下载文档原格式
面向机器人笛卡尔空间的轨迹运动自适应抑振控制作者：李琳古智超张铁来源：《振动工程学报》2021年第03期摘要：工業机器人的柔性传动部件导致机器人末端产生振动，严重降低笛卡尔运动精度，为此提出自适应输入整形抑振控制策略。
以“双惯量模型+PD控制”建立关节伺服系统模型，分析振动特性。
由于运动中的振动信号存在较大噪声，无法准确辨识振动频率和阻尼比，故采用基于递推最小二乘法（Recursive Least Squares， RLS）的任意时延输入整形器自适应设计方法。
通过对笛卡尔轨迹规划的归一化插补函数输入整形，提出笛卡尔轨迹输入整形方法，实际表现为重新规划笛卡尔速度大小而不改变运动方向。
输入整形抑振实验中直线轨迹振动信号能量最大降低77.08%，圆弧轨迹振动信号能量最大降低31.07%，残余振动信号能量降低80%以上，验证了所述抑振控制策略能有效抑制机器人笛卡尔运动启停时的振动。
关键词：工业机器人; 振动抑制; 柔性关节; 自适应输入整形; 笛卡尔运动中图分类号： TP242.2; TB535 文献标志码： A 文章编号： 1004-4523（2021）03-0499-08DOI：10.16385/ki.issn.1004-4523.2021.03.007引言工业机器人的柔性传动部件（如谐波减速器、同步带等）启动和停止时导致机器人末端存在较大的振动，严重降低了运动精度[1]。
在工业生产中，要求工业机器人具备高速、高精度的运动控制特点，故需要研究抑制末端振动的控制策略。
柔性关节通常采用双惯量模型描述，振动现象属于伺服系统的机械谐振[2]。
常用的伺服振动控制方法包括陷波滤波器[3⁃4]、状态反馈法[5⁃6]、迭代学习控制[7] 、输入整形器[8⁃9]等。
输入整形器利用特定的脉冲序列与参考输入进行卷积运算得到抑振控制输入。
与陷波滤波器和低通滤波器相比，输入整形器的抑振效果更优且具有更短的滤波时间长度[10]。
伺服系统中的振动控制技术伺服系统的振动问题严重影响系统的精度和可靠性。
因此，振动控制技术在伺服系统的设计和应用中日益受到关注。
本文将介绍伺服系统中的振动问题和振动控制技术。
一、伺服系统的振动问题伺服系统的振动问题是由于机械结构和电气控制系统的复杂性导致的。
机械结构的振动问题主要包括机械刚度、不平衡质量、摩擦和运动惯量等因素引起的振动。
而电气控制系统的振动问题主要与转矩控制、电流控制和速度控制等因素有关。
在伺服系统中，振动问题的表现主要包括质量、速度和位置误差的波动，并会导致机械声响、能耗增加和寿命缩短等负面影响。
因此，必须采取振动控制技术来解决这些问题。
二、1. 模型预测控制模型预测控制是一种基于预测模型的控制方法，它通过预测未来状态来确定控制策略，以实现对系统的控制。
在伺服系统中，模型预测控制方法可以减少振动和噪声，提高系统响应速度和精度。
2. 自适应滤波自适应滤波是一种基于信号处理的振动控制方法，它可以通过对振动信号的滤波处理来减少振动干扰。
在伺服系统中，自适应滤波方法可以有效减少系统中的振动，提高系统的控制精度。
3. 模态分解模态分解是一种将振动信号分解为几个互相独立的模态信号的方法，以便更好地理解和控制振动。
在伺服系统中，模态分解可以降低系统振动、提高控制精度和可靠性。
4. 非线性控制非线性控制是一种基于非线性系统动力学过程的控制方法，它可以实现对伺服系统振动和误差的有效控制。
在伺服系统中，非线性控制方法可以提高系统的响应速度和精度，减少振动和噪声。
5. 智能控制智能控制是一种基于人工智能算法的控制方法，它可以通过学习系统动力学和环境信息来实现自适应控制。
在伺服系统中，智能控制方法可以提高系统的控制精度和可靠性。
三、总结伺服系统中的振动问题是一个复杂的问题，需要综合应用机械结构、电气控制和信号处理等多种技术来解决。
各种控制方法在不同的应用场景和控制对象都有各自的优点和局限性，需要充分考虑实际情况选择合适的方法。
模型不确定二质量系统的振动抑制与实验研究徐宝申;周波【摘要】针对电机柔性连接负载驱动系统在加减速时会产生不稳定的扭转振动,以及刚度系数测量复杂且难以准确计算的问题,提出了通过对开环系统电机端速度响应进行时频分析,识别系统谐振频率以及调整时间的方法,进而设计了一种IP反馈控制与输入整形前馈相结合的振动抑制控制器,在提高系统响应速度的同时,达到较好的振动抑制效果.在模型不确定二质量扭转谐振平台上进行实验研究,实验结果表明该方法能够有效抑制负载端振动,并显著提高系统响应速度.【期刊名称】《实验技术与管理》【年(卷),期】2019(036)003【总页数】4页(P175-178)【关键词】振动抑制;二质量扭转系统;模型不确定;时频分析;IP控制器【作者】徐宝申;周波【作者单位】北京城市学院资源设备管理办公室 ,北京 101309;北京城市学院信息学部 ,北京 101309【正文语种】中文【中图分类】TP273工业生产设备中普遍存在柔性连接负载,使伺服系统在加减速过程中产生振动,不但严重影响设备安全运行,而且迫使伺服系统降低响应速度,以致影响伺服系统的控制品质。
电机驱动系统通常可视为二质量柔性扭转系统,研究此类柔性负载的振动抑制问题对提高伺服系统性能具有重要意义[1]。
针对二质量系统振动抑制的研究成果包括基于多项式惯量比的低阶IP控制器设计[2]、基于极点配置的PI/PID控制器设计[3-4]、模糊控制及神经网络控制[5-6]等。
其中采用低阶IP控制的方法结构简单、参数设计方便,在工业中得以广泛采用。
此外,为进一步提高系统响应速度,研究人员引入输入整形前馈以实现机构残余振动的快速抑制[7]。
然而,不论是输入整形器还是低阶IP控制器,均依赖系统的模型参数。
但在实际工程应用中,难以对柔性轴的刚度系数和系统谐振频率精确建模。
此外,生产现场伺服系统只有电机端速度可测,而由于传动间隙及减速比等原因,电机端速度振动微小,传统分析手段很难识别出系统的特征参数。
No.4Apr.2021第4期2021年4月组合机床与自动化加工技术Modular Machine Tool & Automatic Manufacturing Techninue文章编号：1001 -2265(2021)04 -0096 -04DOI : 10.13462/j. cnki. mmtamt. 2021.04. 023伺服系统转动惯量辨识及控制器PI 参数优化孙彦瑞，苏成志（长春理工大学机电工程学院，长春130000）摘要:在机器人运行时，为了使伺服电机在最优性能下达到目标速度、在工作过程中有着更强的抗 扰动能力，并避免出现震荡、谐振的状况，从而造成机器人运行时动态稳定性严重降低。
提出一种 基于非线性动态学习因子的粒子群优化算法，对普通粒子群优化算法进行改进。
该算法以伺服系 统控制模型中的速度控制器为核心，实时辨识负载转动惯量值，使伺服系统内部控制参数根据实际 工况调节；运用该辨识值，通过计算得到速度控制PI 参数值，并实时修正速度控制器PI 参数值。
MATLAB/SIMULINK 仿真结果表明，与传统的粒子群优化算法相比，无论在电机启动过程中、还是 负载扰动下，该方法都具有更快的响应速度、更高的控制精度以及更强的抗干扰能力。
关键词：转动惯量；非线性动态学习因子；粒子群优化算法；速度控制器PI 参数中图分类号:TH166 ；TG506 文献标识码:AServo System Inertia IdenhPcahon and Controller PI Parameter OptimizationSUN Yan-rui , SU Cheng-zhi(School of Mechanical and Electrical Engineering , Changchun Univvrsity of Science and Technolo/y , Changchun 130000, Ch/ia )Abstrach : During the operation of the robot , in order to make the servo motor achieve the target speed un der the optimal performance , and have stronger anti-disirbance ability in the working proces s , and to a void the prob —m of vibration and resonance , resulting in a serous reduction in the dynamic stability of the robot. The coniol model of servo motor is analyzed , and a particle swarm optimization algorithm based on nonlmear dynamic learning factor is proposed. The algorithm ties the speed conioller in the servo system coniol model as the core , and can identify the loadz moment of inertia in real time , so that the internaicontrol parameters of the s ervo system can be adjusted according to the acial condbions. By using the i dentification value , the PI parameter value of the speed control is obtained through calculation , and the PI parameter value of the speed conioller is corrected in real time. The results of MATLAB/SIMULINK sim ulation show that compared with the traditional pakWle swarm optimization algorithm , this method has fas ter response speed , higher control accuracy and stronger anti-interference ability , whether in the motorsha+hing p+oce s o+unde+hheload dishu+bance.Key wois : moment of inertia ； nonlinear dynamic learning factor ； particle swarm optimization tgoriim ； speed conho l e+PIpa+amehe+0引言机器人在运行时，每个轴的负载转动惯量与负载 扭矩随着机器人的姿态的变化而变化;伺服系统对负 载转动惯量的辨识精度、辨识快慢，决定着伺服系统运 行的稳定性、精确性与快速性。
