论文摘要
目前机器人轨迹跟踪问题的研究已成为国内外研究的前沿和热点问题。由于滑模变结构控制的滑动模态运动对系统的参数摄动、外界扰动及系统不确定性具有完全鲁棒性,所以滑模变结构控制适用于解决机器人的轨迹跟踪问题。但是滑模变结构控制也存在不足,当系统状态到达滑模面后,会在滑模面附近产生高频震荡,即“滑模抖振”,在一定程度上制约其发展。本文的具体工作如下:(1)将传统的滑模变结构控制应用到二关节机器人轨迹跟踪控制当中,针对滑模控制的抖振问题采用一种基于模型的干扰观测器进行补偿。但该观测器适用于慢时变的干扰信号,且依赖于精确的系统模型,在一定程度上限制了其应用和发展。(2)反演控制的思想是将多变量高阶系统转化成多个单变量低阶子系统,使复杂的多变量系统得以简化处理。反演控制适合于机器人系统,因为N关节机器人易于拆分成多个以关节为单位的迭代子系统,所以本文将反演控制和滑模控制相融和,利用反演控制将复杂的多关节运动简化,利用滑模变结构控制解决系统的非线性特性,结合两种控制方法的优点,设计了一种反演滑模控制器。(3)机器人系统的许多控制方法都依赖于状态反馈控制,然而机器人系统的运动模态是很难获得的。针对这一问题,本文设计了Luenberger型状态观测器。Luenberger型观测器只针对机器人系统设计的,结构简单,观测效果较好,但该观测器对模型依赖度较大。机器人系统是非线性、不确定系统,精确的模型是很难获得的,所以本文又设计了针对非线性系统的神经网络观测器。该观测器对模型依赖度小,适用于非线性系统的状态观测,仿真实验验证了该观测器的有效性。并将两种观测器分别与滑模控制相结合,实现基于观测器的机器人轨迹跟踪的滑模变结构控制。(4)针对传统方法设计的滑模控制器含有明显抖振现象,本文提出一种抑制滑模变结构控制抖振的方法。滑模抖振的产生主要是由于切换增益选择不当及控制器的开关特性造成的,本文设计的抑制抖振的方法是采用神经网络技术在线调整控制器的切换增益,避免因补偿不确定性而使切换增益选择不当造成抖振,且利用饱和函数代替传统滑模控制的符号函数,使系统的开关特性得以柔化,从而有效的抑制抖振。(5)机器人系统本身具有多运动状态且工作环境多变,在较复杂的情况下可以采用多模型控制方法,多模型控制可以实现不同模型间的切换,以选择更适合当前情况的模型。本文设计了机器人多模型反演滑模控制,提出一种PID型切换指标函数,该指标函数增加了遗忘因子,使切换更为准确、合理。仿真结果验证了本文所提出的控制策略的有效性。