第5章 机器人控制技术.ppt

5.3.2关节运动的伺服控制2、线性多变量控制方法对控制律两边求拉普拉氏变换可得则其传递函数为：由此可以看出，线性多变量控制选用的是一个比例微分（PD）控制器，其考虑的主要是位移和速度的误差对耦合力项和重力项的影响，所以适合于高速、轻载机器人的控制。5.3运动控制第5章机器人控制技术5.3.2关节运动的伺服控制3、自适应控制自适应控制就是指机器人根据传感器对外界环境和对象物的感知，利用人工智能中的各种学习、推理和决策技术，对外界信息进行准确处理，然后对自己行为作出自主决策以自动地完成任务的控制方式。5.3运动控制第5章机器人控制技术5.3.2关节运动的伺服控制3、自适应控制理想自适应控制是在基于模型控制的基础上，增添自适应控制规律，不断观测机器人各个关节的状态和伺服误差，驱动自适应算法，重新调整或更新非线性模型参数，直至伺服误差消失为止。由此可见，这种控制方法对机器人控制系统的动态性能具有自我调整功能，并且可以达到全局的稳定。5.3运动控制第5章机器人控制技术5.3.2关节运动的伺服控制4、自学习控制自学习控制是近年来提出的一种智能控制方法，它可利用结构简单的控制器实现高精度的控制。目前人们提出的自学习控制方案主要有：迭代自学习控制重复自学习控制。5.3运动控制第5章机器人控制技术5.3.2关节运动的伺服控制4、自学习控制迭代自学习控制：迭代自学习控制是以数学模型模仿人类在每次操作均在规定的时间内结束，且在期望值给定的条件下重复进行一件同样的工作为基本思路，若每次操作开始时系统的初始值已知，每次输出值可测，则输出与输入的误差信号就可作为下一次的控制输入，用简单的迭代律更新存入存储装置的控制输入，从而改善系统在输入作用下的输出，直至获得期望的控制结果。5.3运动控制第5章机器人控制技术5.3.2关节运动的伺服控制4、自学习控制重复自学习控制：重复自学习控制同样适用于进行重复操作的机器人，但它与迭代自学习控制不同，它不是简单的生成期望的前馈控制信号，而是利用“内模原理”，在稳定的闭环系统内设置一个可以产生与参考输入同周期的内部模型，从而使系统实现对外周期信号的跟踪。5.3运动控制第5章机器人控制技术5.3.3机器人语言世界上最早开展机器人语言研究的是美国斯坦福大学、麻省理工学院以及英国的一些大学，他们在20世纪60年代初期就着手这方面的工作。1973年斯坦福大学人工智能研究室研制出实用的WAVE语言，这是第一个机器人语言。WAVE语言具有动作的描述、力和接触的控制，配合视觉系统可以完成手眼协调编程。5.3运动控制第5章机器人控制技术5.3.3机器人语言之后斯坦福大学人工智能研究室在WAVE语言的基础上，又开发出了AL语言。AL语言不仅能用来描述机器人手爪的操作，而且还能记忆作业环境以及环境内各个对象物之间的相对位置，可以用来控制多台机器人协调工作。5.3运动控制第5章机器人控制技术5.3.3机器人语言美国IBM公司在机器人语言研究上作了很多工作，也取得过不少成果。该公司在20世纪70年代中期开发了应用于直角坐标机器人上的EMILY和ML语言，能用于机器人的装配作业。此后又研制出用于装配机器人的AUTOPASS语言，这是一种比较高级的机器人语言，它可以对几何模型类任务进行半自动编程。在1982年，IBM公司又推出了AML语言，目前，AML语言已作为商业化产品用于IBM机器人的控制。5.3运动控制第5章机器人控制技术5.3.3机器人语言1979年,美国Unimation公司推出了VAL语言，主要用于PUMA和Unimate等系列的机器人上，是一种比较成功的机器人语言。VAL语言是在BASIC语言的基础上扩展的机器人语言，它具有BASIC语言的结构，比较简单，易于编程，为工业机器人所适用。1984年该公司推出VAL-Ⅱ语言，它是在VAL语言的基础上，增加开发利用传感器信息进行运动控制和数据处理以及通讯等功能。现在VAL语言已经升级为V++语言，性能得到了更大的提高。5.3运动控制第5章机器人控制技术5.3.1关节运动伺服指令的生成2、轨迹规划的实现过程（1）PTP