第5章机械手自适应迭代学习控制
迭代学习控制是通过迭代修正改善某种控制目标,它的算法较为简单,且能在给定的时间范围内实现未知对象实际运行轨迹以高精度跟踪给定期望轨迹,且不依赖系统的精确数学模型。因而一经推出,就在机器人控制领域得到了广泛的运用。
迭代学习控制(ILC,iterative learning control)是智能控制中具有严格数学描述的一个分支。1984年,Arimoto[1]等人提出了迭代学习控制的概念,该控制方法适合于具有重复运动性质的被控对象,它不依赖于系统的精确数学模型,能以非常简单的方式处理不确定度相当高的非线性强耦合动态系统。目前,迭代学习控制在学习算法、收敛性、鲁棒性、学习速度及工程应用研究上取得了巨大的进展[2,3]。
5.1控制器增益自适应整定的机械手迭代学习控制
本节通过对文献[4]的控制方法进行详细推导及仿真分析,研究一类机械手力臂自适应迭代学习控制的设计方法。并针对该控制算法存在的问题,提出了相应的改进算法。
5.1.1问题的提出
考虑n关节机械手,其动态方程如下:
D(qj(t))q¨j(t)+C(qj(t),
q·j(t))q·j(t)+G(qj(t),q·j(t))+Ta(t)
=Tj(t)(5.1)
其中j为迭代次数,t∈[0,tf],q·j(t)∈Rn和
q¨j(t)∈Rn分别为关节角度,角速度和角加速度,D(qj(t))∈Rn×n为惯性项,C(qj(t),q·j(t))q·j(t)∈Rn表示离心力和哥氏力,G(qj(t),q·j(t))∈Rn为重力加摩擦力项,Ta(t)∈Rn为可重复的未知干扰,Tj(t)∈Rn为控制输入。
……
展开