輸入飽和約束下的機械臂軌跡跟蹤滑?？刂?/h1>
2025-04-15 00:00:00楊靜軒何杰江保平
現(xiàn)代電子技術(shù) 2025年8期 關(guān)鍵詞：自適應(yīng)控制機械臂
摘" 要： 針對機械臂軌跡跟蹤控制精度差的問題，提出一種應(yīng)對輸入飽和、反步滑?？刂坪妥赃m應(yīng)控制的設(shè)計方案。為消除輸入飽和對機械臂跟蹤效果的影響，設(shè)計一個飽和補償?shù)姆蔷€性輔助系統(tǒng)。此外，將自適應(yīng)反步滑模控制方法應(yīng)用于軌跡跟蹤控制，提高了系統(tǒng)的穩(wěn)定性和跟蹤性能。利用李雅普諾夫穩(wěn)定性理論證明該系統(tǒng)的穩(wěn)定性，并通過仿真實驗驗證該方案的有效性。結(jié)果表明，所設(shè)計方案在應(yīng)對輸入飽和及復(fù)合干擾時，能夠?qū)崿F(xiàn)機械臂的高精度軌跡跟蹤控制。
關(guān)鍵詞： 機械臂； 軌跡跟蹤； 輸入飽和約束； 反步滑?？刂疲?自適應(yīng)控制； 非線性系統(tǒng)
中圖分類號： TN92?34； TP242.2" " " " " " " " " "文獻標識碼： A" " " " " " " " " " "文章編號： 1004?373X（2025）08?0149?06
Sliding mode control for robotic arm trajectory tracking under
input saturation constraints
YANG Jingxuan， HE Jie， JIANG Baoping
（School of Electronic and Information Engineering， Suzhou University of Science and Technology， Suzhou 215009， China）
Abstract： A design scheme to cope with input saturation， backstepping sliding mode control and adaptive control is proposed to improve the control accuracy of the robotic arm trajectory tracking. In order to eliminate the influence of input saturation on the tracking effect of the robotic arm， a saturation?compensated nonlinear auxiliary system is designed. In addition， the stability and tracking performance of the system are improved by applying the adaptive backstepping sliding mode control method to the trajectory tracking control. The stability of the system is proved by means of the Lyapunov stability theory， and the effectiveness of the scheme is verified by the simulation experiments. The results show that the designed scheme is capable of realizing high?precision trajectory tracking control of the robotic arm in response to the input saturation and compound disturbances.
Keywords： robotic arm; input saturation constraint; input saturation constraint; backstepping sliding mode control; adaptive control; nonlinear system
0" 引" 言
隨著我國經(jīng)濟和建筑建造的高速發(fā)展，建造過程中的高難度、高危險任務(wù)正逐步被建筑機械臂所取代[1?2]。這些機械臂能夠在建筑施工中承擔諸如高空作業(yè)、重物搬運等任務(wù)，有效提升了施工效率和安全性，且能夠防止人身傷亡及意外事件，極大地簡化了工程現(xiàn)場的安全管理工作[3]。它的廣泛使用不但促進了建筑業(yè)的智能化，還與數(shù)字化建設(shè)的發(fā)展趨勢相吻合。
然而，機械臂作為一個復(fù)雜的多輸入多輸出系統(tǒng)，具有強耦合、時變不確定性以及高度非線性等特征[4]，因此設(shè)計高精度、可靠的控制器成為實現(xiàn)既定目標的必要條件[5]。在這一背景下，學(xué)者們提出了自適應(yīng)控制[6?7]、反步控制[8?9]、神經(jīng)網(wǎng)絡(luò)控制[10?11]等多種非線性控制方案，設(shè)計這些控制器的目標是實現(xiàn)機械臂快速、穩(wěn)定地跟蹤期望軌跡。
機械臂跟蹤問題仍然是目前的研究重點[12]，其中滑?？刂凭哂泻芎玫聂敯粜?，被廣泛應(yīng)用于機械臂等非線性系統(tǒng)的控制。但該控制方式極易產(chǎn)生抖振現(xiàn)象，控制精度較低。為此，文獻[13]研究了空間機械臂在模型不確定性、外部干擾和執(zhí)行器飽和條件下的有限時間軌跡跟蹤控制，采用神經(jīng)網(wǎng)絡(luò)估計不確定模型并設(shè)計補償系統(tǒng)，提出了自適應(yīng)終端滑?？刂破?。文獻[14]針對捕獲空間目標后的空間機械臂精確快速軌跡跟蹤控制問題，提出了一種新穎的自適應(yīng)滑模擾動觀測器（ASMDO）來補償系統(tǒng)的不確定性，并開發(fā)了具有預(yù)定性能的復(fù)合控制器，通過數(shù)值仿真和實驗驗證了所提方法的有效性。文獻[15]提出了一種基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機械臂滑?？刂撇呗?，包括自適應(yīng)神經(jīng)網(wǎng)絡(luò)補償項、切換控制項和等效控制項，通過引入自適應(yīng)神經(jīng)網(wǎng)絡(luò)避免了建模誤差和外界擾動對系統(tǒng)的影響，同時采用切換控制和等效控制項提高了系統(tǒng)穩(wěn)定性和控制精度。文獻[16]提出了一種基于機械臂動力學(xué)模型分塊逼近的神經(jīng)網(wǎng)絡(luò)自適應(yīng)終端滑模控制方法，通過非奇異終端滑模面實現(xiàn)軌跡的快速、穩(wěn)定跟蹤，并利用RBF神經(jīng)網(wǎng)絡(luò)逼近模型參數(shù)，通過自適應(yīng)律在線調(diào)整權(quán)值以實現(xiàn)模型的重構(gòu)和魯棒性設(shè)計。文獻[17]提出了一種自適應(yīng)有限時間二階滑模跟蹤控制方案，使得機械臂能夠在有限時間內(nèi)實現(xiàn)準確跟蹤控制，并在實驗中驗證了其魯棒性能和有效性。
本文設(shè)計了將輸入飽和、反步滑模控制和自適應(yīng)控制相結(jié)合的控制策略，并應(yīng)用于機械臂軌跡跟蹤問題中。通過理論分析和數(shù)值模擬，驗證了這種綜合控制策略的有效性。結(jié)果表明：所提出的控制器能夠有效抑制輸入飽和效應(yīng)，提高機械臂系統(tǒng)的跟蹤精度和魯棒性；同時，控制器還具有良好的適應(yīng)性，能夠根據(jù)系統(tǒng)動態(tài)特性和外部環(huán)境變化實時調(diào)整控制參數(shù)，使機械臂系統(tǒng)始終處于最佳工作狀態(tài)。
1" 機械臂模型
2.3" 自適應(yīng)律設(shè)計
在實際機械臂控制系統(tǒng)中，不確定性及外部干擾通常是未知的，外部擾動信號[D]包括許多復(fù)雜因素，其上界值很難確定。為了避免[D]的上界問題，在設(shè)計控制器時要注意避開[D]的上界值。本文在反步滑?？刂破髟O(shè)計的基礎(chǔ)上，采用了自適應(yīng)算法，設(shè)置[D]為[D]的估計值。
本文中將控制器中的符號函數(shù)替換為雙曲正切函數(shù)。具體來說，雙曲正切函數(shù)在接近0時會趨于線性，這意味著在接近0的范圍內(nèi)，輸出的變化相對較??；相比之下，符號函數(shù)在零點附近跳躍，這會導(dǎo)致控制輸出的劇烈變化，從而引起抖振。因此，通過將符號函數(shù)替換為雙曲正切函數(shù)，可以減小控制器輸出的抖振，使系統(tǒng)更穩(wěn)定?；７床娇刂破髟O(shè)計為：
從圖1可知，在初始時刻由于跟蹤誤差較大，使得局部輸入力矩較大，超出了執(zhí)行器輸出的范圍，此時機械臂無法達到控制目標中所需的控制輸入，跟蹤效果受到影響。因此為保證系統(tǒng)穩(wěn)定性，飽和問題必須考慮。圖2中將機械臂關(guān)節(jié)控制輸入限制在-300～300 [N·m]，其中黑色虛線表示設(shè)計的飽和極限，并且所有控制轉(zhuǎn)矩都在極限內(nèi)。同時將控制器中的符號函數(shù)替換為雙曲正切函數(shù)，控制器輸出基本平穩(wěn)，僅有輕微抖振。圖3和圖4是雙關(guān)節(jié)機械臂在本文控制方案下的位置跟蹤誤差及速度跟蹤誤差。仿真結(jié)果表明，機械臂關(guān)節(jié)1和關(guān)節(jié)2的軌跡跟蹤誤差在軌跡跟蹤后期基本趨于0。
圖5和圖6所示為本文控制方案下雙關(guān)節(jié)機械臂的位置跟蹤及速度跟蹤控制。
仿真結(jié)果表明：使用所設(shè)計的控制算法后機械臂的關(guān)節(jié)1和關(guān)節(jié)2位置調(diào)節(jié)時間分別為1.1 s、0.7 s；機械臂的關(guān)節(jié)1和關(guān)節(jié)2速度調(diào)節(jié)時間分別為0.9 s、0.6 s。通過上述實驗數(shù)據(jù)可以看出，本文設(shè)計的控制算法能實現(xiàn)雙關(guān)節(jié)機械臂快速的跟蹤期望軌跡，同時曲線整體變化平滑且角度變化較小。
因此，本文所設(shè)計的控制器對具有不確定性、外部擾動和輸入飽和的機械臂軌跡跟蹤是有效的。
4" 結(jié)" 語
文中針對輸入飽和的機械臂系統(tǒng)，設(shè)計了一種自適應(yīng)反步滑?？刂扑惴?，并驗證了機械臂系統(tǒng)自適應(yīng)反步滑?？刂破髟谲壽E跟蹤控制中的有效性和正確性。首先建立了具有輸入飽和的機械臂動力學(xué)模型；然后詳細描述了反步滑模控制器的設(shè)計，并利用李雅普諾夫穩(wěn)定性定理證明了閉環(huán)系統(tǒng)的收斂性和穩(wěn)定性。在此框架下，還設(shè)計了自適應(yīng)控制器，用于避免外部擾動信號的不確定性，放寬了對不確定性界的先驗知識要求。該控制器綜合了滑?？刂?、反步控制和自適應(yīng)控制的優(yōu)點，通過Matlab仿真可知，其能夠有效地提高機械臂軌跡跟蹤的精度、魯棒性和適應(yīng)性，從而實現(xiàn)更高效、穩(wěn)定的控制性能。
注：本文通訊作者為江保平。
參考文獻
[1] DELGADO J M D， OYEDELE L， AJAYI A， et al. Robotics and automated systems in construction： Understanding industry?specific challenges for adoption [J]. Journal of building engineering， 2019， 26： 100868.
[2] 賀宇豪，賈東，楊緒波，等.基于機械臂混凝土加工系統(tǒng)的非線性建筑建造工程應(yīng)用研究：以上海智慧彎步行橋為例[J].建筑學(xué)報，2022（z1）：261?265.
[3] 黃康樂.建筑機械技術(shù)在廣州國際金融中心工程中的應(yīng)用[J].中國建筑金屬結(jié)構(gòu)，2023，22（8）：47?49.
[4] 張潤梅，羅谷安，袁彬，等.多關(guān)節(jié)機械臂干擾觀測器的自適應(yīng)滑?？刂芠J].機械科學(xué)與技術(shù)，2021，40（10）：1595?1602.
[5] 劉洋洋，院老虎，騰英元，等.基于RBF神經(jīng)網(wǎng)絡(luò)補償?shù)淖赃m應(yīng)滑模機械手控制[J].組合機床與自動化加工技術(shù)，2023（6）：119?122.
[6] 張岳，劉振，江保平，等.機械臂自適應(yīng)超螺旋積分終端滑?？刂芠J/OL].機械科學(xué)與技術(shù)，1?7[2024?04?02].https：//doi.org/10.13433/j.cnki.1003?8728.20230333.
[7] 付雯，溫浩，黃俊琿，等.基于非線性動力學(xué)模型補償?shù)乃聶C械臂自適應(yīng)滑?？刂芠J].清華大學(xué)學(xué)報（自然科學(xué)版），2023，63（7）：1068?1077.
[8] 施琳琳，陳強.基于神經(jīng)網(wǎng)絡(luò)柔性關(guān)節(jié)機械臂反演滑?？刂芠J].控制工程，2017，24（11）：2268?2273.
[9] GUO Q， ZHANG Y， CELLER B G， et al. Neural adaptive backstepping control of a robotic manipulator with prescribed performance constraint [J]. IEEE transactions on neural networks and learning systems， 2018， 30（12）： 3572?3583.
[10] SONG Q， LI S， BAI Q， et al. Trajectory planning of robot manipulator based on RBF neural network [J]. Entropy， 2021， 23（9）： 1207.
[11] HAN S I， LEE J M. Decentralized neural network control for guaranteed tracking error constraint of a robot manipulator [J]. International journal of control， automation and systems， 2015， 13（4）： 906?915.
[12] XIAO B， CAO L， XU S， et al. Robust tracking control of robot manipulators with actuator faults and joint velocity measurement uncertainty [J]. IEEE/ASME transactions on mechatronics， 2020， 25（3）： 1354?1365.
[13] JIA S， SHAN J. Finite?time trajectory tracking control of space manipulator under actuator saturation [J]. IEEE transactions on industrial electronics， 2019， 67（3）： 2086?2096.
[14] ZHU Y， QIAO J， GUO L. Adaptive sliding mode disturbance observer?based composite control with prescribed performance of space manipulators for target capturing [J]. IEEE transactions on industrial electronics， 2018， 66（3）： 1973?1983.
[15] 李琦琦，徐向榮，張卉.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機械臂滑模軌跡跟蹤控制[J].工程設(shè)計學(xué)報，2023，30（4）：512?520.
[16] 賈華，劉延俊，王雨，等.六軸機械臂神經(jīng)網(wǎng)絡(luò)自適應(yīng)終端滑模控制[J].西安交通大學(xué)學(xué)報，2022，56（11）：21?30.
[17] MOBAYEN S， MOFID O， DIN S U， et al. Finite?time tracking controller design of perturbed robotic manipulator based on adaptive second?order sliding mode control method [J]. IEEE access， 2021， 9： 71159?71169.
[18] 陳梓寧，童亮，李曉東，等. 自適應(yīng)時域模型預(yù)測控制的軌跡跟蹤控制[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2024，38（5）：78?85.
[19] 李勝琴，邢佳祁.基于模型預(yù)測和轉(zhuǎn)角補償?shù)闹悄芷嚀Q道軌跡跟蹤控制算法[J].江蘇大學(xué)學(xué)報（自然科學(xué)版），2024，45（3）：249?256.
[20] 馬環(huán)洲，夏信凱，郭睿華，等.基于電子皮膚的機械臂主動安全控制研究[J].電子設(shè)計工程，2024，32（14）：1?5.
作者簡介：楊靜軒（1999—），男，河南許昌人，在讀碩士研究生，研究方向為機器人控制系統(tǒng)。
何" 杰（1999—），男，江蘇鹽城人，在讀碩士研究生，研究方向為智能電網(wǎng)安全性。
江保平（1990—），男，安徽安慶人，博士研究生，副教授，研究方向為智能控制理論。
收稿日期：2024?06?08" " " " " "修回日期：2024?07?12
基金項目：國家自然科學(xué)基金青年基金項目（62003231）
猜你喜歡
基于智能車技術(shù)的圖書館書籍整理機器人中國科技博覽(2016年27期)2017-01-23 01:32:28 機械臂平面運動控制與分析農(nóng)機使用與維修(2016年12期)2017-01-17 15:23:12 機械臂工作空間全局相對可操作度圖的構(gòu)建方法安徽理工大學(xué)學(xué)報·自然科學(xué)版(2016年1期)2016-12-14 22:15:06 基于RBF神經(jīng)網(wǎng)絡(luò)的PID自校正控制研究電腦知識與技術(shù)(2016年25期)2016-11-16 14:27:21 人機交互課程創(chuàng)新實驗計算機教育(2016年7期)2016-11-10 09:01:27 定點巡視與帶電清理平臺的研究與設(shè)計中國科技博覽(2016年9期)2016-04-25 10:13:28 注塑機注射速度控制研究現(xiàn)狀和發(fā)展綜述計算技術(shù)與自動化(2015年3期)2015-12-31 17:09:55 計算技術(shù)與自動化(2015年3期)2015-12-31 16:57:45 基于S7?300 PLC不規(guī)則空間曲線自動焊接系統(tǒng)設(shè)計現(xiàn)代電子技術(shù)(2015年17期)2015-09-23 22:07:14 分數(shù)階Volta系統(tǒng)自適應(yīng)混合投影同步及其在保密通信中的應(yīng)用軟件導(dǎo)刊(2015年8期)2015-09-18 12:48:03
摘" 要： 針對機械臂軌跡跟蹤控制精度差的問題，提出一種應(yīng)對輸入飽和、反步滑?？刂坪妥赃m應(yīng)控制的設(shè)計方案。為消除輸入飽和對機械臂跟蹤效果的影響，設(shè)計一個飽和補償?shù)姆蔷€性輔助系統(tǒng)。此外，將自適應(yīng)反步滑模控制方法應(yīng)用于軌跡跟蹤控制，提高了系統(tǒng)的穩(wěn)定性和跟蹤性能。利用李雅普諾夫穩(wěn)定性理論證明該系統(tǒng)的穩(wěn)定性，并通過仿真實驗驗證該方案的有效性。結(jié)果表明，所設(shè)計方案在應(yīng)對輸入飽和及復(fù)合干擾時，能夠?qū)崿F(xiàn)機械臂的高精度軌跡跟蹤控制。
關(guān)鍵詞： 機械臂； 軌跡跟蹤； 輸入飽和約束； 反步滑?？刂疲?自適應(yīng)控制； 非線性系統(tǒng)
中圖分類號： TN92?34； TP242.2" " " " " " " " " "文獻標識碼： A" " " " " " " " " " "文章編號： 1004?373X（2025）08?0149?06
Sliding mode control for robotic arm trajectory tracking under
input saturation constraints
YANG Jingxuan， HE Jie， JIANG Baoping
（School of Electronic and Information Engineering， Suzhou University of Science and Technology， Suzhou 215009， China）
Abstract： A design scheme to cope with input saturation， backstepping sliding mode control and adaptive control is proposed to improve the control accuracy of the robotic arm trajectory tracking. In order to eliminate the influence of input saturation on the tracking effect of the robotic arm， a saturation?compensated nonlinear auxiliary system is designed. In addition， the stability and tracking performance of the system are improved by applying the adaptive backstepping sliding mode control method to the trajectory tracking control. The stability of the system is proved by means of the Lyapunov stability theory， and the effectiveness of the scheme is verified by the simulation experiments. The results show that the designed scheme is capable of realizing high?precision trajectory tracking control of the robotic arm in response to the input saturation and compound disturbances.
Keywords： robotic arm; input saturation constraint; input saturation constraint; backstepping sliding mode control; adaptive control; nonlinear system
0" 引" 言
隨著我國經(jīng)濟和建筑建造的高速發(fā)展，建造過程中的高難度、高危險任務(wù)正逐步被建筑機械臂所取代[1?2]。這些機械臂能夠在建筑施工中承擔諸如高空作業(yè)、重物搬運等任務(wù)，有效提升了施工效率和安全性，且能夠防止人身傷亡及意外事件，極大地簡化了工程現(xiàn)場的安全管理工作[3]。它的廣泛使用不但促進了建筑業(yè)的智能化，還與數(shù)字化建設(shè)的發(fā)展趨勢相吻合。
然而，機械臂作為一個復(fù)雜的多輸入多輸出系統(tǒng)，具有強耦合、時變不確定性以及高度非線性等特征[4]，因此設(shè)計高精度、可靠的控制器成為實現(xiàn)既定目標的必要條件[5]。在這一背景下，學(xué)者們提出了自適應(yīng)控制[6?7]、反步控制[8?9]、神經(jīng)網(wǎng)絡(luò)控制[10?11]等多種非線性控制方案，設(shè)計這些控制器的目標是實現(xiàn)機械臂快速、穩(wěn)定地跟蹤期望軌跡。
機械臂跟蹤問題仍然是目前的研究重點[12]，其中滑?？刂凭哂泻芎玫聂敯粜?，被廣泛應(yīng)用于機械臂等非線性系統(tǒng)的控制。但該控制方式極易產(chǎn)生抖振現(xiàn)象，控制精度較低。為此，文獻[13]研究了空間機械臂在模型不確定性、外部干擾和執(zhí)行器飽和條件下的有限時間軌跡跟蹤控制，采用神經(jīng)網(wǎng)絡(luò)估計不確定模型并設(shè)計補償系統(tǒng)，提出了自適應(yīng)終端滑?？刂破?。文獻[14]針對捕獲空間目標后的空間機械臂精確快速軌跡跟蹤控制問題，提出了一種新穎的自適應(yīng)滑模擾動觀測器（ASMDO）來補償系統(tǒng)的不確定性，并開發(fā)了具有預(yù)定性能的復(fù)合控制器，通過數(shù)值仿真和實驗驗證了所提方法的有效性。文獻[15]提出了一種基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機械臂滑?？刂撇呗?，包括自適應(yīng)神經(jīng)網(wǎng)絡(luò)補償項、切換控制項和等效控制項，通過引入自適應(yīng)神經(jīng)網(wǎng)絡(luò)避免了建模誤差和外界擾動對系統(tǒng)的影響，同時采用切換控制和等效控制項提高了系統(tǒng)穩(wěn)定性和控制精度。文獻[16]提出了一種基于機械臂動力學(xué)模型分塊逼近的神經(jīng)網(wǎng)絡(luò)自適應(yīng)終端滑模控制方法，通過非奇異終端滑模面實現(xiàn)軌跡的快速、穩(wěn)定跟蹤，并利用RBF神經(jīng)網(wǎng)絡(luò)逼近模型參數(shù)，通過自適應(yīng)律在線調(diào)整權(quán)值以實現(xiàn)模型的重構(gòu)和魯棒性設(shè)計。文獻[17]提出了一種自適應(yīng)有限時間二階滑模跟蹤控制方案，使得機械臂能夠在有限時間內(nèi)實現(xiàn)準確跟蹤控制，并在實驗中驗證了其魯棒性能和有效性。
本文設(shè)計了將輸入飽和、反步滑模控制和自適應(yīng)控制相結(jié)合的控制策略，并應(yīng)用于機械臂軌跡跟蹤問題中。通過理論分析和數(shù)值模擬，驗證了這種綜合控制策略的有效性。結(jié)果表明：所提出的控制器能夠有效抑制輸入飽和效應(yīng)，提高機械臂系統(tǒng)的跟蹤精度和魯棒性；同時，控制器還具有良好的適應(yīng)性，能夠根據(jù)系統(tǒng)動態(tài)特性和外部環(huán)境變化實時調(diào)整控制參數(shù)，使機械臂系統(tǒng)始終處于最佳工作狀態(tài)。
1" 機械臂模型
2.3" 自適應(yīng)律設(shè)計
在實際機械臂控制系統(tǒng)中，不確定性及外部干擾通常是未知的，外部擾動信號[D]包括許多復(fù)雜因素，其上界值很難確定。為了避免[D]的上界問題，在設(shè)計控制器時要注意避開[D]的上界值。本文在反步滑?？刂破髟O(shè)計的基礎(chǔ)上，采用了自適應(yīng)算法，設(shè)置[D]為[D]的估計值。
本文中將控制器中的符號函數(shù)替換為雙曲正切函數(shù)。具體來說，雙曲正切函數(shù)在接近0時會趨于線性，這意味著在接近0的范圍內(nèi)，輸出的變化相對較??；相比之下，符號函數(shù)在零點附近跳躍，這會導(dǎo)致控制輸出的劇烈變化，從而引起抖振。因此，通過將符號函數(shù)替換為雙曲正切函數(shù)，可以減小控制器輸出的抖振，使系統(tǒng)更穩(wěn)定?；７床娇刂破髟O(shè)計為：
從圖1可知，在初始時刻由于跟蹤誤差較大，使得局部輸入力矩較大，超出了執(zhí)行器輸出的范圍，此時機械臂無法達到控制目標中所需的控制輸入，跟蹤效果受到影響。因此為保證系統(tǒng)穩(wěn)定性，飽和問題必須考慮。圖2中將機械臂關(guān)節(jié)控制輸入限制在-300～300 [N·m]，其中黑色虛線表示設(shè)計的飽和極限，并且所有控制轉(zhuǎn)矩都在極限內(nèi)。同時將控制器中的符號函數(shù)替換為雙曲正切函數(shù)，控制器輸出基本平穩(wěn)，僅有輕微抖振。圖3和圖4是雙關(guān)節(jié)機械臂在本文控制方案下的位置跟蹤誤差及速度跟蹤誤差。仿真結(jié)果表明，機械臂關(guān)節(jié)1和關(guān)節(jié)2的軌跡跟蹤誤差在軌跡跟蹤后期基本趨于0。
圖5和圖6所示為本文控制方案下雙關(guān)節(jié)機械臂的位置跟蹤及速度跟蹤控制。
仿真結(jié)果表明：使用所設(shè)計的控制算法后機械臂的關(guān)節(jié)1和關(guān)節(jié)2位置調(diào)節(jié)時間分別為1.1 s、0.7 s；機械臂的關(guān)節(jié)1和關(guān)節(jié)2速度調(diào)節(jié)時間分別為0.9 s、0.6 s。通過上述實驗數(shù)據(jù)可以看出，本文設(shè)計的控制算法能實現(xiàn)雙關(guān)節(jié)機械臂快速的跟蹤期望軌跡，同時曲線整體變化平滑且角度變化較小。
因此，本文所設(shè)計的控制器對具有不確定性、外部擾動和輸入飽和的機械臂軌跡跟蹤是有效的。
4" 結(jié)" 語
文中針對輸入飽和的機械臂系統(tǒng)，設(shè)計了一種自適應(yīng)反步滑?？刂扑惴?，并驗證了機械臂系統(tǒng)自適應(yīng)反步滑?？刂破髟谲壽E跟蹤控制中的有效性和正確性。首先建立了具有輸入飽和的機械臂動力學(xué)模型；然后詳細描述了反步滑模控制器的設(shè)計，并利用李雅普諾夫穩(wěn)定性定理證明了閉環(huán)系統(tǒng)的收斂性和穩(wěn)定性。在此框架下，還設(shè)計了自適應(yīng)控制器，用于避免外部擾動信號的不確定性，放寬了對不確定性界的先驗知識要求。該控制器綜合了滑?？刂?、反步控制和自適應(yīng)控制的優(yōu)點，通過Matlab仿真可知，其能夠有效地提高機械臂軌跡跟蹤的精度、魯棒性和適應(yīng)性，從而實現(xiàn)更高效、穩(wěn)定的控制性能。
注：本文通訊作者為江保平。
參考文獻
[1] DELGADO J M D， OYEDELE L， AJAYI A， et al. Robotics and automated systems in construction： Understanding industry?specific challenges for adoption [J]. Journal of building engineering， 2019， 26： 100868.
[2] 賀宇豪，賈東，楊緒波，等.基于機械臂混凝土加工系統(tǒng)的非線性建筑建造工程應(yīng)用研究：以上海智慧彎步行橋為例[J].建筑學(xué)報，2022（z1）：261?265.
[3] 黃康樂.建筑機械技術(shù)在廣州國際金融中心工程中的應(yīng)用[J].中國建筑金屬結(jié)構(gòu)，2023，22（8）：47?49.
[4] 張潤梅，羅谷安，袁彬，等.多關(guān)節(jié)機械臂干擾觀測器的自適應(yīng)滑?？刂芠J].機械科學(xué)與技術(shù)，2021，40（10）：1595?1602.
[5] 劉洋洋，院老虎，騰英元，等.基于RBF神經(jīng)網(wǎng)絡(luò)補償?shù)淖赃m應(yīng)滑模機械手控制[J].組合機床與自動化加工技術(shù)，2023（6）：119?122.
[6] 張岳，劉振，江保平，等.機械臂自適應(yīng)超螺旋積分終端滑?？刂芠J/OL].機械科學(xué)與技術(shù)，1?7[2024?04?02].https：//doi.org/10.13433/j.cnki.1003?8728.20230333.
[7] 付雯，溫浩，黃俊琿，等.基于非線性動力學(xué)模型補償?shù)乃聶C械臂自適應(yīng)滑?？刂芠J].清華大學(xué)學(xué)報（自然科學(xué)版），2023，63（7）：1068?1077.
[8] 施琳琳，陳強.基于神經(jīng)網(wǎng)絡(luò)柔性關(guān)節(jié)機械臂反演滑?？刂芠J].控制工程，2017，24（11）：2268?2273.
[9] GUO Q， ZHANG Y， CELLER B G， et al. Neural adaptive backstepping control of a robotic manipulator with prescribed performance constraint [J]. IEEE transactions on neural networks and learning systems， 2018， 30（12）： 3572?3583.
[10] SONG Q， LI S， BAI Q， et al. Trajectory planning of robot manipulator based on RBF neural network [J]. Entropy， 2021， 23（9）： 1207.
[11] HAN S I， LEE J M. Decentralized neural network control for guaranteed tracking error constraint of a robot manipulator [J]. International journal of control， automation and systems， 2015， 13（4）： 906?915.
[12] XIAO B， CAO L， XU S， et al. Robust tracking control of robot manipulators with actuator faults and joint velocity measurement uncertainty [J]. IEEE/ASME transactions on mechatronics， 2020， 25（3）： 1354?1365.
[13] JIA S， SHAN J. Finite?time trajectory tracking control of space manipulator under actuator saturation [J]. IEEE transactions on industrial electronics， 2019， 67（3）： 2086?2096.
[14] ZHU Y， QIAO J， GUO L. Adaptive sliding mode disturbance observer?based composite control with prescribed performance of space manipulators for target capturing [J]. IEEE transactions on industrial electronics， 2018， 66（3）： 1973?1983.
[15] 李琦琦，徐向榮，張卉.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的機械臂滑模軌跡跟蹤控制[J].工程設(shè)計學(xué)報，2023，30（4）：512?520.
[16] 賈華，劉延俊，王雨，等.六軸機械臂神經(jīng)網(wǎng)絡(luò)自適應(yīng)終端滑模控制[J].西安交通大學(xué)學(xué)報，2022，56（11）：21?30.
[17] MOBAYEN S， MOFID O， DIN S U， et al. Finite?time tracking controller design of perturbed robotic manipulator based on adaptive second?order sliding mode control method [J]. IEEE access， 2021， 9： 71159?71169.
[18] 陳梓寧，童亮，李曉東，等. 自適應(yīng)時域模型預(yù)測控制的軌跡跟蹤控制[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2024，38（5）：78?85.
[19] 李勝琴，邢佳祁.基于模型預(yù)測和轉(zhuǎn)角補償?shù)闹悄芷嚀Q道軌跡跟蹤控制算法[J].江蘇大學(xué)學(xué)報（自然科學(xué)版），2024，45（3）：249?256.
[20] 馬環(huán)洲，夏信凱，郭睿華，等.基于電子皮膚的機械臂主動安全控制研究[J].電子設(shè)計工程，2024，32（14）：1?5.
作者簡介：楊靜軒（1999—），男，河南許昌人，在讀碩士研究生，研究方向為機器人控制系統(tǒng)。
何" 杰（1999—），男，江蘇鹽城人，在讀碩士研究生，研究方向為智能電網(wǎng)安全性。
江保平（1990—），男，安徽安慶人，博士研究生，副教授，研究方向為智能控制理論。
收稿日期：2024?06?08" " " " " "修回日期：2024?07?12
基金項目：國家自然科學(xué)基金青年基金項目（62003231）
猜你喜歡
中國科技博覽(2016年27期)2017-01-23 01:32:28
農(nóng)機使用與維修(2016年12期)2017-01-17 15:23:12
安徽理工大學(xué)學(xué)報·自然科學(xué)版(2016年1期)2016-12-14 22:15:06
電腦知識與技術(shù)(2016年25期)2016-11-16 14:27:21
計算機教育(2016年7期)2016-11-10 09:01:27
中國科技博覽(2016年9期)2016-04-25 10:13:28
計算技術(shù)與自動化(2015年3期)2015-12-31 17:09:55
現(xiàn)代電子技術(shù)(2015年17期)2015-09-23 22:07:14
軟件導(dǎo)刊(2015年8期)2015-09-18 12:48:03
