机器人位置模糊控制器设计

 1 清刷机器人伺服控制系统

  清刷机器人伺服控制系统如图1 所示.其工作原理为:系统首先输入与所需要的目标位置相对应的机器人的偏航角ψ0 ,将此信号与倾角传感器检测到的机器人实际偏航角ψ相比较,得到偏差信号为ψe= ψ0 - ψ,经过模糊控制器的算法运算,求出为消除该偏差所需施加于马达伺服机构输入端的控制转速信号ωd R 和ωd L ,该信号经功率放大,分别驱动左右链轮的伺服机构,使偏差信号逐渐减少,直到消除.图中d 为主动链轮的分度圆直径,b 为左右两条履带中心距的距离.

　2 位置模糊控制器结构

　由于清刷机器人在作业过程中,系统存在着许多不确定因素,如模型参数的时变和对象特性的非线性以及诸多的扰动因素,所以,将机器人位置控制器设计成模糊控制器.机器人位置模糊控制器结构设计如图2 所示.考虑到位置控制器的复杂性和控制精度要求,选用机器人倾角偏差和倾角偏差变化率作为模糊控制器的输入.这样既可避免使用一维控制器的动态性能不佳,也避免了采用三维模糊控制器的过于复杂,难以设计和占用计算机时间长,实时性差等弊端.

  由图2 可以看出,控制器主要由偏差e 和偏差变化率ec 的离散化、模糊化环节K 1 和K 2 、模糊控制查询表、控制量输出环节K 3 和在线参数自调整环节等组成.参数自调整的作用是根据偏差e 和偏差变化率ec 的大小,在线调节K 1 、K 2 和K 3 的值,使系统的动态性能和稳态性能更好地相互兼顾.

  3 控制器输入输出变量

  在模糊控制器的设计中,通常是以误差e 和误差变化率ec 作为输入变量,经过离散化、模糊化后,作为模糊控制表的输入,查询模糊控制表,得到模糊输出控制量△u, 又经过输入比例系数K 3 后和其他控制信号相加,作为被控对象的实际控制信号.

  取误差e 的模糊子集E 的论域为{ 6, 6} ,误差变化率ec 的模糊子集E C 的论域为{ 6, 6} ,控制量△u 的模糊子集△U 的论域为{ 7, 7} .一般情况下,人们对误差和误差变化率以及控制量在正负方向上的感知近似为对称的,因此,取E ,E C 和△U 的语言变量为{ N B ,N M ,N S,Z O ,P S,P M ,P B }确定语言变量的模糊子集隶属函数的形状,通常情况下采用正态型模糊变量来描述是适宜的,考虑到隶属函数曲线形状对控制特性的影响,在误差较大区域采用低分辨率的模糊集,在误差较小的区域采用较高分辨率的模糊集,当误差接近于零时选用高分辨率的模糊集.论域E ,E C 和△U 中语言变量的隶属函数分别如图3 ～图5 所示.将确定的隶属函数曲线离散化后,就可得到隶属度.

  4 模糊控制规则

  通常情况下模糊控制规则是由实际的控制经验总结出来的,但对于船体表面清刷机器人这种在特定环境中作业的控制对象,要总结出人工控制经验是较为困难的.可以从系统简化的物理模型出发,按常规控制经验类推出一般的模糊推理规则;也可以将经典控制理论模糊化得到一套相应的模糊控制规则去控制机器人在船体表面的移动.采用的模糊控制规则为R i :if E is A i and E C is B i ,then △U is C i，其中R i 表示第i条控制规则;E 表示误差语言变量;E C 表示误差变化率语言变量; △U 为控制量语言变量.它们的语言值在相应论域中的模糊子集分别为Ai ,B i 和C i , 由这些控制规则可得到模糊控制规则表1.

  5 量化因子、比例因子和参数自调整

  采用计算机实现模糊控制算法进行模糊控制时,必须将采样得到的输入变量从基本论域转换到相应的模糊集的论域,因此,需要引入量化因子进行论域的变换.图2 中的参数K 1 和K 2 分别为误差的量化因子和误差变化率的量化因子.

  每次采样经模糊控制算法给出的控制量( 精确量) ,还不能直接去控制对象,必须转换到控制对象所能接受的基本论域中去,即通过图2 中的比例因子K 3 实现输出控制量的论域的变换.

  由图2 可知,模糊控制器除了要有一个好的模糊控制规则外,合理地选择模糊控制器输入变量的量化因子和输出控制量的比例因子也是非常重要的.研究表明,量化因子和比例因子的大小及不同量化因子之间大小的相对关系,对模糊控制器的控制性能影响极大.为了使清刷机器人能够适应各种不同船体表面上运动,完成规定的清刷功能,控制中采用的量化因子和比例因子可根据误差e 和误差变化率ec 的大小进行自动调整,从而使系统在各种情况下都具有良好的控制性能.

  量化因子K 1 和K 2 的大小对控制系统的动态性能影响很大.当e和ec较大时,控制系统要减小误差,加快动态过程,这时应取较大的控制量.此时可缩小量化因子K 1 和K 2 ,增大K 3 .当e 和ec 较小时,系统接近稳定值,这时为了使稳态误差尽可能减小,应当放大量化因子K 1 和K2 ,同时减小K 3 ,使控制量的阶跃变化小.

  由以上分析可知, K 1 , K 2 和K 3 的变化趋势正好相反.为了便于计算机控制,可取K 1 , K 2 的变化倍数与K 3 的变化倍数成倒数关系. K 1 , K 2 和K 3 的调整也是采用模糊化方法,经模糊推理后得到参数调整表2.实际控制时,以最初设定的量化因子K 1 0 和K 2 0 对误差e 和误差变化率ec 进行量化,查找参数调整表得到N 值,按K 1 = N· K 1 0 ,K 2 = N· K2 0 和K 3 = K3 0 /N 调整参数,并用调整后的K 1 , K 2 和K 3 进行量化和控制.

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。