基于快速控制原型的6-DOF串联工业机械臂轨迹跟踪控制研究
摘要
机械臂如今越来越普遍地应用于汽车、电子、信息产品等现代制造业之中，对人们的生产生活带来了巨大的帮助。
随着对六自由度串联工业机械臂轨迹跟踪与规划的功能要求越来越高，控制算法越来越复杂，传统的机械臂控制系统设计方法越来越不能满足现代机械臂控制系统的设计要求。快速控制原型技术（Rapid Control Prototype）基于通用接口的高计算能力的硬件平台和代码自动生成技术，可以非常高效地创建控制器快速原型并进行控制律验证，提高控制系统的开发效率。无模型自适应控制（Model-Free Adaptive Control, MFAC）作为一种重要的数据驱动控制方法，其控制器设计仅利用系统的输入输出数据而不依赖于被控对象模型，该方法适用于6-DOF串联工业机械臂这类复杂的被控对象。因此无模型自适应控制与快速控制原型的结合应用，对6-DOF串联工业机械臂的轨迹跟踪有着重要的实际意义。
本文以多关节串联工业机械臂控制系统为研究对象，基于Links-RT通用半实物仿真平台进行快速控制原型技术研究。
本人的主要工作和成果如下：
首先，建立工业六自由度（Six degree of freedom）机械臂连杆坐标系及其相应参数，依据机械臂正、逆运动学计算公式，重点研究逆运动学算法的实时性和稳定性问题，通过分析和仿真深入研究机械臂运动学控制机理；采用拉格朗日函数法，建立机械臂动力学方程并分析其动力学特性。
其次，针对要求精度较高的工业机械臂轨迹跟踪任务，分析机械臂系统快速控制原型设计的需求与特点，应用无模型自适应控制方法，并在原型MFAC控制算法的基础上提出了改进的MFAC控制算法，以达到提高收敛速度及轨迹跟踪精度的目的；在基于Links-RT平台的快速控制原型开发系统上完成机械臂系统的快速控制原型设计。
最后，在充分分析基于MFAC的机械臂轨迹跟踪控制实物验证的功能需求基础上，基于半实物仿真平台Links-RT采用MATLAB编程实现了改进的MFAC控制算法在固高六自由度串联机械臂轨迹跟踪控制中的应用，完成了机械臂复位、机械臂空间限位等功能。同时，基于MATLAB平台，编写了数据分析子系统，通过对实时采集到的机械臂实际运行数据进行分析，验证了论文提出的快速控制原型技术结合改进的MFAC控制算法在机械臂轨迹跟踪控制中起到了良好的效果。
关键词：6-DOF串联工业机械臂；快速控制原型(RCP)；无模型自适应控制（MFAC）；Links-RT开发平台
1 绪论
1.1 研究的背景和意义
机器人产业作为当代高新技术产业的代表，于20世纪60年代迅猛发展至今，已有上百万机器人被应用在各个领域特别是制造系统中。
大数据、云计算、移动互联技术，这些我们耳熟能详的技术名词推动了机器人技术的发展，它们同机器人技术的融合使得机器人智能化程度愈发提高。可以说目前衡量一个国家高端制造业水平的重要标志之一便是机器人的研发、制造与应用。机器人的出现极大提升了工业生产效率。
而随着生产力的日益发展，对机器人运动精度与平稳度的要求也在不断地提高。因此，增强机器人的工作效率同时减少运动过程之中产生的误差是目前急需解决的关键性问题。由于衡量机器人性能最重要的指标便是其工作效率与质量，所以对机器人系统更深入的研究是机器人设计开发的基础，而对机械臂轨迹跟踪控制的研究是解决问题的前提与基础。
所谓轨迹规划就是讨论计算轨迹的方法。轨迹能够反映出我们希望机械臂在空间中的运动路线。而机械臂运动过程的平滑与平稳（尽可能的避免位移、速度以及加速度的突变）是机器人系统运动过程中必须要遵循的一个原则。突变的运动事实上是需要很大的动力来实现的，而这个动力因电动机受到的物理限制很难提供，因此，这就体现了运动轨迹跟踪控制的重要性。用简单的技术规划机器人的运动让它的运动平滑而稳定，并产生较小的冲击和震动，这样基本上保证了系统长期、稳定的运行。然而，刚体的整动以及运动的突变很难得到保证。因此，我们不得不深入地研究机器人的轨迹规划问题，以满足日益提高的性能指标要求。
1.2 快速控制原型技术概述
快速原型技术首先诞生于美国,该技术最初应用在快速地将产品设计结果,转化为三维实体模型,通过向客户提供同预期真实产品外观一致的实体模型,从而达到迅速预测产品市场反应、占领市场等目的。快速原型技术的发展集中在:如何综合应用各种现代技术,直接快速地将电脑设计数据转化为产品实物。该技术的出现引发了装备制造方法的重大改变,制造业快速响应、无模制造以及加工信息远程传递制造的新技术应运而生。快速原型技术在制造业已经广泛地应用于快速概念模型的制造(用于检验所设计产品的外观是否符合研制预期)、快速测试模型制造(用于检验所设计的产品性能是否符合研制预期)、快速模具制造(用于直接制造产品模具)、快速零件制造(用于直接制造零部件)等方面。
20世纪年代初,美国福特公司提出了快速控制原型(Rapid Control Prototyping，RCP)的概念,并应用在汽车控制器的设计研发中,成功地降低了车载控制器的研发时间和研发成本。在控制器设计领域,快速原型设计技术是指在产品开发初期,通过快速地建立模型,对相应的模型或算法进行多次的非实时和实时试验来验证系统软硬件方案的可行性;将工程师开发的算法下载到硬件平台中,通过实际与被控对象实物相连接,并进行实时仿真,检测控制算法与实物相连时控制算法的性能,并可以进行快速反复设计以找到理想的控制设计方案;在确定控制方案后,通过代码的自动生成并下载到实际产品控制器上,形成控制器产品完成最终产品研发的整个过程。可见,快速原型技术对于不同领域的应用,具有不同的内容和特点。对于导弹制导控制系统设计而言,利用快速原型技术,建立系统的数学模型并进行设计仿真,在实时环境下检测系统的性能、验证算法的正确性是比较常见的应用。
传统的控制系统设计方法涉及专业面较广，一个非常小的问题都可能会出现较大的影响，并且需要协调各个方面的资源解决问题，这样必然导致效率低下，造成开发周期长。对于控制项目研发工作，在开发项目的初期快速的创建控制器原型，并对整个控制系统进行多次的试验，验证软硬件方案的可行性，这样的设计过程就被称为快速控制原型技术。快速控制原型在控制系统设计上体现了极大的优势，使控制系统开发的工作发生了革命性的变化，不需要通过繁琐的代码开发过程就可以迅速的进行测试并得到结果。
目录
1 绪论
1.1 研究的背景和意义
1.2 快速控制原型技术概述
1.2.1 快速控制原型开发原理
1.2.2 快速控制原型国内外发展现状
1.3 串联工业机械臂的研究现状
1.3.1 串联机械臂的国内外发展及研究现状
1.3.2 机械臂运动控制方法的研究现状
1.4 本文主要研究内容
2 六自由度机械臂运动学与动力学分析
2.1 机械臂运动学分析
2.1.1 机械臂结构参数建模
2.1.2 连杆坐标系与齐次变换矩阵
2.2 机械臂正逆运动学
2.2.1 机械臂正运动学
2.2.2 机械臂逆运动学
2.3 机械臂动力学基础
2.3.1 动力学问题概述
2.3.2 基于拉格朗日函数的机械臂动力学建模
2.4 本章小结
3 基于Links-RT的机械臂快速控制原型方案
3.1 机械臂系统的构成
3.2 实验需求分析及环境配置
3.2.1 实验需求分析
3.2.2 实验环境配置
3.3 快速控制原型方案
3.3.1 Links-RT仿真系统软硬件
3.3.2
3.3.3
3.4 Links-RT快速控制原型系统功能特点
3.5 本章小结
4 无模型自适应控制及其在（机械臂快速控制原型平台）上的应用
基于快速控制原型的机械臂轨迹跟踪控制
4.1 无模型自适应控制
4.2 基于偏格式的无模型自适应控制方法
4.2.1 偏格式线性化
4.2.2 基于偏格式线性化的无模型自适应控制算法设计与分析
4.3 仿真研究
4.3.1 基于MFAC的串联机械臂关节空间轨迹跟踪控制仿真
4.3.2 基于MFAC的串联机械臂工作空间轨迹跟踪控制仿真
4.4 小结
5 基于快速控制原型的六自由度串联工业机械臂轨迹跟踪控制实物验证
5.0 四元数逆解法和封闭逆解法对比
5.1 机械臂运动空间复位
5.2 机械臂运动空间限位
5.3 基于MFAC的串联机械臂工作空间轨迹跟踪控制实物验证
5.4 和PID做对比
6 结论
加避障（四元数求逆解的时候）或者迭代学习
参考文献
图索引
表索引
参考文献
[1]朱世强, 王宣银. 机器人技术及其应用[M].杭州:浙江大学出版社.2001:25-29.
[2]蔡自兴. 机器人学[M]. 北京:清华大学出版社, 2000:39-185.
[3]张炜. 日本工业机器人最新发展动向[J]. 机器人技术与应用, 2008 (4): 23-25.
[4]范永, 谭民. 机器人控制器的现状及展望[J]. 机器人, 1999, 21(1).
[5]张磊安, 乌建中, 陈州全,等. 兆瓦级风电叶片静力加载控制系统设计及试验[J]. 中国机械工程. 2011.22(18). 2082-2185,2208
[6]刘松国. 六自由度串联机器人运动优化与轨迹跟踪控制研究[D]. 浙江: 浙江大学, 2009.23-35
[7]Hai N V D, Ivanescu M, Florescu M, et al. Frequency criterion for balancing robot control described by uncertain models[C]//System Theory, Control and Computing (ICSTCC), 2016 20th International Conference on. IEEE, 2016: 134-137.
[8]宋少华.七自由度机械臂动力学建模与轨迹规划研究[D].黑龙江: 哈尔滨工业大学,2015.49-50
[9]霍雯.机械臂运动控制系统设计与实现[D]. 宁夏: 宁夏大学,2014. 21-25
[10]鲁英伟.沈阳新松机器人自动化股份有限公司战略研究[D]. 沈阳: 东北大学,2009. 24-25
[11]Zhang Z, Dequidt J, Kruszewski A, et al. Kinematic modeling and observer based control of soft robot using real-time Finite Element Method[C]//Intelligent Robots and Systems (IROS), 2016 IEEE/RSJ International Conference on. IEEE, 2016. 5509-5514.
[12]Souzanchi-K M, Owhadi-Kareshk M, Akbarzadeh-T M R. Control of elastic joint robot based on electromyogram signal by pre-trained Multi-Layer Perceptron[C]//Neural Networks (IJCNN), 2016 International Joint Conference on. IEEE, 2016. 5234-5240.
[13]Yoon W K, Goshozono T, Kawabe H, et al. Model-based space robot teleoperation of ETS-VII manipulator[J]. IEEE Transactions on Robotics and Automation, 2004, 20(3). 602-612.
[14]Fukuda O, Tsuji T, Kaneko M, et al. A human-assisting manipulator teleoperated by EMG signals and arm motions[J]. IEEE Transactions on Robotics and Automation, 2003, 19(2). 210-222.
[15]Kehoe B, Patil S, Abbeel P, et al. A survey of research on cloud robotics and automation[J]. IEEE Transactions on Automation Science and Engineering, 2015, 12(2). 398-409.
[16]El-laithy R A, Huang J, Yeh M. Study on the use of Microsoft Kinect for robotics applications[C]//Position Location and Navigation Symposium (PLANS), 2012 IEEE/ION. IEEE, 2012. 1280-1288.
[17]Grieco L A, Rizzo A, Colucci S, et al. IoT-aided robotics applications: Technological implications, target domains and open issues[J]. Computer Communications, 2014, 54: 32-47.
[18]Seiger R, Seidl C, Aßmann U, et al. A Capability-based Framework for Programming Small Domestic Service Robots[C]//Proceedings of the 2015 Joint MORSE/VAO Workshop on Model-Driven Robot Software Engineering and View-based Software-Engineering. ACM, 2015: 49-54.
[19]Tee K P, Yan R, Li H. Adaptive admittance control of a robot manipulator under task space constraint[C]//Robotics and Automation (ICRA), 2010 IEEE International Conference on. IEEE, 2010: 5181-5186.
[20]Lyu S, Cheah C C. Adaptive robot control for human-dominant interactions using a general task function[C]//Real-time Computing and Robotics (RCAR), IEEE International Conference on. IEEE, 2016. 39-44.
[21]Diaz D, Kelly R. On modeling and position tracking control of the generalized differential driven wheeled mobile robot[C]//Automatica (ICA-ACCA), IEEE International Conference on. IEEE, 2016. 1-6.
[22]Peternel L, Oztop E, Babič J. A shared control method for online human-in-the-loop robot learning based on Locally Weighted Regression[C]//Intelligent Robots and Systems (IROS), 2016 IEEE/RSJ International Conference on. IEEE, 2016. 3900-3906.
[23]Rauscher M, Kimmel M, Hirche S. Constrained robot control using control barrier functions[C]//Intelligent Robots and Systems (IROS), 2016 IEEE/RSJ International Conference on. IEEE, 2016. 279-285
[24]王健,张韵君,Zhang Yunjun等.基于专利分析概念模型的中国机器人技术发展预测[J].情报杂志,2014,(11):83-87,45.
[25]胡磊,胡宁,王立权等.3SPS-1S并联机构的仿人机械臂系统设计[J].哈尔滨工程大学学报,2015,36(11):1515-1521,1531.
[26]席雷平,陈自力,齐晓慧等.具有抖振抑制特性的机械臂快速滑模变结构控制[J].电机与控制学报,2012,16(7):97-102.
[27]刘福才,高静方,李倩等.不同重力环境下的柔性关节空间机械臂自适应鲁棒控制[J].高技术通讯,2015,25(1):61-69.
[28]龚飞,谢明,王梦佳等.基于仿人智能控制的无标定视觉伺服[J].电子技术应用,2015,41(11):14-16,23.
[29]陈鹏,刘璐,余飞等.一种仿人机械臂的运动学逆解的几何求解方法[J].机器人,2012,34(2):211-216.
[30]霍希建,刘伊威,姜力等.具有关节限位的7R仿人机械臂逆运动学优化[J].吉林大学学报（工学版）,2016,46(1):213-220.
[31]Tian B, Yu J, Zhang A. Dynamic modeling of wave driven unmanned surface vehicle in longitudinal profile based on DH approach[J]. Journal of Central South University, 2015, 22: 4578-4584.
[32]De Dinechin, Florent,Istoan, Matei.Hardware Implementations of Fixed-Point Atan2[C].//2015 IEEE 22nd Symposium on Computer Arithmetic: 2015 IEEE 22nd Symposium on Computer Arithmetic (ARITH 22), 22–24 June 2015, Lyon, France.2015:34-41
[33]宋少华.七自由度机械臂动力学建模与轨迹规划研究[D].哈尔滨工业大学,2015. 39-41
[34]侯忠生, 金尚泰. 无模型自适应控制理论与应用[M]. 北京: 科学出版社, 2013.36-58
[35]侯忠生. 非线性系统参数辨识自适应控制及无模型学习自适应控制[D]. 沈阳: 东北大学, 1994.21-22
[36]Hou Z, Huang W. The model-free learning adaptive control of a class of SISO nonlinear systems[C]. //American Control Conference, 1997. Proceedings of the 1997. IEEE, 1997. 343-344
[37]侯忠生. 非参数模型及其自适应控制理论[M]. 北京: 科学出版社, 1999. 38-42
[38]Tan K K, Huang S N, Lee T H, et al. Adaptive-predictive PI control of a class of SISO systems[C]. //American Control Conference, 1999. Proceedings of the 1999. IEEE, 1999, 6. 3848-3852
[39]Tan K K, et al. Adaptive predictive control of a class of SISO nonlinear systems[J]. Dynamics and Control. 2001.11(2). 151-174
[40]Chi R H, Hou Z S. Optimal higher order learning adaptive control for a class of SISO nonlinear systems[J]. Journal of Control Theory and Applications. 2005.3(3). 247-251
[41]池荣虎. 非线性离散时间系统的自适应迭代学习控制及应用[D].北京交通大学. 2006.14-16
[42]Zhang B, Zhang W D. Adaptive predictive functional control of a class of nonlinear systems[J]. ISA Trans. 2006.45(2). 175-83
[43]Zhang B, Zhang W D. Adaptive predictive functional control of a class of nonlinear systems based on dynamical linearization[C]. In: Proceedings of the 16th IFAC World Congress. Prague, Czech Republic, 2005. 1166-1170
[44]金尚泰. 无模型学习自适应控制的若干问题研究及其应用[D]. 北京交通大学, 2008. 25-28
[45]柳向斌, 侯忠生, 金尚泰. 一类非仿射型非线性系统的切换自适应控制[C]. 第三十二届中国控制会议论文集(B卷). 西安, 中国, 2013. 2986-2991
[46]Chi R H, Hou Z S. A model-free adaptive control approach for freeway traffic density via ramp metering[J]. International Journal of Innovative Computing, Information and Control, 2008, 4(11): 2823-2832
[47]Chi R H, Hou Z S. A model-free periodic adaptive control for freeway traffic density via ramp metering[J]. Acta Automatica Sinica, 2010, 36(7): 1029-1033
[48]王春蔚. 基于无模型自适应控制理论的局部入口匝道控制方法研究[D].北京交通大学,2005. 26-28
[49]侯忠生, 晏静文. 带有迭代学习前馈的快速路无模型自适应入口匝道控制[J]. 自动化学报, 2009, 35(5): 588-595
[50]池荣虎, 侯忠生, 隋树林. 快速路入口匝道的非参数自适应迭代学习控制[J]. 控制理论与应用, 2009, 25(6): 1011-1015
[51]曹荣敏, 侯忠生. PH值中和反应过程的无模型学习自适应控制[J]. 计算机工程与应用. 2006.42(28). 191-194
[52]曹荣敏, 侯忠生. 直线电机的非参数模型直接自适应预测控制[J]. 控制理论与应用. 2008.25(3). 587-590
[53]Hou Z S, Jin S T. A novel data-driven control approach for a class of discrete-time nonlinear systems[J]. IEEE Transactions on Control Systems Technology. 2011.19(6). 1549-1558
[54]马洁, 陈智勇, 侯忠生. 大型舰船综合减摇系统无模型自适应控制[J]. 控制理论与应用. 2009.26(11). 1289-1292
[55]Gao B, Gu K Y, Zeng Y and Chang Y. An anti-suction control for an intra-aorta pump using blood assistant index: a numerical simulation [J]. Artificial Organs. 2012.36(3). 275-285
[56]Dong G, Yongling F, Ning L, et al. Application of Model-Free Adaptive Control in billet flash butt welding[C]. //Control Conference (CCC), 2010 29th Chinese. IEEE, 2010. 5110-5114
[57]张磊安, 乌建中, 陈州全,等. 兆瓦级风电叶片静力加载控制系统设计及试验[J]. 中国机械工程. 2011.22(18). 2082-2185,2208
[58]胡磊,胡宁,王立权等.3SPS-1S并联机构的仿人机械臂系统设计[J].哈尔滨工程大学学报,2015,36(11):1515-1521,1531.
