[发明专利]一种三自由度Delta并联机器人的鲁棒控制方法

说明书

本发明公开了一种三自由度Delta并联机器人的鲁棒控制方法，将三自由度Delta并联机器人动力学模型中含有不确定性的项分离出来，分别得到并联机器人系统的标称项和不确定项；根据三自由度Delta并联机器人动力学模型中的标称项建立控制器中的标称补偿环节，用于对标称机器人系统进行补偿；选取正定对角矩阵，设计控制器中的P.D.控制环节，用于对初始位置误差进行补偿；根据三自由度Delta并联机器人动力学模型中与不确定性有关的项构造函数，求解代表系统不确定项上界信息的函数，并利用该函数构造不确定性补偿环节，用以补偿系统中存在的不确定性；最终，给出鲁棒控制器。解决了传统控制方法往往基于精确的动力学模型，很难达到实际控制目的的技术问题。

技术领域

本发明属于并联机器人运动控制领域，尤其涉及一种三自由度Delta并联机器人的鲁棒控制方法。

背景技术

随着Delta并联机器人在加工制造、微电子、医疗康复、智能物流等高精尖领域的应用，Delta并联机器人对控制精度和抗干扰能力的要求越来越高。Delta并联机器人为多连杆链式并联结构，其从动臂通常采用轻质材料的细长杆件，在高速工作时关节间隙与细长杆件的弹性变形会引起残余振动，该振动现象将严重影响到运动的精度和稳定性。同时，Delta并联机器人在实际工作中存在着大量的不确定性，如：系统变化的动力学参数、非线性关节摩擦力干扰与外部随机载荷的扰动等，这些不确定因素影响着控制精度和工作效率。因此，针对具有不确定性的Delta并联机器人动态控制方法研究成为该领域的研究重点。

目前，针对具有不确定性的Delta并联机器人的动态控制方法主要包括线性控制方法和非线性控制方法。线性控制方法如PID控制、计算力矩控制等通过将非线性的系统模型线性化后，再实现对机器人的控制。这些方法依赖于系统精确的动力学模型和确定的工况，忽略了系统的不确定性，随着控制过程的日趋复杂，这些线性控制方法就显示出了弊端，单纯的线性控制方法往往很难达到控制要求，鲁棒性差。因此，近年来非线性控制方法成为该领域的研究重点。针对Delta并联机器人系统的非线性控制方法包括变结构控制方法、线性反馈控制方法和自适应控制方法等，这些控制方法或多或少的存在着一些问题，如滑膜变结构控制方法中，“结构”切换的过程中存在不连续的开关特性，容易引起不可消除的抖振现象，线性反馈控制方法中由于不完全了解Delta并联机器人的动力学模型，其对线性系统的补偿往往是不彻底的。而神经网络、模糊控制等智能控制方法目前在Delta并联机器人运动控制领域仍处于初步阶段，虽然智能控制理论在Delta并联机器人工程应用中取得了显著的进展，但仍存在一些问题，如神经网路的隐含层数目和神经元数的选择，模糊控制中存在的高频振动现象、单一的模糊控制很难建立完整的模糊控制规则等，需要对这些问题进行进一步的探索。

美国学者Leitmann在系统优化、博弈论等理论的基础上提出了一致有界、一致最终有界的概念，针对系统的非线性与不确定性问题，提出了Min-Max Lyapunov控制方法，又称Leitmann方法。Leitmann分别讨论了在无结构匹配条件下，存在状态变量时延现象的非确定性系统的鲁棒性和存在状态时延现象的线性系统稳定性，结合分散控制理论对含有不确定性的非线性耦合系统控制进行分析，为具有强耦合和非线性的Delta并联机器人动态控制方法研究提供了新思路。因此，对具有不确定性的三自由度Delta并联机器人动态控制策略进行研究一直是本领域技术人员所关注的热点。

发明内容

针对上述现有技术存在的缺陷或不足，本发明的目的在于，基于Leitmann方法提供一种三自由度Delta并联机器人的鲁棒控制方法，以解决传统控制方法往往基于精确的动力学模型，很难达到实际控制目的的问题。

为了实现上述任务，本发明采用如下技术解决方案予以实现：

一种三自由度Delta并联机器人的鲁棒控制方法，其特征在于，按照以下步骤进行：

步骤1，将三自由度Delta并联机器人动力学模型中含有不确定性的项分离出来，分别得到并联机器人系统的标称项和不确定项；