Kontrollmetoder for roboter er delt inn i forskjellige typer avhengig av mengden kontroll og kontrollalgoritmen. Følgende beskriver de ofte brukte robotkontrollmetodene for hver type.
I. Klassifisering i henhold til kontrollvolumet
I henhold til det forskjellige rommet som kontrollvolumet er lokalisert, kan robotkontroll kategoriseres i kontroll i leddrom og kontroll i kartesisk rom. For tandem flerleddsroboter er felles romkontroll for kontroll av variabler i hvert ledd av roboten, og kartesisk romkontroll er for kontroll av variabler på slutten av roboten. I henhold til de forskjellige kontrollmengdene, kan robotkontroll kategoriseres som: posisjonskontroll, hastighetskontroll, akselerasjonskontroll, kraftkontroll, kraftposisjonshybridkontroll, etc. Disse kontrollene kan være enten ledd i romkontroll eller sluttkartesiske romkontroller.
Målet med posisjonskontroll er å lage leddene eller ender av den kontrollerte roboten når ønsket posisjon. Følgende er et eksempel på felles romposisjonskontroll for en robot. Feilen oppnådd ved å sammenligne den gitte verdien av leddposisjonen med gjeldende verdi brukes som inngang til posisjonskontrolleren, og dens utgang brukes som den gitte verdien av leddhastighetskontrollen etter driften av posisjonskontrolleren. Joint Position Controller bruker ofte PID -algoritmen, kan også brukes fuzzy kontrollalgoritme.
Først beregnes kontrollakselerasjonen av sluttverktøyet. Deretter blir den tilsvarende akselerasjonen av hvert ledd dekomponert basert på endeposisjon, hastighet og akselerasjonsforventning, så vel som gjeldende sluttposisjon, leddposisjon og hastighet, og deretter beregnes kontrollmomentet ved hjelp av de kinetiske ligningene for å nedbryte akselerasjonskontrollen , som må styres dreiemoment for hvert ledd.
Siden skjøtekraften/dreiemomentet ikke er lett å måle direkte, og strømmen til skjøtemotoren bedre kan gjenspeile dreiemomentet til skjøtemotoren, brukes strømmen til skjøtemotoren ofte for å indikere den nåværende målte verdien av skjøtekraften/ dreiemoment. Kraftkontrolleren kontrollerer skjøtemotoren for å utvise ønsket kraft/dreiemomentegenskaper basert på avviket mellom ønsket verdi av kraften/dreiemomentet og den målte verdien.
Den består av to deler: posisjonskontroll og kraftkontroll. Posisjonskontrollen er en PI -kontroll, gitt som den kartesiske romposisjonen til robotens ende, og den kartesiske romposisjonens tilbakemelding av slutten oppnås fra posisjonen i fellesrommet etter kinematisk beregning. I figuren er T den kinematiske modellen til roboten og J er Jacobi -matrisen til roboten. Forskjellen mellom den gitte verdien av sluttposisjonen og den nåværende verdien konverteres til en posisjonsøkning i fellesrommet ved å bruke den inverse matrisen til Jacobi -matrisen, som deretter brukes som en del av fellesposisjonsøkningen etter en PI -operasjon.
Kraftkontrollen er også PI -kontrollert og blir gitt som den kartesiske romkraften/dreiemomentet på slutten av roboten, med tilbakemelding oppnådd fra måling av kraft/dreiemoment. Forskjellen mellom den gitte verdien og den nåværende verdien av sluttkraften/momentet konverteres til en kraft/øyeblikk i fellesrom ved bruk av transponeringsmatrisen til Jacobi -matrisen. Kraften/øyeblikket i fellesrommet brukes som en annen del av felles posisjonsøkning etter PI -drift. Utgangene fra posisjonskontrolldelen og kraftkontrolldelen blir lagt sammen som den ønskede verdien av posisjonsøkningen på robotens ledd. Roboten bruker den trinnvise kontrollen for å kontrollere plasseringen av hvert av leddene. Kraftposisjonshybridkontrollen vist i figur 1-5 er bare et enkelt skjema i kraftposisjonshybridkontrollen, som er en forenklet form for RC (Raibert-Craig) kraftposisjonshybridkontroll, og noen nødvendige korreksjoner bør lages for spesifikke miljøer i praktiske applikasjoner.
II, klassifisering i henhold til kontrollalgoritme
I henhold til kontrollalgoritmene kan kontrollmetodene til roboter kategoriseres i PID -kontroll, variabel strukturkontroll, adaptiv kontroll, uklar kontroll, nevronnettverkskontroll og andre metoder. Noe litteratur klassifiserer også de eksisterende kontrollalgoritmene til logikkterskelkontroll, PID -kontroll, glidemodus Variabel strukturkontroll, nevralt nettverkskontroll og uklar kontroll. Disse kontrollmetodene er ikke isolert, og brukes ofte sammen i et kontrollsystem.
1, PID -kontroll
I ingeniørpraksis, den mest brukte regulatorkontrollloven for den proporsjonale, integrerte, differensialkontrollen, referert til som PID -kontroll, også kjent som PID -regulering. PID -kontroller har blitt introdusert nesten 70 års historie, det er enkelt, stabilt, pålitelig , lett å justere og har blitt en av hovedteknologiene for industriell kontroll. Når strukturen og parametrene til det kontrollerte objektet ikke kan mestres fullstendig, eller ikke har tilgang til nøyaktige matematiske modeller, er kontrollteori for andre teknologier vanskelig å bruke, må strukturen og parametrene til systemkontrolleren stole på erfaring og feltfeiling Å bestemme anvendelsen av PID -kontrollteknologi er mest praktisk.
Det vil si at når vi ikke helt forstår et system og det kontrollerte objektet, eller ikke kan være effektive målingsmidler for å oppnå systemparametrene, er det mest egnet for PID -kontrollteknologi. PID -kontroll, i praksis er det også PI og PD Control.PID -kontrolleren er basert på systemets feil, bruk av proporsjonal, integrert, differensialberegning av mengden kontrollkontroll for kontroll.
2, variabel strukturkontroll
Variabel strukturkontroll er en kontrollordning utviklet fra Sovjetunionen på 1950 -tallet. Den såkalte variable strukturkontrollen betyr at kontrollsystemet har flere kontrollere, og forskjellige kontrollere brukes i forskjellige situasjoner i henhold til visse regler. Bruken av variabel strukturkontroll har mange fordeler som ikke finnes i andre kontroller, og kan realisere kontrollen av en klasse av ikke -lineære systemer med usikre parametere.
3, Adaptiv kontroll
Den såkalte adaptive kontrollen, refererer til systemets innganger eller forstyrrelser som oppstår et bredt spekter av endringer, kan det designet systemet justere systemparametrene eller kontrollstrategien, slik at utgangen fremdeles kan oppfylle designkravene, den grunnleggende strukturen som vist i figur 2-1. Adaptiv kontroll omhandler systemer med "usikkerhet", og søker å redusere denne usikkerheten ved å observere tilstanden til tilfeldige variabler og gjenkjenne systemmodellen. Resultatet er ofte oppnåelsen av visse kontrollmål, dvs. "Optimal kontroll" erstattes av "effektiv kontroll".
Adaptive kontrollsystemer kan kategoriseres i modellhenviste adaptive kontrollsystemer, selvkorrigerende kontrollsystemer, selvoptimalisering av kontrollsystemer, kontrollsystemer med variabel struktur og intelligente adaptive kontrollsystemer i henhold til deres prinsipper. Blant disse typene adaptive kontrollsystemer er modellhenviste adaptive kontrollsystemer og selvkorrigerende kontrollsystemer mer modne og ofte brukt.
4, Fuzzy Control
I uklar kontroll blir inngangene uklar kvantisert for å bli uklar variabler, det er uklar variabler som er resonnerte av uklar regler for å oppnå uklar utganger, og etter defuzzification for å oppnå klare utganger for kontroll. Fuzzy kontroll var først
Foreslått av prof. Zadeh ved University of California i 1965, og i 1974 anvendte Eh Mamdani fra Storbritannia med hell fuzzy kontroll på kjele og dampmotorkontroll. Deretter har uklar kontroll blitt utviklet raskt innen kontrollfeltet og har fått et stort antall vellykkede applikasjoner.
5, Neuron Network Control
Neural nettverkskontroll er en av grensedisipliner innen automatisk kontroll utviklet på slutten av 1980 -tallet. Det er en ny gren av intelligent kontroll, som åpner for en ny måte å løse kontrollproblemene til komplekse ikke -lineære, usikre og usikre systemer. Neural nettverkskontroll er et produkt av kombinasjonen av (kunstig) nevralt nettverksteori og kontrollteori, og er en utviklende disiplin. Det samler teorier, teknikker, metoder og forskningsresultater fra fagområder inkludert matematikk, biologi, nevrofysiologi, hjernevitenskap, genetikk, kunstig intelligens, informatikk, automatisk kontroll, etc. Den grunnleggende strukturen er vist i figur 2-2.
I kontrollfeltet kalles kontrollsystemet med læringsevne læringskontrollsystem, som tilhører intelligent kontrollsystem. Neural kontroll er med læringsevne og tilhører læringskontroll, som er en gren av intelligent kontroll. Nevral kontrollutvikling så langt, selv om det bare har mer enn ti år med historie, har det vært en rekke kontrollstrukturer. Som nevral prediktiv kontroll, nevralt invers systemkontroll og så videre.