[发明专利]基于预测型间接迭代学习的SCARA机器人轨迹跟踪控制方法

摘要

本发明公开了一种基于预测型间接迭代学习的SCARA机器人轨迹跟踪控制方法。首先设计直接作用于机器人本体的双闭环反馈控制器，包含一个P型位置闭环和PI型速度闭环；然后设计具有前馈作用的预测型迭代学习控制器(A‑ILC)，利用之前运行批次在采样时刻t+Δ处的误差输出信息，来调整下次运行时在采样时刻t处的控制效果。相比于比例微分型迭代学习控制器(PD‑ILC)，采用A‑ILC具有更快的迭代收敛速度和跟踪精度；相比于无前馈作用的A‑ILC，有前馈作用的A‑ILC能够更加快速有效的消除外界干扰。

主权项

1.一种基于预测型间接迭代学习的SCARA机器人轨迹跟踪控制方法，其特征在于，包括如下步骤：步骤(1)：采用D‑H参数法构建SCARA机器人数学模型，并将任务空间的期望轨迹逆解到关节空间；步骤(2)：设计直接作用于SCARA机器人本体的双闭环反馈控制器；步骤(3)：通过编码器检测反馈SCARA机器人关节实际位置xi(t)和关节实际运行角速度ωi(t)；步骤(4)：设计具有前馈功能的预测型迭代学习控制器，过程如下：第i次运行时，机器人关节轨迹跟踪误差为：ei(t)＝rd(t)‑xi(t)第i次运行时，迭代学习控制器的输出为：ri(t)＝rd(t)+rILC_i(t)+Kei(t)对于预测型迭代学习控制，调整量的更新策略为：rILC_i(t)＝rILC_i‑1(t)+kAei‑1(t+Δ)第一 次运行时，由于还没有前一运行批次的输出信息，所以位置给定调整量为0，因此定义rILC_0(t)＝0，使得rILC_1(t)＝0；则可以得到：rILC_i(t)＝kA·(e1(t+Δ)+e2(t+Δ)+…+ei‑1(t+Δ))i＝2，3，…其中，Δ为超前采样时间，K为前馈增益，kA为预测学习增益。rd(t)表示逆解得到的关节待跟踪轨迹；ri(t)表示第i次运行时双闭环反馈控制器的实际关节位置给定值；rILC_i(t)表示第i次运行时关节位置给定的调整量；xi(t)为第i次运行完成后机器人关节输出的角度位置信息；ei(t)表示第i次运行时关节角度的跟踪误差；步骤(5)：根据SCARA机器人实际关节位置与期望关节位置的偏差，通过预测型迭代学习控制器，优化调整双闭环反馈控制器的关节位置指令给定；步骤(6)：运行完成后检验是否达到离线迭代学习停止条件，若达到停止条件则停止学习，开始在线运行，否则继续迭代学习。