基于指數增益迭代學習算法的機械臂軌跡跟蹤

鄭銘躍，張方，蔣祺，蒙奎全，朱偉

(1.南京航空航天大學機械結構力學及控制國家重點實驗室，江蘇南京 210016;2.昆山華恒焊接股份有限公司，江蘇昆山 215300)

0 前言

機械臂的軌跡跟蹤問題指的是通過給定機械臂一條期望的工作軌跡，在確定好機械臂的各個參數并設定好控制器的參數之后，使得機械臂能按給定的期望軌跡工作。然而現實中的機械臂卻是一個具有不確定性、強耦合和非線性等特點的復雜系統，而在機械臂建模過程中同樣有許多不確定因素，且工業機械臂的制造過程中同樣存在制造誤差，因此難以建立準確的機械臂動力學模型。而機械臂的控制品質依賴于機械臂模型的準確性，所以國內外學者不斷尋求新的理論及控制方法以提高機械臂的控制精度。目前應用于機械臂軌跡跟蹤的控制方法有傳統的比例積分微分控制算法(PID)、計算力矩法，以及較為先進的模糊控制算法、自適應控制、滑模控制算法等。針對工業中機械臂在工作中經常重復運行，發展出了迭代學習控制ILC(Iterative Learning Control)。

迭代學習算法最早是在1978年由日本學者UCHIYAMA創立，并于1984年被ARIMOTO正式提出。ARIMOT根據線性時變連續系統設計了微分(D)型迭代學習策略，并基于此策略演化出了比例(P)型、比例積分(PI)型、比例積分微分(PID)型迭代學習策略。目前，BOUAKRIF提出了一種具有初始態算法的微分(D)型迭代學習算法，避免了每次迭代時需要選擇初始狀態值；郭文雅對迭代學習算法中的收斂速度進行研究，讓算法的收斂速度加快。……