

2.2.3 移動(dòng)機(jī)械臂配置空間自抗擾控制器設(shè)計(jì)

移動(dòng)平臺(tái)得配置變量設(shè)計(jì)為:

(17)

求導(dǎo)得:

(18)

(19)

可得:

(20)

整理可得移動(dòng)機(jī)械臂配置空間控制輸入為:

(21)

3 基于遺傳算法的自抗擾控制器參數(shù)優(yōu)化的設(shè)計(jì)

自抗擾控制與傳統(tǒng)的PID控制相比,具有良好的魯棒性且不需要精確的系統(tǒng)模型,得到了廣泛的應(yīng)用,但是自抗擾控制器參數(shù)較多,整定起來(lái)比較麻煩。本文采用遺傳算法對(duì)自抗擾控制器中擴(kuò)張狀態(tài)觀測(cè)器β01、β02、β03參數(shù)和非線性反饋中β1、β2參數(shù)進(jìn)行優(yōu)化,其中遺傳算法中的交叉概率Pc和變異概率Pm兩個(gè)變量的選擇按照自適應(yīng)調(diào)節(jié)的辦法,這樣可以適應(yīng)環(huán)境的不確定性[17]。最后在Simulink中搭建仿真平臺(tái),通過(guò)對(duì)遺傳算法設(shè)置初始種群,然后進(jìn)行迭代次數(shù)尋優(yōu)、自適應(yīng)交叉和變異操作等,從而優(yōu)化出最適應(yīng)移動(dòng)機(jī)械臂系統(tǒng)的參數(shù)值,其原理圖如圖3所示。

3.1 自抗擾控制器參數(shù)優(yōu)化設(shè)計(jì)目標(biāo)函數(shù)的建立

自抗擾控制器參數(shù)優(yōu)化,首先要建立對(duì)應(yīng)問(wèn)題的目標(biāo)函數(shù),針對(duì)移動(dòng)機(jī)械臂的控制系統(tǒng)建立目標(biāo)函數(shù),應(yīng)考慮移動(dòng)機(jī)械臂的控制系統(tǒng)響應(yīng)快速性和穩(wěn)定性、誤差的大小等綜合性能,本系統(tǒng)選用絕對(duì)誤差積分準(zhǔn)則(IAE)作為優(yōu)化指標(biāo)[18]。即

(22)

在兼顧系統(tǒng)的動(dòng)態(tài)性能時(shí),往往會(huì)出現(xiàn)系統(tǒng)的控制信號(hào)過(guò)大而導(dǎo)致飽和現(xiàn)象,這時(shí)需要限制控制器輸出量u,將最大量umax和最小量umin作為一項(xiàng)能量飽和項(xiàng)進(jìn)行加權(quán),即

(23)

系統(tǒng)響應(yīng)的穩(wěn)定性和快速性是建立目標(biāo)函數(shù)時(shí)需要考慮的一項(xiàng)重要性能,這時(shí)可以加入上升時(shí)間項(xiàng)(tr)和超調(diào)量(MP)作為一項(xiàng)評(píng)價(jià)指標(biāo),即

JMtr=w3|MP|>+w4tr。

(24)

最后通過(guò)權(quán)重系數(shù)法將以上評(píng)價(jià)指標(biāo)表示成指標(biāo)加權(quán)和的綜合形式:

(25)

式中w1,w2,w3,w4為權(quán)重系數(shù)。

遺傳算法的優(yōu)化作用是找出擴(kuò)張狀態(tài)觀測(cè)器β01、β02、β03參數(shù)和非線性反饋中β1、β2參數(shù)的最佳組合,由上文分析可知,目標(biāo)函數(shù)值越小,自抗擾控制器性能越好,因此可定義目標(biāo)函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)[19],求取適應(yīng)度函數(shù)的最大值,即

(26)

3.2 基于遺傳算法的自抗擾控制參數(shù)整定過(guò)程

下面針對(duì)基于自抗擾控制的移動(dòng)機(jī)械臂系統(tǒng)設(shè)計(jì)具體的優(yōu)化過(guò)程,其遺傳算法優(yōu)化流程圖如圖4所示,適應(yīng)度函數(shù)值與迭代次數(shù)關(guān)系如圖5所示。

(1)參數(shù)編碼

首先設(shè)定自抗擾控制器中參數(shù)β01、β02、β03、β1、β2作為5個(gè)編碼基因,由于剛開(kāi)始這5個(gè)優(yōu)化的參數(shù)取值范圍差別較大,即采用經(jīng)驗(yàn)設(shè)定法減小β01、β02、β03、β1、β2參數(shù)的取值范圍,從而減小搜索空間,設(shè)定的種群取值范圍為:β01∈[0,200],β02∈[0,200],β03∈[0,200],β1∈[0,100],β2∈[0,20]。

(2)個(gè)體選擇

在進(jìn)行優(yōu)秀個(gè)體選擇時(shí),首先將有用的遺傳信息進(jìn)行排序保留,然后按照輪盤(pán)賭方法選擇最佳個(gè)體,進(jìn)而將選出的個(gè)體作為父代遺傳給下一代個(gè)體。

(3)交叉和變異

現(xiàn)實(shí)應(yīng)用中在遺傳算法參數(shù)優(yōu)化過(guò)程中會(huì)產(chǎn)生“早熟”現(xiàn)象,為了提高優(yōu)化過(guò)程中全局搜索能力,避免其出現(xiàn)“早熟”現(xiàn)象,在參數(shù)優(yōu)化過(guò)程中選用一種自適應(yīng)調(diào)整參數(shù)交叉概率Pc和變異概率Pm,當(dāng)前代種群的個(gè)體適應(yīng)度值高于或者低于平均適應(yīng)度值時(shí),對(duì)應(yīng)交叉概率Pc和變異概率Pm應(yīng)該降低或者提高,以適應(yīng)環(huán)境的不確定性[20-21]。Pc和Pm表示為:

(27)

(28)

式中:favg為每代群體中適應(yīng)度平均值,fmax為最大適應(yīng)度值,f′為兩個(gè)交叉?zhèn)€體中最大適應(yīng)度值,f為出現(xiàn)變異個(gè)體的適應(yīng)度值。

(4)判斷收斂條件

優(yōu)化自抗擾控制器的參數(shù)時(shí),將遺傳代數(shù)和適應(yīng)度值不再劇烈改變時(shí)作為終止收斂條件,最終通過(guò)優(yōu)化得出的參數(shù)值為:β01=195.712 8,β02=13.714 8,β03=59.631 9,β1=95.716 7,β2=13.832 9。

4 仿真結(jié)果分析

為了驗(yàn)證基于遺傳算法優(yōu)化自抗擾控制器在移動(dòng)機(jī)械臂上的應(yīng)用,其軌跡跟蹤策略的有效性和優(yōu)越性,本文通過(guò)在Simulink仿真環(huán)境在搭建如圖2系統(tǒng)結(jié)構(gòu)圖,并通過(guò)S函數(shù)實(shí)現(xiàn)遺傳算法優(yōu)化自抗擾控制的移動(dòng)機(jī)械臂軌跡跟蹤策略,最后與未優(yōu)化的自抗擾器和傳統(tǒng)的PID控制器作比較,以此來(lái)說(shuō)明本文所用方法的優(yōu)越性,仿真分析中移動(dòng)機(jī)械臂模型參數(shù)如表1所示。

表1 移動(dòng)機(jī)械臂模型參數(shù)及設(shè)定值

下面對(duì)自抗擾控制器中相關(guān)參數(shù)進(jìn)行取值,首先β01、β02、β03、β1、β2參數(shù)值已經(jīng)由上文優(yōu)化得出,α1=0.25,α2=1.25,δ=0.01。仿真中設(shè)定移動(dòng)機(jī)械臂中移動(dòng)平臺(tái)和機(jī)械臂各關(guān)節(jié)目標(biāo)運(yùn)動(dòng)軌跡為:

(29)

使機(jī)械臂各個(gè)關(guān)節(jié)跟隨正弦軌跡運(yùn)動(dòng),移動(dòng)平臺(tái)跟隨圓形軌跡運(yùn)動(dòng)。其中移動(dòng)平臺(tái)軌跡跟蹤結(jié)果和軌跡跟蹤誤差仿真結(jié)果如圖6～圖8所示。

由圖6～圖8可知,對(duì)于移動(dòng)平臺(tái),GA-ADRC、ADRC、PID控制器都能夠?qū)δ繕?biāo)軌跡有較好的跟蹤,在x軸方向,3種控制系統(tǒng)分別在0.580 4 s、1.908 5 s、1.953 9 s時(shí)進(jìn)入誤差為0的穩(wěn)定狀態(tài),ADRC、PID控制器最大誤差達(dá)到了0.18 m;在y軸方向,3種控制系統(tǒng)分別在0.457 9 s、1.797 3 s、1.808 6 s時(shí)進(jìn)入穩(wěn)定狀態(tài),ADRC、PID控制器最大誤差達(dá)到了0.08 m,且在系統(tǒng)運(yùn)行時(shí),GA-ADRC控制器的誤差精度始終控制在0 m附近。

機(jī)械臂各關(guān)節(jié)軌跡跟蹤結(jié)果和軌跡跟蹤誤差仿真結(jié)果如圖9～圖12所示。

由圖9～圖12可知,對(duì)于機(jī)械臂1、2關(guān)節(jié)運(yùn)行角度,GA-ADRC控制系統(tǒng)分別在0.534 9 s、0.490 4 s、時(shí)進(jìn)入穩(wěn)定狀態(tài),ADRC控制系統(tǒng)分別在1.470 9 s、1.831 5 s時(shí)進(jìn)入穩(wěn)定狀態(tài),PID控制系統(tǒng)分別在1.508 4 s、1.861 0 s時(shí)進(jìn)入穩(wěn)定狀態(tài),且在系統(tǒng)運(yùn)動(dòng)時(shí),GA-ADRC控制系統(tǒng)相較于其它兩種控制系統(tǒng),GA-ADRC控制系統(tǒng)也始終能夠保持較小的跟蹤誤差。

由以上仿真結(jié)果可知,GA-ADRC控制器取得的跟蹤效果明顯優(yōu)于其他兩種方法,移動(dòng)機(jī)械臂的軌跡跟蹤響應(yīng)速度最快,跟蹤誤差最小?？梢?jiàn),通過(guò)遺傳算法優(yōu)化自抗擾控制器,能夠有效地提高移動(dòng)機(jī)械臂軌跡跟蹤能力和在復(fù)雜環(huán)境下的適應(yīng)能力。

5 結(jié)束語(yǔ)

本文針對(duì)移動(dòng)機(jī)械臂提高系統(tǒng)跟蹤控制精度和系統(tǒng)穩(wěn)定性要求,提出采用基于遺傳算法優(yōu)化自抗擾控制器策略來(lái)實(shí)現(xiàn)對(duì)移動(dòng)機(jī)械臂的控制,首先對(duì)整個(gè)系統(tǒng)進(jìn)行動(dòng)力學(xué)解耦,將系統(tǒng)分解為移動(dòng)平臺(tái)和機(jī)械臂兩個(gè)部分,然后對(duì)這兩個(gè)部分分別設(shè)計(jì)自抗擾控制器,利用遺傳算法對(duì)自抗擾控制器參數(shù)進(jìn)行優(yōu)化,最后將PID控制、ADRC控制、GA-ADRC控制3種控制策略的軌跡跟蹤誤差進(jìn)行了對(duì)比。從上文的仿真結(jié)果可以看出,本文設(shè)計(jì)的基于遺傳算法優(yōu)化自抗擾控制的移動(dòng)機(jī)械臂軌跡跟蹤控制策略控制精度比較高,跟蹤響應(yīng)速度快,可以很好地使移動(dòng)機(jī)械臂中移動(dòng)平臺(tái)和機(jī)械臂達(dá)到所期望的軌跡,軌跡跟蹤誤差最小。

本文主要針對(duì)移動(dòng)機(jī)械臂在清潔太陽(yáng)能板時(shí)所需要的自由度數(shù)進(jìn)行研究,但是當(dāng)機(jī)器人在完成自主開(kāi)關(guān)門(mén)、拾取物品等比較復(fù)雜的任務(wù)時(shí),可能會(huì)需要自由度數(shù)多的模型。后續(xù),可重點(diǎn)研究把本文設(shè)計(jì)的控制策略應(yīng)用到自由度數(shù)較高的模型結(jié)構(gòu)中,再根據(jù)具體的控制效果做進(jìn)一步的改善。