[发明专利]面向机器人电子元器件装配的自学习模型预测控制方法

说明书

本发明公开了一种面向机器人电子元器件装配的自学习模型预测控制方法，包括实时输入末端执行器及关节的位置、速度、加速度输出与期望值的差值；通过自学习训练得到模型预测控制器，输出控制力矩时延差值；其同时用作反馈，作为电子元器件装配机械人的输入，输出电子元器件装配过程机器人关节及电子元器件装配过程机器人末端执行器的实际目标位置、速度和加速度；上述与期望值差值，反馈到模型预测控制器，实现预测控制器自学习；与现有的机器人装配控制方法相比，本发明通过以差值为输入输出的自学习模型预测控制器，其控制具有速度快、精度高的特点，满足电子元器件在各种干扰因素条件下的电子元器件高精度在线装配的需要。

技术领域

本发明适用于机器人智能装配领域，尤其涉及面向机器人电子元器件装配的自学习模型预测控制方法。

背景技术

装配机器人是多输入、多输出的非线性、强耦合的位置时变的动力学系统。每个关节的运动都受到其他关节的影响，作用在每个关节上的惯性负载随着操作臂形位的不同在很大范围内变化，为了解决环境的不确定性、机器人动态特性的不确定性，实现精确的装配控制，需要针对机器人动态及其各种不确定性设计出相应的高效控制算法，并应用于实际的控制过程中。

机器人具有卡、压、嵌、旋、推等技巧性装配动作，这些动作的完成不仅需要对单个小零件的稳定夹持，还需考虑零件之间装配的角度及装配力的大小、方向等，对于处在不同工作状态时的装配机器人，其末端执行器的控制需求应相应地加以不同的调整。专利201611108335.0公开了一种自动接插件装配机器人系统及其控制方法，对机器人装配具有稳定、高精度、短周期与较强抗干扰能力。专利201610857074.6公开了一种基于实时力控的装配机器人全空间柔顺插孔控制方法，实现了高效率、高准确性的无倒角柔顺插孔装配控制。考虑到六自由度装配机器人在装配作业中的外在干扰和参数不确定性的影响，设计相应的鲁棒滑模轨迹跟踪控制器和干扰自适应的鲁棒控制器，自适应地处理装配过程中的参数摄动和干扰等问题(潘立，面向装配作业的机器人柔顺控制方法研究，浙江工业大学博士学位论文，2018)。

因此，因电子元器件其体积小、脆弱性强，在装配过程中容易损坏，为了保证电子元器件装配的更安全、高效，因此需要更高精度的器人电子元器件装配。

发明内容

为了进一步提高机器人电子元器件装配的精度，针对机器人电子元器件装配控制对外在干扰的敏感性，考虑电动力矩波动、驱动饱和、负载变化、机械谐振、高频扰动、测量误差与采样延迟等干扰因子，本发明专利提出了一种面向机器人电子元器件装配的自学习模型预测控制方法。

本发明所采用的技术方案是这样的，一种面向机器人电子元器件装配的自学习模型预测控制方法，

机器人系统中采用极坐标进行标定，电子元器件装配过程机器人关节的实际目标位置及其构成的轨迹为q＝{q_i＝q_i(t)},i＝1,…,6，对应的角速度为对应的角加速度为电子元器件装配过程机器人关节的目标位置及其构成的轨迹为q_d＝{q_id＝q_id(t)}，i＝1，…，6，对应的角速度为对应的角加速度为机器机器人关节目标位置机器人关节角位置偏差e_qi(t₎＝{e_i}＝q_d-q＝{q_id-q_i}，机器机器人关节目标位置关节角速度偏差机器机器人关节目标位置关节角加速度偏差电子元器件装配过程机器人末端执行器对应的实际位置及其构成的轨迹为x＝{x(t)}，实际速度为实际加速度为电子元器件装配过程机器人末端执行器的目标位置及其构成的轨迹为x_d＝{x_d(t)}，对应的角速度为对应的角加速度为机器人末端执行器目标位置机器人关节角位置偏差e_x＝e_x(t)＝x_d-x，机器人末端执行器目标位置关节角速度偏差机器人末端执行器目标位置关节角加速度偏差

具体包括如下步骤：