论文部分内容阅读
柔性迭代学习控制目标是实现对任意期望轨迹进行精确、快速地跟踪,不需要期望轨迹在整个迭代学习过程中保持严格重复。而柔性迭代控制的关键是寻找任意期望轨迹的初次控制信号使得系统通过较少迭代次数(甚至初次)就能得到一个满意的跟踪精度,避免了由于期望轨迹的变化导致传统迭代学习需要重新学习的问题。本文研究了从历次轨迹跟踪控制信息中通过期望轨迹匹配提取初次迭代控制信号的方法。分析了初次控制信号对系统的影响,对于初次迭代控制信号在拼接处由边界条件差异引起的干扰,给出了一种H_∞反馈辅助ILC方法。在六自由度工业机器人平台实现所提算法。主要工作和成果如下:1.介绍了本文课题的研究背景与意义,并对迭代学习控制、H_∞控制和混合灵敏度问题的国内外研究现状进行综述。阐述了轨迹基元匹配的柔性ILC整体结构,同时采用NURBS模型描述期望轨迹和轨迹库中轨迹。2.建立了NURBS模型轨迹数据库,提出“先粗后精”的轨迹基元优化匹配方法。以均方根误差指标衡量两条轨迹的相似精度,利用Kabsch算法计算两条轨迹的最小均方根误差所对应的旋转平移矩阵。首先通过降低匹配精度要求以及增大搜索步长从众多轨迹中匹配出与期望轨迹存在较多相似片段的整条轨迹;接着在匹配出的若干轨迹中通过提高匹配精度、缩短搜索步长,得到若干与期望轨迹片段相似的轨迹基元;最后将这些轨迹基元通过旋转平移组合成一条与期望轨迹相似的组合轨迹。3.研究了初次控制信号的提取方法,数学推导了初次控制信号对系统初次输出误差的影响以及控制信号在跳变处对系统输出的影响,设计了H_∞反馈辅助迭代学习控制系统结构。针对控制结构给出了系统的收敛性条件证明过程,同时选择合适的权值函数设计整个系统的控制器参数。在该控制系统中将本文提取的初次控制信号和初次控制信号为零的ILC控制方法作对比,验证了本文提取的初次控制信号的有效性。4.基于CoDeSys软件开发平台构建ER50六轴工业机器人运动学模型,实现机器人的上电使能、回原点功能,编程实现H_∞反馈辅助ILC算法,实验结果证明了所提出方法的有效性。6.总结本文工作完成情况,并对一些不足之处进行说明同时提出一些展望。