主动刚性控制
图5-15示出一个主动刚性控制(active stiffness control)系统框图。图中,J 为机械手末端执行装置的雅可比矩阵;K, 为定义于末端笛卡儿坐标系的刚性对角矩阵,其元素由人为确定。如果希望在某个方向上遇到实际约束,那么这个方向的刚性应当降低,以保证有较低的结构应力;反之,在某些不希望碰到实际约束的方向上,则应加大刚性,这样可 使机械手紧紧跟随期望轨迹。于是,就能够通过改变刚性来适应变化的作业要求。
雷伯特-克雷格位置/力混合控制器
雷伯特(M·H·Raibert) 和克雷格(J·J·Craig) 于1981年进行了机器人机械手位置
和力混合控制的重要实验,并取得良好结果。后来,就称这种控制器为R-C 控制器。
图5-16表示R-C 控制器的结构。图中,S 和S 为适从选择矩阵;xa 和Fa 为定义于笛 卡儿坐标系的期望位置和力的轨迹;P(q) 为机械手运动学方程;T 为力变换矩阵。
这种R-C 控制器没有考虑机械手动态耦合的影响,这就会导致机械手在工作空间某些 非奇异位置上出现不稳定。在深入分析 R-C 系统所存在的问题之后,可对之进行如下 改进:
1)在混合控制器中考虑机械手的动态影响,并对机械手所受重力及哥氏力和向心力进 行补偿。
2)考虑力控制系统的欠阻尼特性,在力控制回路中,加入阻尼反馈,以削弱振荡 因素。
改进后的R-C 力/位置混合控制系统结构图如图5-17所示。图中,M(q) 为机械手的 惯量矩阵模型。
操作空间力和位置混合控制系统
由于机器人机械手是通过工具进行操作作业的,所以其末端工具的动态性能将直接影响操作质量。又因末端的运动是所有关节运动的复杂函数,因此,即使每个关节的动态性 能可行,而末端的动态性能则未必能满足要求。当动态摩擦和连杆挠性特别显著时,使用 传统的伺服控制技术将无法保证作业要求。因此,有必要在{C} 坐标系中直接建立控制 算法,以满足作业性能要求。图5-18就是卡蒂布(O ·Khatib) 设计的操作空间力和位置混合控制系统的结构图。
图中,A(x)=J-TM(q)J⁻¹ 为机械手末端的动能矩阵; C(q,q)=
C(q,q) 一JTA(x)Jq;K,K,K 及 K,K. 和K 为 PID 常增益对角矩阵。
此外,还有阻力控制和速度/力混合控制等。
每个关节所需要的力或力矩 T, 是由五个部分组成的,第一项表示所有关节惯量的作用,各个 关节的惯量被集中在一起,存在有关节间耦合惯量的作用,第三项和第四项分别表示向心力和哥氏力的作用
有个光学编码器,以便与测速发电机一起组成位置和速度反馈,是一种定位装置,它的每个关节都有一个位置控制系统;对机器人的关节坐标点逐点进行定位控制
机器人位置控制有时也称位姿控制或轨迹控制,主要有两种机器人的位置控制结构形式,即关节空间控制结构和直角坐标空间控制结构;机器人的伺服控制结构有集中控制、分散控制和递阶控制等
液压传动机器人具有结构简单、机械强度高和速度快等优点;一般采用液压伺服控制阀和模拟分解器实现控制和反馈,省去中间动力减速器,从而消除了齿隙和磨损问题
机器人控制器具有多种结构形式,包括非伺服控制、伺服控制、位置和速度反馈控制、力(力矩)控制、基于传感器的控制、非线性控制、分解加速度控制、滑模控制、最优 控制、自适应控制、递阶控制以及各种智能控制等
电机与减速器是构成机器人关节驱动系统的核心机电组件;传感器与感知模组用于实时获取机器人自身状态及与环境交互信息的感知单元;机器人大脑系统负责感知和规划决策
频谱图法将语音信号的频谱沿着时间轴加以展开,识别精度一般;LPC法是对语音信号抽取LPC系数;隐藏式马可夫模式用于非特定人的语音识别,建立语音的状态转移模式
机器人通过摄像头这些外设获得图像之后,利用某种算法来进行图像之间的变换,对图像进行各种操作以达到所需要实现的功能;点运算改善图像的显示效果
由图像采集系统,图像处理系统及信息综合分析处理系统构成;机器人的视觉,大概可以理解为“视”和“觉” 两部分;系统主要由图像采集部件、图像的处理和分析、处理结果输出装置
全局规划方法依照已获取的环境信息,给机器人规划出一条路径,路径的精确程度取决于获取环境信息的准确程度;局部规划方法侧重于考虑机器人当前的局部环境信息
机器人的视觉系统是通过图像和距离等传感器来获取环境对象的图像、颜色和距离等信息,然后传递给图像处理器,利用计算机从二维图像中理解和构造出三维世界的真实模型
接触识别这种测量一般精度不高;采样式测量如测量某一目标的位置、方向和形状;距离测量测量某一目标到某一基准点的距离;机械视觉识别测量某一目标相对于一基准点的位置方向和距离