为了正常的体验网站,请在浏览器设置里面开启Javascript功能!

【doc】一种6自由度冗余驱动并联机器人的神经内分泌智能控制

2017-12-29 12页 doc 29KB 11阅读

用户头像

is_686908

暂无简介

举报
【doc】一种6自由度冗余驱动并联机器人的神经内分泌智能控制【doc】一种6自由度冗余驱动并联机器人的神经内分泌智能控制 一种6自由度冗余驱动并联机器人的神经内 分泌智能控制 1甸似 一 种6自由度冗余驱动并联机器人的神经 内分泌智能控制 陈瑞祥.,任立红',丁永生 (1.东华大学信息科学与技术学院,上海201620;2.数字化纺织服装技术教育部工程研究中心,上海201620 3.南通大学电气工程学院,江苏南通226007) 摘要:给出一种新型8输入6自由度冗余驱动并联机器人的机械结构,并建立其运动学逆解.基于 神经内分泌激素调节原理及激素调节回路模型,结合8输入6...
【doc】一种6自由度冗余驱动并联机器人的神经内分泌智能控制
【doc】一种6自由度冗余驱动并联机器人的神经内分泌智能控制 一种6自由度冗余驱动并联机器人的神经内 分泌智能控制 1甸似 一 种6自由度冗余驱动并联机器人的神经 内分泌智能控制 陈瑞祥.,任立红',丁永生 (1.东华大学信息科学与技术学院,上海201620;2.数字化纺织服装技术教育部工程研究中心,上海201620 3.南通大学电气工程学院,江苏南通226007) 摘要:给出一种新型8输入6自由度冗余驱动并联机器人的机械结构,并建立其运动学逆解.基于 神经内分泌激素调节原理及激素调节回路模型,结合8输入6自由度冗余驱动并联机器人的特 点,设计了一种智能控制器.考虑到建立精确的并联机器人动力学模型的实际困难,利用 MATLAB中MimMechanics建立了该机器人的机械系统模型,并利用提出的智能控制器对其 进行控制.仿真结果明该智能控制器能有效地控制此6自由度并联机器人. 关键词:冗余驱动;并联机器人;神经内分泌;智能控制器;MimMechanics 中图分类号:TP242文献标识码:A文章编号:1009-0134(2008)05-0046-04 leur0end0crine-basedintelligentcontrolofa6-DOFparallelrobotwithredundantdrivers CHENRui—xiang'-一,RENLi—hong',DINGYong—sheng', (1.CollegeofInformationSciencesandTechnology,DonghuaUniversity,Shanghai201620 ,China;2.Engineering ResearchCenterofDigitizedTextile&FashionTechnology,MinistryofEducation,Sha nghai201620,China; 3.SchoolofElectricalEngineering,NantongUniversity,Nantong,226007,China) Abstract:Anewstructureofan8-input6-DOFparallelrobotisintroduced,andinversekinematicsis builtup.Accordingtothehormonemodulationofneuroendocrinesystemandmodulation mode1.thispaperpresentsanintelligentcontrollerthatissuitableforthecharacterjsfjcsOf an8-input6-DOFparallelrobotwithredundantdrivers.Sinceitjsdifficulttofindtheexact dynamicsmodefoftheparallelrobot.thispapermakesuseoftheMimMechanicsjnMATLAB tobuildupthemachinesystemmodefandthencontrolsitwiththeproposedintelligent controller.Thesimulationresultshowsthatthecontrollercancontrofthemovementofthe roboteffectively. Keywords:redundantdrive;parallelrobot;neurOendOcrjne:intelligentcontroller;MimMechanics 0引言 并联式6自由度(6-DOF)平台是20世纪60年 代由Stewart提出并研制的[",与传统的串联式多自 由度运动机构相比,它具有承载能力强,刚度好,无 积累误差,精度高等优点,近年来被广泛地应用于 飞行模拟器,机器人,娱乐机,并联机床等行业_2]. 冗余驱动并联机器人是指机器人输入关节数目大于 收稿日期 基金项目 作者简介 机器人DOF的数目.加入冗余驱动可降低机器人的 驱动力,抑制机器人平台弹性振动,改善机器人的 动力学性能.带冗余驱动的并联机器人相对于一般 并联机器人,具有更突出的刚度,承载力和加速度, 因此适合应用在大载荷和大加速度场合_3]. 由于并联机器人的模型复杂,计算量庞大,一 般无法获得系统的精确数学模型,并且其内部存在 2007—11—14 国家自然科学基金重点项目(60534020);教育部新世纪优秀人才支持计划(NCET 一04—415);教育部科技创新工 程重大项目培育资金项目(706024);上海市国际科技合作基金项目(061307041) 陈瑞祥(1979一),男,江苏邳州人,硕士研究生,从事智能算法,机器人控制等研究. 【46】第30卷第5期2008—05 1勺似 着高度耦合,在平衡位置存在着振动,如果采用普 通的控制算法,如PID控制等,很难保证较高的控 制精度【4j.而基于生物系统启发的各种智能控制方 法已经在许多复杂系统被证明比传统控制方法更有 效,它们不建立系统精确的数学模型,而且具 有较好的自适应性和稳定性等优点【5j,可以克服并 联机器人参数变化和负载扰动的不良影响. 本文首先介绍一种新型8输入6-DOF冗余驱动 并联机器人的机械结构,并建立其运动学逆解.然 后介绍一种基于神经内分泌调控原理提出的智能控 制器,最后借助MATLAB中MimMechanics建立系 统的仿真模型,确定智能控制器的各个参数,通过 仿真试验验证其有效性. 1冗佘驱动并联机器人的结构及运动 学槿犁 8输入6一DOF冗余驱动并联机器人如图1所示. 由1个动平台和6条支链组成.6条支链按照1—2 — 3分布在3个相互正交的平面上,每条支链由移 动副,连杆及两个球铰组成.各条支链通过球铰与 平台相连,由移动副作为驱动关节.支链1和4采 用自均力冗余驱动模块口],其他支链各有一个驱动 器,因此该冗余驱动并联机器人共有8个驱动器. 图1冗余驱动并联机器人 对并联机器人的控制就是对其位姿进行控制. 并联机器人的控制过程可以简单描述为:根据系统 目标位姿,求出各支链的运动量,然后电机驱动丝 杠运动,改变支链的长度,按照一定的控制规律达 到目标位姿,所以首先要对机器人进行建模.机器 人的运动学分析分为正向和逆向,其中正向难而逆 向易,对于控制来说只要求其逆向解. 首先在静平台上建立固定参考系Oxyz,如图2 所示,A=1,4,=1,2)是机构中第个支链第.7个驱 动丝杠与基座的连接点,A,,A,A,A表示第2, 3,5,6个支链上丝杠与基座的连接点. (1,2,…,6)为机构第i个支链上滑块的球铰中 心,ef1,2,…,6)表示与动平台连接的相应的球铰 的中心点.Oxy平面为点AAA,和A所在的平 面,0点为B,B,和B组成三角形的几何中心在A A…A,和A所在的平面的投影点. 在动平台上建立动坐标系D'x'yZ,0XY'所在平 面为c,G,G构成的平面,0'位于三角形cc 的几何中心,且有.l=厶i=1,2,…,6.定义f为第 个支链驱动量,L为定长杆长度. 图2机器人整体结构参数 运动平台的三维转动采用欧拉角,卢和示. 坐标变换矩阵: 『cosCOSYcosasin13siny—sinacos7cossin13cosY+sin口sinY] : 【sinacos13sinasin13siny+cosacosysinasin13cosy—cosasin7l l_sinpcos13sinycos13cosyj 设D'在坐标系Oxyz中的坐标为Y,Z),根据 loB+lBC=RloC+loo=loC,得 RlOC+lOO一lO&=lBCt 式中,0.,i, 为z坐标系中的矢量,Tot 为O'xYZ'坐标系中的矢量.把各点坐标代入(1)式, 经过整理化简此并联机器人的运动学逆解方程,形 式如下: li=li(x,Y,Z,,13,7)i=1,2,…,6(2) 2并联机器人神经内分泌智能控制器 的设计 2.1神经内分泌甲状腺激素的调节原理 人体神经内分泌的功能调节原理和控制理论中 的反馈调节原理非常相似,大多数生理激素的生理 性稳态机制属于闭环负反馈调节机制[.神经内分 泌的各种激素生成的调节原理是:中枢神经系统分 泌各种促分泌腺激素刺激相应的内分泌腺体分泌相 第30卷第5期2008—05[471 务I匐化 应的腺体激素,各种腺体激素在体内血液循环或体 液中的浓度,反馈给中枢神经系统进行调节,从而 使各种腺体激素在体内的浓度都得到精确稳定地 控制. 甲状腺素是体内一种比较重要的生理激素,对 机体的生长发育,组织分化,物质代谢等起着重要 的作用.甲状腺素的分泌调节过程是:下丘脑分泌 促甲状腺激素释放激素三肽激素(TRH),TRH刺激 垂体分泌促甲状腺素(TSH),TSH又刺激甲状腺分 泌甲状腺素,引起体内血液循环或体液中甲状腺素 的浓度增加;甲状腺素的浓度通过各种传导因子或 感受器反馈给下丘脑和垂体,引起TRH~ITSH的分 泌降低,从而引起甲状腺激素浓度的降低,最终达 到平衡状态. 2.2并联机器人神经内分泌智能控制器的设计 按照控制系统的结构,将各种腺体激素在血液 循环或体液中的浓度对应于并联机器人控制系统的 位姿变量p,神经中枢系统的下丘脑和垂体对应于 控制器,各种腺体激素在体内的正常值对应并联机 器人控制系统的位姿设定值,各种腺体的分泌组 织对应于执行机构.这样,甲状腺素的调节模型可 以抽象成如图3的控制结构:下丘脑和垂体相当于 智能控制器,按照内分泌的调节原理进行控制;分 泌组织相当于执行电机;循环组织相当于被控对象 并联机器人. 图3神经内分泌智能控制系统的结构 针对图3的控制器结构,控制器选择智能PID控 制.P{D控制的各个参数,根据神经内分泌系统的 激素分泌调节规律并结合并联机器人的特点进行实 时动态智能调整. 智能PID控制的表达式如下: ()=P()()+K()()+Kdde(t). .at 其中,()为比例增益,()为积分项系数, 为微分项系数,(f)为控制偏差.PID参数按如下过 程进行实时修正: (1)对控制偏差P()进行处理.先对偏差()取 绝对值,然后按照式(3)进行处理,处理后的控制偏 差称为偏差率,记为): [481第3O卷第5期2008—05 () le(t)l×10.% (3) 其中,,0分别为控制变量的目标设定值和 初始值. (2)计算比例作用的实时修正因子().当偏 差()率较大时,为了防止产生较大超调,可以适 当减小比例项系数,反之则可以适当增大系数 .这里采用Hill函数来计算比例作用的实时修正 因子: (4) 系数A,B要根据不同控制对象的特点进行不 同的设置,Ap,B的取值范围为0,1,()的取值 范围为0,2.K(f)按式(5)取值: 0 ()(5) 其中为原比例增益系数.显然,比例增益系 数修正方向发生变化的点: E: Ap 一 BDp(6) 当()>时,()是随着偏差的增大而相应减 小的;反之,()随着偏差的减小而相应增大.为 了避免出现除0,式(4)做如下修正: 邶(7) 其中,?为一很小常数. (3)计算积分作用的实时修正因子().PID控 制中积分环节的目的,主要是为了消除静差,提高 控制精度.但是其积分积累也会导致超调量过大, 甚至超过并联机器人所允许的最大工作范围.对积 分项系数做如下修正: ,,f1E(t), >,(8) 仅?i0E? ()=0c()(9) K.为原积分积分项系数,,为一正常数,根据 并联机器人的特点进行设置. 3并联机器人的仿真系统 6-DOF并联机器人的结构非常复杂,其精确的 动力学模型很难建立『6J.目前对机器人控制算法的 ,1lI5 研究大都是建立在近似模型的基础上.本文利用 MATLAB中Simulink下MimMechanics库可以用来 建立该机械系统的仿真模型.在该环境下不需要求 并联机器人的动力学模型,只要建立并联机器人的 运动学逆解即可,而并联机器人的运动学逆解是较 容易取得的.MimMechanics库中包含机构体,连接 件,驱动器和传感器等等一些模块.用户可以根据 实际的机械系统的组成机构选择相应的机构体,并 按照机构体设置其参数,包括质量,转动惯量,重 心坐标和各连接点坐标等.最后根据真实机械系统 的运动副形式选择相应的连接件,把相连的机构体 连接起来,搭建成用户所需要的机械系统.另外系 统还可以根据用户所搭建的机械系统生成相应的可 视3D效果图.在控制过程中用户可以形象地观察到 控制效果. 我们搭建的并联机器人仿真系统如图4所示. 该结构图可分为4大模块,其中LegTrajectory模块 中设定并联机器人的目标位姿,然后按照式(2)求 各支链的运动量作为该模块的输出len.Plant模块是 该仿真系统的中心模块,描述并联机器人的机械特 性,包括上平台,定长杆和滑块的质量,转动惯量, 重心,以及各连接点的坐标及连接件等等.Controller 是整个系统的控制器,按照上述的方法设计两级内 分泌智能控制器,各参数经过反复试验取值如表1. BodyPositionSensor是动平台位姿传感器.最后通 过Scope显示这个控制过程的运动曲线. 图4仿真结构图 表1各参数取值 Scope .设定并联机器人位姿为[0,0,1.6,0,0,0】,仿真 曲线如图5所示.图中第1副曲线显示的是上平台 的位置,第2副曲线显示的是位姿误差,第3副曲 线显示的是6条支链上的作用力.选择其中一个自 由度Z与普通PID控制器比较,如图6所示,无论是 响应速度还是超调量都优于普通PID控制. 图5智能控制器仿真曲线 图6控制效果对比 4结论 -DOF冗余驱动并联 本文分析一种新型8输入6 机器人的机械结构,并建立其运动学逆解.在 MATLAB中Simulink的MimMechanics环境下建立 并联机器人仿真模型,避免了并联机器人复杂的动 力学模型的求解.在这一仿真模型基础上设计了一 种基于神经内分泌激素调节原理的智能控制器,并 给出了仿真实验结果.仿真结果表明,该控制器比 常规PID控制对并联机器人有较好的控制效果. 第3O卷第5期2008-05[491 务1匐似 参考文献: [1]DasguptaB,MruthyunjayaTS.Thestewartplatformmanipu— lator:Areview[J].MechanismandMachineTheory,2000, 35fl1:15—40. [2]LeeSH,YiBJ.Modelingandanalysisontheinternalimpact ofaStewartplatformutilizedforspacecraftdocking[J]. AdvancedRobotics,2001,l5(7):763—777. [3]张彦斐,官金良,李为民,高峰.一种6自由度冗余驱动并 联机器人运动学分析及仿真[J].机械工程,2005,41 f81:144—148. 『4]朱龙彪,龚建伟,徐海黎,庄健.并联机器人智能控制算法 的研究[J].机械设计与制造,2004,5:47—48. 『5]刘宝,丁永生.一种新颖的基于内分泌激素调控的智能控 制器[J].计算机仿真,2006,23(2):129—132. 『6]张国伟,宋伟刚.并联机器人动力学问题的Kane方法[J]. 系统仿真,2004,l6(7):1386—1391. , 【上接第9页】 容.同时,控制程序根据需要可以调用动态链接库, 访问PC.CAN通讯缓冲区的内容,判断有无报文到 达,或向现场设备发送报文.[5]图4为按摩机械手运 动控制界面. 图4运动控制界面' (2)下位机底层软件 下位机底层软件即现场设备控制程序.按摩机 械手的现场设备有预压电机,按摩电机,垂直升降 电机,摆动及水平移动电机4个,及其各种传感检 测设备.为了达到可靠控制的目的,每一个现场设 备都对应了一个CAN节点,所有的智能节点的控制 状态和结果等信息都将由各自对应的CAN通讯接 口及时通过CAN总线向上位机传送,并随时准备接 收上位机的控制指令. 在下位机控制程序中,CAN节点通讯部分至关 重要,它关系到整个分布式控制网络能否正常工作. 图5给出了CAN节点通讯控制流程图. 从图5中可以看出,CAN总线节点的软件设计 包括3大部分:CAN初始化程序,数据发送子程序, CAN中断处理子程序等.熟悉这3部分程序的设计 就能编写出利用CAN总线设计进行通信的一般应 用程序. 3结束语 实践证明,按摩机械手装置控制系统基于PC机 [501第30卷第5期2008—05 系统上电复位 CAN控制器初始化 读取传感器信息I N!t 磊> Nr > 叉 有中断? Y 中断处理子程序 其它任务 图5CAN节点通讯控制流程图 Windows操作系统下由VC+~6.0开发的应用软件, 并采用了CAN总线的分布式控制系统,使得机械手 监控系统具有较强的通用性,可扩展性和可靠性, 同时进一步提高了控制系统的开放性和实时性. 本文创新点:将CAN总线理论运用于按摩机械 手控制系统的开发中,使得传统机械与自动化技术 相结合,从而实现机电一体化. 参考文献: [1]崔婷.三维机械手计算机控制系统设计及仿真研究[z]. 2003,(2),55—57. [2]文怀兴,刘正.微机控制整复按摩机的研制[J]_轻工机械. 2004,(4):104—105. [3]李正军.现场总线技术及其应用[M].北京:机械工业出版 社,2005. [4]杨旭东,王会刚,马壮.基于CAN总线雕刻机器人控制系统 研究[J]_机械设计与制造.2006,(3):72—73. [5]孙兵,周建辉,邓海龙.基于CAN总线的机械手控制系统[J]_ 微计算机信息,2003,19—1l,15,16.
/
本文档为【【doc】一种6自由度冗余驱动并联机器人的神经内分泌智能控制】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索