日志
3、机器人视觉伺服系统------2
|||
一：伺服控制方案
末端执行器的运动是由各个关节配合完成的，因此末端的运动姿态与其余各关节的位移。速度及加速度息息相关。但各关节的运动存在互相耦合，其物理参数随手臂负载等因素的变化而变化。因此要理想地控制手臂的运动，必须考虑手臂的非线性问题以及如何解决因负载变动等因素造成物理参数的不确定性，由于无法给出被控对象的精确模型，导致不确定性问题总存在，因此无法得到精确的控制律。
目前，控制方法虽然经历了从PID控制到智能控制的发展历程，智能控制方法直接针对非线性和参数不确定性问题设计有效控制律，该控制方法不需要精确的数学模型，且不受系统的未知部分和机械参数不确定的影响，从而能够使机械手有效地克服因负载变动等因素造成物理参数的不确定性问题，在一定程度上增强了系统的稳定性。在机器人中常用的控制方法有以下几种
- PID控制：具有控制算法简单、无需建模等优点。是根据给定的位置指令，该方法存在的问题是需要较大的控制律，否则不能保证系统的动态性能
- 自适应控制：其基本原理是按照实际系统的性能与期望指标相比较来自适应调整控制量，当控制系统处在复杂环境中运行时具有良好的动态性能，其优点在于不需要建立被控对象的精确数学模型，但是存在在线辨识参数所需要的庞大计算，对实时性要求严格等缺点
- 鲁棒控制：它是一种保证不确定系统的稳定性以及达到满意控制效果的控制方法。鲁棒控制器的设计仅需要知道限制不确定性的可能值得边界即可。鲁棒控制可同时补偿结构和非结构不确定的影响，这也是鲁棒控制优于自适应控制之处，此外，鲁棒控制还有实现简单、有良好稳定性等优点
- 神经网络控制：神经网络具有高度的非线性逼近映射能力，为解决参数的不确定非线性复杂系统提供了一种新的解决方法，因此采用神经网络方法，可实现对机器人动力学方程中未知部分的实时在线精确逼近，从而可通过在线建模和前馈补偿，实现机器人的高精度跟踪
- 基于图像差的控制：采用该方法的控制系统精度依赖于提取的图像特征。李优新提出了基于人工免疫进化算法与直接图像误差的视觉定位控制方法，其特点是：不需要进行任何图像特征定义域提取而直接利用图像的全部目标信息，具有同用性强，稳定性好，精度高等优点，但实现比较困难
- 迭代学习控制：它主要应用对象是具有运动重复性、不确定等高精度的系统，不仅不需要精确的数学模型。而且仅需要少量的先验知识即可，因此非常适合应用于机器人的轨迹跟踪
- 滑膜变结构控制：该方法具有很强的鲁棒性，不需要精确的动力学模型，能够通过控制器本身结构的开关变化，使系统性能仍能保持较高的动态品质。由于滑动模态可以由设计者任意设计，但需要满足可到达条件即可，并且与系统的不确定及机械参数无关，使得该控制系统具有较强的抗扰动能力及不需要对系统参数进行辨识等优点，但是滑膜变结构也存在不足，即抖振问题，这极大限制了其应用领域。
