Komponenten und Steuerungsprinzipien von Robotersteuerungssystemen

Nov 27, 2024 Eine Nachricht hinterlassen

Kontrollmethoden für Roboter werden je nach Kontrollmenge und Kontrollalgorithmus in verschiedene Typen unterteilt. Das Folgende beschreibt die häufig verwendeten Robotersteuermethoden für jeden Typ.

 

I. Klassifizierung gemäß dem Kontrollvolumen

 

Gemäß dem unterschiedlichen Raum, in dem sich das Steuervolumen befindet, kann die Roboterkontrolle im Gelenkraum und im Kontroll im kartesischen Raum in die Kontrolle eingeteilt werden. Für Tandem-Multi-Gelenk-Roboter dient die Gelenkregelung für die Kontrolle von Variablen in jeder Verbindung des Roboters und die kartesische Raumsteuerung für die Kontrolle von Variablen am Ende des Roboters. Gemäß den verschiedenen Kontrollmengen kann die Roboterkontrolle als: Positionsregelung, Geschwindigkeitskontrolle, Beschleunigungsregelung, Kraftkontrolle, Kraftpositionshybridkontrolle usw. kategorisiert werden. Diese Steuerelemente können entweder gemeinsame Raumsteuerungen oder End-kartesische Raumsteuerung des kartesischen Raums sein.


Das Ziel der Positionskontrolle ist es, die Gelenke oder Enden des kontrollierten Roboters die gewünschte Position zu erreichen. Das Folgende ist ein Beispiel für eine Gelenkpositionskontrolle für einen Roboter. Der Fehler, der durch Vergleich des angegebenen Werts der Gelenkposition mit dem Stromwert als Eingang mit dem Positionsregler verwendet wird, und der Ausgang als angegebener Wert der Gelenkdrehzahlregelung nach dem Betrieb des Positionsreglers verwendet. Der Gelenkpositionscontroller verwendet häufig den PID -Algorithmus und kann auch Fuzzy -Steueralgorithmus verwendet werden.

 

Zunächst wird die Steuerbeschleunigung des Endwerkzeugs berechnet. Anschließend wird die entsprechende Beschleunigung jedes Gelenks auf der Grundlage der Endposition, der Geschwindigkeits- und Beschleunigungserwartung sowie der aktuellen Endposition, der gemeinsamen Position und der Geschwindigkeit zerlegt, und dann wird das Kontrolldrehmoment unter Verwendung der kinetischen Gleichungen berechnet, um die Beschleunigungsregelung zu zersetzen , was für jedes Gelenk Drehmoment kontrolliert werden muss.

 

Da die Gelenkkraft/das Drehmoment nicht direkt zu messen ist und der Strom des Gelenkmotors das Drehmoment des Gelenkmotors besser widerspiegeln kann, wird der Strom des Gelenkmotors häufig verwendet, um den Strom gemessene Wert der Gelenkkraft/anzugeben/ Drehmoment. Der Kraftkontroller steuert den Gelenkmotor, um die gewünschten Kraft/Drehmoment -Eigenschaften auf der Grundlage der Abweichung zwischen dem gewünschten Wert der Kraft/des Drehmoments und dem gemessenen Wert zu zeigen.

 

Es besteht aus zwei Teilen: Positionskontrolle und Kraftkontrolle. Die Positionskontrolle ist eine PI -Steuerung, die als kartesische Raumposition des Roboterends angegeben ist, und das kartesische Raumposition -Feedback des Endes wird aus der Position im gemeinsamen Raum nach kinematischer Berechnung erhalten. In der Abbildung ist T das kinematische Modell des Roboters und J ist die Jacobi -Matrix des Roboters. Die Differenz zwischen dem angegebenen Wert der Endposition und dem Stromwert wird unter Verwendung der inversen Matrix der Jacobi -Matrix in eine Positionserhöhung im Verbindungsraum umgewandelt, die dann nach einem PI -Betrieb als Teil des Verbindungspositionsinkrements verwendet wird.


Die Kraftkontrolle wird ebenfalls pi kontrolliert und als kartesische Raumkraft/Drehmoment am Ende des Roboters angegeben, wobei die Rückkopplungen aus Kraft/Drehmomentsensor -Messungen erhalten werden. Die Differenz zwischen dem angegebenen Wert und dem Stromwert der Endkraft/des Moments wird unter Verwendung der Transponierungsmatrix der Jacobi -Matrix in eine Kraft/ein Moment im Gelenkraum umgewandelt. Die Kraft/das Moment im Gelenkraum wird nach dem PI -Betrieb als weiterer Teil des Verbindungspositionsinkrements verwendet. Die Ausgänge des Positionsteuerungsteils und des Kraftsteuerteils werden als den gewünschten Wert des Positionsinkrements der Gelenke des Roboters addiert. Der Roboter nutzt die inkrementelle Steuerung, um die Position jeder seiner Gelenke zu steuern. Die in Abbildung {1-5 gezeigte Hybridkontrolle der Streitposition ist nur ein einfaches Schema in der Hybridkontrolle der Kraftposition, bei der eine vereinfachte Form der Hybridkontrolle der RC (Raibert-Craig) und einige notwendige Korrekturen ist sollte für bestimmte Umgebungen in praktischen Anwendungen hergestellt werden.

 

II, Klassifizierung nach Kontrollalgorithmus


Gemäß den Kontrollalgorithmen können die Kontrollmethoden von Robotern in PID -Steuerung, strukturelle Steuerung, adaptive Kontrolle, Fuzzy -Kontrolle, Neuron -Netzwerkkontrolle und andere Methoden eingeteilt werden. Einige Literatur klassifiziert auch die vorhandenen Kontrollalgorithmen in die Steuerung der Logikschwellenwert, die PID -Steuerung, die Steuerung des Schiebemodus -Variablenstruktur, die Steuerung des neuronalen Netzwerks und die Fuzzy -Steuerung. Diese Kontrollmethoden sind nicht isoliert und werden häufig zusammen in einem Kontrollsystem verwendet.


1, PID -Kontrolle


In der Ingenieurpraxis ist das am weitesten verbreitete Regulierungssteuergesetz für die proportionale, integrale, differentielle Kontrolle, die als PID -Kontrolle bezeichnet wird und auch als PID -Regulierung bezeichnet wird , leicht zu passen und ist zu einer der Haupttechnologien der industriellen Kontrolle geworden. Wenn die Struktur und die Parameter des kontrollierten Objekts nicht vollständig gemeistert werden können oder keinen Zugriff auf genaue mathematische Modelle haben, ist die Steuerungstheorie anderer Technologien schwierig zu verwenden. Die Struktur und die Parameter des Systemcontrollers müssen auf Erfahrung und Felddebugging beruhen Die Ermittlung der Anwendung der PID -Steuerungstechnologie ist am bequemsten.

Das heißt, wenn wir ein System und das kontrollierte Objekt nicht vollständig verstehen oder keine wirksamen Messmittel sein können, um die Systemparameter zu erhalten, die am besten für die PID -Steuerungstechnologie geeignet sind. PID -Steuerung gibt es in der Praxis auch PI und PD Control.PID -Controller basiert auf dem Fehler des Systems, der Verwendung proportionaler, integraler und unterschiedlicher Berechnung der Steuerung der Steuerung für die Kontrolle.


2, Variable Strukturkontrolle


Variable Strukturkontrolle ist ein Kontrollschema, das in den 1950er Jahren aus der Sowjetunion entwickelt wurde. Die sogenannte Steuerung der variablen Struktur bedeutet, dass das Steuerungssystem mehrere Controller hat und verschiedene Controller in verschiedenen Situationen gemäß bestimmten Regeln verwendet werden. Die Verwendung der Steuerung der variablen Struktur hat viele Vorteile, die in anderen Kontrollen nicht zu finden sind, und kann die Kontrolle einer Klasse nichtlinearer Systeme mit unsicheren Parametern realisieren.


3, adaptive Kontrolle


Die sogenannte adaptive Steuerung bezieht sich auf die Eingaben oder Störungen des Systems, die eine Vielzahl von Änderungen auftreten. Das entworfene System kann die Systemparameter oder die Steuerstrategie anpassungsfähig anpassen, sodass die Ausgabe weiterhin die Entwurfsanforderungen, die Grundstruktur wie gezeigt erfüllt In Abbildung 2-1. Die adaptive Kontrolle befasst sich mit Systemen mit "Unsicherheit" und versucht, diese Unsicherheit zu verringern, indem sie den Zustand zufälliger Variablen beobachtet und das Systemmodell erkennen. Das Ergebnis ist häufig die Erreichung bestimmter Kontrollziele, dh "optimaler Kontrolle" wird durch "effektive Kontrolle" ersetzt.

Adaptive Steuerungssysteme können in modellbezogene adaptive Steuerungssysteme, selbstkorrigierende Steuerungssysteme, selbstoptimisierende Steuerungssysteme, strukturelle Steuerungssysteme und intelligente adaptive Steuerungssysteme nach ihren Prinzipien eingeteilt werden. Unter diesen Arten von adaptiven Kontrollsystemen sind modellbekannte adaptive Steuerungssysteme und selbstkorrigierende Steuerungssysteme reifer und häufig verwendet.

 

4, Fuzzy Control


Bei der Fuzzy -Kontrolle werden Eingänge unscharf quantisiert, um Fuzzy -Variablen zu werden. Es gibt Fuzzy -Variablen, die von Fuzzy -Regeln begründet sind, um Fuzzy -Ausgänge zu erhalten, und nach der Defuzzifizierung, um klare Ausgänge für die Kontrolle zu erhalten. Fuzzy Control war an erster Stelle

Vorgeschlagen von Prof. Zadeh von der University of California im Jahr 1965 und 1974 wandte EH Mamdani aus dem Vereinigten Königreich erfolgreich die Fuzzy -Kontrolle auf die Kontrolle von Kesseln und Dampfmotoren an. Anschließend wurde die Fuzzy -Kontrolle im Bereich der Kontrolle rasch entwickelt und hat eine große Anzahl erfolgreicher Anwendungen erhalten.


5, Neuron -Netzwerkkontrolle


Die neuronale Netzwerkkontrolle ist eine der Grenzdisziplinen im Bereich der automatischen Steuerung, die Ende der 1980er Jahre entwickelt wurde. Es ist ein neuer Zweig der intelligenten Kontrolle, der eine neue Möglichkeit zur Lösung der Kontrollprobleme komplexer nichtlinearer, unsicherer und unsicherer Systeme eröffnet. Neuronale Netzwerkkontrolle ist ein Produkt der Kombination aus (künstlicher) Theorie der neuronalen Netzwerktheorie und -kontrolle und eine sich entwickelnde Disziplin. Es vereint Theorien, Techniken, Methoden und Forschungsergebnisse aus Disziplinen, einschließlich Mathematik, Biologie, Neurophysiologie, Gehirnwissenschaft, Genetik, künstliche Intelligenz, Informatik, automatische Kontrolle usw. Seine Grundstruktur ist in Abbildung 2-2 gezeigt.

Im Bereich der Steuerung wird das Steuerungssystem mit Lernfähigkeit als Lernsteuerungssystem bezeichnet, das zum intelligenten Steuerungssystem gehört. Die neuronale Kontrolle hat die Lernfähigkeit und gehört zur Lernkontrolle, die ein Zweig der intelligenten Kontrolle ist. Die neuronale Kontrollentwicklung bisher, obwohl nur mehr als zehn Jahre Geschichte, gab es eine Vielzahl von Kontrollstrukturen. Wie neuronale Vorhersagekontrolle, neuronale inverse Systemkontrolle usw.

Anfrage senden

whatsapp

Telefon

E-Mail

Anfrage