基于速度控制的机器人轨迹摩擦补偿控制算法

doi:10.12141/j.issn.1000-565X.230368

摘要/Abstract

摘要：

目前机器人已在工业生产制造中得到广泛的应用，但由于机器人系统中关节摩擦等因素的影响，机器人的轨迹跟踪精度难以满足高精度生产的需求。为减少机械结构中非线性摩擦因素和系统中未建模干扰等因素对机器人运行稳定性和加工精度的影响，文中提出了一种速度模式下的摩擦补偿控制算法。首先，基于傅里叶级数和5次多项式混合的方式设计最优激励轨迹，通过最小二乘法完成动力学参数的预辨识，并利用Levenberg-Marquardt法对预辨识结果进行迭代寻优，从而建立更为精确的机器人动力学模型；然后，基于李雅普诺夫方法设计机器人轨迹跟踪控制算法，将最速离散跟踪微分器中采集的关节角度输入所设计的轨迹跟踪控制算法中，得到实时的关节速度补偿值，将补偿值实时输入机器人中实现摩擦补偿控制；最后，以六自由度串联机器人为实验对象，对所设计的摩擦补偿控制算法进行实验验证。结果表明，相对于摩擦补偿前，机器人的末端轨迹跟踪精度提升约35%，从而验证了文中所提算法在机器人摩擦补偿领域的有效性。

关键词: 摩擦补偿, 参数辨识, 轨迹, 跟踪微分器

Abstract:

Currently, robots are extensively utilized in industrial manufacturing. However, due to the influence of joint friction and other factors in the robot system, the robot trajectory tracking accuracy is difficult to meet the requirements of high-precision production. In this study, a friction compensation control algorithm in speed mode was proposed to mitigate the impact of non-linear friction factors in the mechanical structure and unmodelled disturbances on the robot’s operational stability and machining precision. The optimal excitation trajectory was designed by a combination of Fourier series and fifth-order polynomial. Dynamic parameters were then pre-identified by the least squares method and iteratively optimized through the Levenberg-Marquardt method to establish a more precise robot dynamic model. Subsequently, the Lyapunov method was adopted to design the trajectory tracking control algorithm, and the joint angles collected in the steepest discrete tracking differentiator were fed into the control algorithm to calculate the real-time compensation. The compensation value was then applied in the robot, which effectively achieving friction compensation. The proposed algorithm was validated by employing a six-degree-of-freedom serial robot as an experimental subject. The results demonstrate that the trajectory tracking error is reduced by approximately 35%, as comparing with that under the non-compensation conditions, which confirms the efficacy of the algorithm in the realm of robot friction compensation.

Key words: friction compensation, parameter identification, trajectory, tracking differentiator

中图分类号:

TP242.2

叶伯生, 李思澳, 谭帅, 等. 基于速度控制的机器人轨迹摩擦补偿控制算法[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 51-58.

YE Bosheng, LI Siao, TAN Shuai, et al. Trajectory Friction Compensation Algorithm for Robots Based on Velocity Control[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(4): 51-58.

图/表 8

图1

表1

图2

图3

图4

表2

图5

图6

参考文献 17

1	BHATT P M， MALHAN R K， RAJENDRAN P，et al ．Trajectory-dependent compensation scheme to reduce manipulator execution errors for manufacturing applications ［C］∥ Proceedings of the ASME 2021 16th International Manufacturing Science and Engineering Conference.Ohio：American Society of Mechanical Engineers，2021：V001T05A009/1-10.
2	曾培江．机器人系统的摩擦补偿控制方法研究［D］．成都：西华大学，2022.
3	MARQUES F， FLORES P， CLARO J C P，et al ．Modeling and analysis of friction including rolling effects in multibody dynamics：a review［J］．Multibody System Dynamics，2019，45：223-244.
4	XIAO B， YIN S， KAYNAK O，et al ．Observer-based control for robotic manipulations with uncertain kinematics and dynamics［C］∥ Proceedings of 2016 IEEE the 14th International Workshop on Advanced Motion Control．New Zealand：IEEE，2016：282-288.
5	魏琼，焦宗夏，王君，等．基于LuGre模型的气动位置伺服系统摩擦补偿控制［J］．机械工程学报，2018，54（20）：131-138.
	WEI Qiong， JIAO Zongxia， WANG Jun，et al ．Control of pneumatic position servo with LuGre model-based friction compensation［J］．Journal of Mechanical Engineering，2018，54（20）：131-138.
6	李俊阳，赵琛，夏雨，等．基于改进LuGre摩擦模型的机器人关节模糊自适应反步控制［J］．湖南大学学报（自然科学版），2022，49（10）：147-156.
	LI Junyang， ZHAO Chen， XIA Yu，et al ．Adaptive fuzzy backstepping control for robot joint based on modified LuGre friction model［J］．Journal of Hunan University （Natural Sciences），2022，49（10）：147-156.
7	WANG S， CHEN Q， REN X，et al ．Neural network-based adaptive funnel sliding mode control for servo mechanisms with friction compensation［J］．Neurocomputing，2020，377：16-26.
8	ZHOU Z， WU B ．Adaptive sliding mode control of manipulators based on fuzzy random vector function links for friction compensation［J］．Optik，2021，27：166055/1-14.
9	王军晓，闫小东，徐建明．基于扰动和摩擦补偿的柔性机械臂系统非奇异快速终端滑模控制［J］．控制理论与应用，2023，40（7）：1199-1207.
	WANG Jun-xiao， YAN Xiao-dong， XU Jian-ming ．Nonsingular fast terminal-sliding-mode control for flexible manipulator system based on disturbance and friction compensation［J］．Control Theory & Application，2023，40（7）：1199-1207.
10	李刚，李锋，丁孺琦，等．基于关节力矩补偿的液压机械臂末端力软测量［J］．华南理工大学学报（自然科学版），2022，50（10）：140-152.
	LI Gang， LI Feng， DING Ruqi，et al ．Terminal force soft sensing of hydraulic manipulator based on joint torque compensation［J］．Journal of South China University of Technology （Natural Science Edition），2022，50（10）：140-152.
11	耿令波，陈柏，吴洪涛．基于连接组合体方法的关节机器人动力学参数辨识［J］．中国机械工程，2014，25（5）：581-587.
	GENG Lingbo， CHEN Bai， WU Hongtao ．Identification of articulated robots’ dynamics parameters based on linkage-assemblies method［J］．Chinese Journal of Mechanical Engineering，2014，25（5）：581-587.
12	YANG C， JIANG Y， HE W，et al ．Adaptive parameter estimation and control design for robot manipulators with finite-time convergence［J］．IEEE Transactions on Industrial Electronics，2018，65（10）：8112-8123.
13	刘磊，赵刚，唐康峻，等．基于改进灰狼算法的机器人激励轨迹优化［J］．组合机床与自动化加工技术，2020（12）：35-38.
	LIU Lei， ZHAO Gang， TANG Kang-jun，et al ．Optimization of robot excitation trajectory based on improved gray wolf optimizer［J］．Modular Machine Tool & Automatic Manufacturing Technique，2020（12）：35-38.
14	张文杰．基于动力学参数辨识的轨迹跟踪控制策略研究［D］．南昌：南昌大学，2022.
15	GAVIN H P ．The Levenberg-Marquardt algorithm for nonlinear least squares curve-fitting problems［R］．Durham：Duke University，2019：1-19.
16	韩京清．自抗扰控制技术［M］．北京：国防工业出版社，2008.
17	李珍珠．面向HSR-605机器人的轨迹优化研究［D］．武汉：华中科技大学，2019.

i	q_i_，0/rad	a_i_，1/rad	a_i_，2/rad	a_i_，3/rad	a_i_，4/rad	a_i_，5/rad	b_i_，1/rad	b_i_，2/rad	b_i_，3/rad	b_i_，4/rad	b_i_，5/rad
1	0.544 5	0.199 8	-0.226 6	0.448 1	-0.003 7	0.478 5	0.065 8	0.174 9	0.188 4	-0.426 1	0.144 7
2	0.772 2	-0.364 4	-0.717 4	0.338 1	0.209 4	0.534 3	-0.167 9	0.658 5	1.063 1	0.060 3	-0.915 9
3	-3.140 0	0.649 4	0.993 2	0.316 1	-0.780 3	-1.178 4	0.181 1	-0.251 7	-0.779 0	0.472 9	0.153 5
4	0.410 5	0.284 1	-0.076 5	-0.068 6	-0.169 4	0.030 4	-0.198 5	-0.101 7	0.014 7	0.048 4	0.032 9
5	-2.862 6	0.542 9	0.683 8	-0.634 3	-0.754 0	0.151 6	0.089 3	-1.252 3	-0.491 7	-0.529 9	1.202 0
6	-1.429 5	0.253 9	0.394 3	-0.598 5	0.004 9	-0.054 6	0.333 9	-0.295 6	-0.758 1	-0.423 7	0.845 3

i	P_r矩阵元素值
i	12i+1^1）	12i+2^1）	12i+3^1）	12i+4^1）	12i+5^1）	12i+6^1）	12i+7^1）	12i+8^1）	12i+9^1）	12i+10^1）	12i+11^1）	12i+12^1）
0	-0.422 3	0.417 1	-0.002 7	0.053 5	0.095 6	-0.301 6	-0.516 6	0.012 8	0.209 7	0.034 4	0.034 4	0.020 7
1	-0.036 7	-0.278 6	0.002 4	0.066 5	-0.024 6	0.008 8	-0.004 1	0.011 4	-0.000 5	0.022 4	0.018 1	-0.000 9
2	-0.000 6	0.033 2	0.003 6	0.000 3	0.004 1	-0.013 8	-0.001 3	0.004 8	0.001 2	0.006 2	0.000 3	-0.000 2
3	0.060 2	0.016 1	0.591 6	-0.037 3	0.143 6	-0.146 6	0.010 1	0.002 9	0.013 2	-0.004 2	0.002 7	0.000 8

[1]	何永明, 邢婉钰, 魏堃, 等. 超高速公路自动驾驶车辆换道轨迹规划策略[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 104-113.
[2]	解辉, 沈刚, 刘东, 等. 单绳缠绕式矿井提升机制动瞬态冲击抑制策略[J]. 华南理工大学学报(自然科学版), 2024, 52(3): 141-150.
[3]	巫春玲, 付俊成, 徐先峰, 等. 基于多新息最小二乘和多新息扩展卡尔曼滤波算法的锂电池SOC估计[J]. 华南理工大学学报(自然科学版), 2024, 52(2): 74-83.
[4]	曹宁博, 赵利英. 基于最大压强控制的交叉口自动驾驶汽车和行人管理方法[J]. 华南理工大学学报(自然科学版), 2024, 52(2): 124-135.
[5]	姚斌, 张子豪, 代煜, 等. 基于VFF-RLS的力传感器的动态特性研究[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 86-94.
[6]	曹学鹏, 王德硕, 冯艳丽, 樊豪, 张弓, 张新荣, 赵睿英. 基于DMPs的双机器人协同搬运轨迹的学习与泛化[J]. 华南理工大学学报(自然科学版), 2023, 51(12): 9-20.
[7]	李新凯, 虎晓诚, 马萍, 等. 基于改进DDPG的无人驾驶避障跟踪控制[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 44-55.
[8]	林永杰, 陈宁, 卢凯. 基于毫米波雷达点云的路口车辆轨迹跟踪方法[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 110-125.
[9]	秦雅琴, 钱正富, 谢济铭, 等. 基于社会力的交织区突发瓶颈段协同换道决策模型[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 66-75.
[10]	程小云, 屈霞萍, 张学宇, 等. 基于动态贝叶斯网络的常发性拥堵传播机理分析[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 25-34.
[11]	史步海, 欧华海, 郭清达. 基于位置跟踪器的机器人快速示教方法[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 62-69.
[12]	李刚, 李锋, 丁孺琦, 等. 基于关节力矩补偿的液压机械臂末端力软测量[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 140-152.
[13]	程文明, 张道裕, 谌庆荣, 等. 欠驱动起重机的神经网络直接鲁棒自适应控制[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 120-128,144.
[14]	曾德全, 余卓平, 熊璐, 等. 结构化道路下基于层次分析法的智能车避障轨迹规划[J]. 华南理工大学学报（自然科学版）, 2020, 48(7): 65-75.
[15]	温惠英张伟罡赵胜. 基于生成对抗网络的车辆换道轨迹预测模型[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 32-40.