兩自由度迭代學習控制用于工業機器人靈活性補償

兩自由度迭代學習控制用于工業機器人靈活性補償

大多數工業機器人使用無負載側誤差測量的齒輪電機傳動,齒輪減速器會造成傳動誤差和振動，降低機械手的靈活性，限制了機器人在很多方面的應用。本文提出了一個精確有效的迭代學習控制方案（ILC）來補償工業機器人機械手的關節靈活性，引入二自由度ILC方法，伺服靈活性補償更有效。

對于工業機器人伺服系統，除了消除負載側跟蹤誤差，也要消除電機側跟蹤誤差，電機側跟蹤誤差將導致控制器的不良反饋，影響基本伺服性能。一種普遍的消除兩者跟蹤誤差的方法是電動機側和負載側使用雙級學習結構，分別是扭矩學習行為和電機參考學習行為。但是，因為重型工業伺服系統的復雜動力學，電機幾乎沒有扭矩學習行為。由于機器人可以被認為是非線性多剛體系統的組合和線性質量彈簧阻尼鏈，因此引入一個具有兩自由度的雙級ILC方案，包括一個轉矩ILC和一個振動ILC，在每次學習迭代中引用雙級ILC，學習控制器將學習矩陣作用于軌跡跟蹤誤差和誤差的變化，得到學習控制量，每次軌跡跟蹤控制后，學習控制量都更新。系統的不確定性和變化使用牛頓-歐拉法進行評估，基本前饋轉矩通過高斯過程回歸（GPR）的扭矩學習控制計算得到，GPR學習控制對高頻加速度誤差和振動的影響不敏感。振動傳感器直接測量末端執行器運動振動。PSD攝像機的敏感探測器用于測量安裝在機器人上的紅外線標記的位置，三軸慣性測量單元（IMU）用于測量末端執行器加速度和角速度。傳感器融合使用運動卡爾曼濾波器（KKF），組合來自PSD攝像機和慣性測量單元的綜合測量效果。通過直接測量末端執行器的運動和使用雙級ILC控制方案，可以消除電機側和負載側的跟蹤錯誤，實現機器人的靈活性補償。

Cong Wang et al.2016 IEEE International Conference on Robotics and Automation(ICRA)Stockholm, Sweden,May 16-21,2016

編譯：羅蘭