机器人多指手的自校正模糊控制

采用自校正模糊控制方法对北科大双拇指手进行控制.通过调整模糊控制的量化因子、比例因子及控制规则,达到双拇指手能快速响应、抓握力无超调控制,并通过分级控制实现对质量未知的物体的稳定抓握.实验证明这种控制方法与常规模糊控制相比,具有较好的控制效果.

团购合买资源类别：文库，文档格式：PDF，文档页数：5，文件大小：280.15KB

D0I:10.13374斤.issnl001053x.1998.0B.046 第20卷第3期北京科技大学学报 Vol.20 No.3 1998年6月 Journal of University of Science and Technology Beijing Jun.1998 机器人多指手的自校正模糊控制* 于澈)原魁)余达太1)黄孝斌2》 1)北京科技大学信息工程学院，北京1000832)中国冶金设备总公司自动化部（项目八部），北京100711 摘要采用自校正模糊控制方法对北科大双拇指手进行控制.通过调整模糊控制的量化因子、比例因子及控制规则，达到双拇指手能快速响应，抓握力无超调控制，并通过分级控制实现对质量· 未知的物体的稳定抓握，实验证明这种控制方法与常规模糊控制相比，具有较好的控制效果，关键词自校正模糊控制；常规模糊控制：抓握力无超调控制；分级控制分类号TP241.3 机器人多指手是一个复杂、非线性、并且对实时性要求很高的控制系统.因为模糊控制具有对控制过程不要求有精确的数学模型、强鲁棒性等特点，常被用于机器人多手指控制.但是，由于常规模糊控制中存在着：一旦模糊控制规则确定，即使控制效果不好，也无法调节模糊控制规则：量化因子、比例因子在控制过程的不同阶段应该具有不同的值，而现在基本上是在整个控制过程中作常量处理的缺点.所以，对复杂系统，仍很难取得满意效果.为了解决上述问题，Yong-Tae Kim山基于滑动模态控制原理，提出了高效鲁棒的自学习模糊控制方法，解决诸如设定点变化和外部扰动等问题；D.Stipanicev日提出了自调节自组织模糊控制方法，解决如何建立一个好的控制规则和调节模糊控制器的问题；Kazuo Kignchi)提出了模糊一神经网络控制方法，用于解决机器人操作过程中接触力的控制.以上方法，只是从不同角度解决了上述问题中的某个问题，而对于像机器人多指手抓握力控制这样的复杂问题，并不能取得比较满意的控制效果.本论文提出了采用自校正模糊控制的方法解决上述问题，并通过实验证明这种控制方法的有效性， 1控制方案选择 1.1北科大双拇指手的特点 “北科大双拇指手”是一种具有3指14自由度的非仿人机器人多指手，因为它两侧的两个手指都可以绕与手腕平行的轴转动，类似于人手拇指的功能，所以被称为“双拇指手该手的特点是可以很方便地安装在普通工业机器人末端，与机器人配合完成对不同形状的物体的抓取和简单操作等任务， 1.2控制方案选择 ()变目标值分级控制.人抓握物体的过程是一个对物体质量、抓握力不断学习的过程，所以机器人多指手在抓握未知质量的物体时，也应该是一个对物体质量和抓握力不断学习的 1997-10-31收稿于澈男，27岁，博士生 *国家863”计划智能机器人组资助项目

Vol.20 No.3 于澈等：机器人多指手的自校正模糊控制 ·287· 过程.为了满足控制过程的需要，采用了变目标值的分级控制方法，如图1所示. 根据模糊控制规则修改目标值基准值u △H 自校正模糊控制滑动？稳定抓握图1变目标的分级控制首先，由操作者通过人机交互界面方式给定一个目标基准值，通过自校正模糊控制来调整抓握力，逼近给定基准值，这个目标基准值应小于实现稳定抓握的抓握力.如果给定的目标基准值较大，则当抓握力通过不断调整接近目标值时，物体可能会因抓握力过大而被损坏，其次，当抓握力与给定日标基准值的误差小于某一给定值δ，时，可以认为机器人手已经稳定抓握了物体.给机器人本体一个提升信号，如果物体与机器人手之间没有滑动，则实现了对物体的稳定抓握操作；如果有滑动现象发生，则抓握力的大小和分布会发生变化.抓握力的大小和分布情况变化得越明显，表明滑动的位移就越大，由于我们在北科大双拇指手的3个手指上安装有36个力传感器，因此，能够判断是否发生滑动及滑动方向，判断滑动现象的判据是力传感器力值的变化.这个变化值应大于某一给定值δ，给定值ò，是在考虑外界扰动作用及机器人手本身动作造成力传感器力值变化的影响下，通过实验给出的一个经验值，根据力传感器力值变化的大小，通过模糊控制器，修改目标值，进行下一级控制. 最后，通过目标值的不断修改，实现对未知质量物体的稳定抓握 (2)自校正模糊控制.由于北科大双拇指手手指是单关节的机械机构的特点，所以，建立其精确的控制模型几乎是不可能的，也无法应用基于精确数学模型的各种控制方法4.如果在实现稳定抓取过程中，对抓握力只采用常规模糊控制，由于系统受到随机干扰以及模糊控制规则不准确及不完善的影响，控制效果不太好.为了解决这个问题，我们对常规模糊控制方案进行了改进，采用了自校正模糊控制方法见（图2），在控制过程中自动地调整、修正和优化模糊控制参数和规则，来获得良好的控制效果.图2中的数据存储单元用于存储评价控制系统性能的各种数据，性能评价环节根据系统提供的信息对控制效果进行评价，其结果送入带有自调整因子的模糊控制器和参数修正环节，分别作为修改控制规则和校正参数的依据，性能评价数据存储参数校正单元带有自调被控整因子的 ☒( 模糊控制器对象超推值4+ 图2自校正棋糊控制图

·288· 北京科技大学学报 1998年第3期 2 控制性能指标在机器人手力控制系统中，将抓握力定义为被控对象.特别是在机器人手抓握物体过程中，由于不知道被抓物体的材质及易损程度，为了避免损坏物体，希望抓握力不要过大，因此，我们根据抓握力的超调量定义了评价系统控制品质的模糊性能指标FP(Fuzzy Performance) FP≌min{e:e,=F-F',其中，F是系统实际抓握力，F·为系统的抓握力目标值，e,为系统实际抓握力与系统目标值F·的偏差在本系统中，由于要对相互独立的3个手指进行控制，每个手指的控制过程可能不尽相同，即模糊控制的量化因子和比例因子可能不一样，我们将控制系统分为3个子系统，这样、模糊性能指标变成模糊性能指标集，即FP≡min{e():e以)=F)-F'(),这里，i=1,2,3,代表3个轴. 在控制过程中根据系统的控制性能指标决定对模糊控制参数及规则是否进行调整，如果 FP满足系统要求，则参数及规则调整过程结束， 3 自校正模糊控制 3.1模糊控制规则的调整模糊控制器性能的好坏在很大程度上取决于模糊控制规则的确定及其可调整性，如果模糊控制规则是不可调整的，则由于控制规则的不准确和不完善，控制效果就不会很好.模糊控制系统在不同的状态下，对控制规则中误差E与误差变化EC的加权系数一般说来应该有不同的要求，因此，我们采用带有自调整因子的模糊控制器. 设误差E,误差变化量及控制量△U的论域选取为： {E}={EC}={△U}={-N,,-2,-1,0,1,2.…,N} 则在全论域范围内带有自调整的模糊控制器规则可表示为： △U=-; a=(I/N(c,-a)lE+a。, 式中， 0≤an≤a、≤1，ae[a,a]. 上述控制规则的特点是调整因子α在α，至α，之间随着误差绝对值|E的大小呈线性变化，因N为量化等级，故α有N个可能的取值.不难看出，上式所描述的量化控制规则体现了按误差的大小自动调整误差对控制作用的权重.显然，这种自调整过程符合人在控制决策过程中的思想特点，已经具有优化的特点，且非常易于通过计算机实时实现其控制算法， 3.2模糊控制量化因子与比例因子的调整在模糊控制中，将误差的量化因子、误差变化的量化因子和输出控制量的比例因子分别定义为： K.N/f:K M/fo;K.=1/L 其中，N,M,L分别为误差f、误差变化∫和输出控制量f的量化等级. 设计一个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人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.量化因子K,K,和比例因子K。的大小对控制系统的动态性能影响很大，K,选择较大时，系统的超调也较大，响应时间较长；人，选

Vol.20 No.3 于澈等：机器人多指手的自校正模糊控制 ·289· 择较大时，超调量减小.但系统的响应时间变慢；K,对超调的遏制作用十分明显：K选择较小会使系统动态响应过程变长，而K,逃择过大会导致系统振荡.因此，采用在控制过程中改变量化因子和比例因子的方法来调整整个控制过程中不同阶段上的控制特性，以达到良好的控制效果. 模糊控制器的量化因子，比例因子按下述式子调节： e(i)-(1/M[a.(0-a(0]1EAi)+e,(: eci)=(】/[a.(i)-ai)]IEC(i)川+ec). 式中：0≤a.()≤a,(0≤1：K.()=1/e()K(0=1/ec(0a(0=(1/)(a,(0-an(0川E)川 +k()庆K(i0=z(0)n 量化因子和比例因子修改后各自的量化等级分别为：量化因子K的量化等级N为(i)=()·人，( 量化因子K的量化等级M为M)=()·K(): 比例因子的量化等级L为山)=()1(). 其中i=1,2.3:/c,(①/cc(),为量化因子的初值.k()为比例因子的初值，当系统的抓握力F()达到F‘()时，调节过程结束. 33输出值的模糊化传统的模糊控制方法的模糊输出量一般是在最大的可允许的范围内分成几档.在本论文的实验中，力的最大输出为10，如果按此范围确定输出量的量化等级，那么就会出现比例因子非常大的现象，信息量的丢失量也会很大，而且容易出现大的超调现象，而这些现象都是在多指手力的控制中所不允许的. 为了实现控制系统的快速响应而又不致于出现大的超调，采用了目标值=修正值△/+ 输出基准值('的方案./的修改按目标值的模糊控制规则修改，修正值△作自校正模糊控制器的输入值，将修正值△的输出值与输出基准值的修改值之和作用于被控对象上· 4实验结果 100r 常规模糊控制响应曲线以北科大双拇指于为控制对象，对直径为13 80 cm、质量未知的盛水可乐瓶进行了多次抓握实验， 60 图3给出了组实验结果.其中，实线曲线表示自校 30 正模糊控制的响应曲线，而点划线曲线则是常规模煦 40- 自校模糊控制响应曲线翻控制的响应曲线， 2 从实验结果中可以看到，与常规模糊控制方法相比，采用自校正模糊控制方法时有以下优点：() tis 系统采用自校正模糊控制方法的响应时间比常规图32种模糊控制响应比较模糊控制响应时间短.(2)可以通过采用自校正模糊控制方法实现抓握力的无超调控制 5结束语自校正模糊控制能够在控制过程中使模糊控制的量化因子和比例因子自动地调整，修正和完善；带有自调整因子的模糊控制器能够根据误差的变化自动地调整权重，从而改变挖制

点击进入文档下载页（PDF格式）

已到末页，全文结束

点击下载（PDF格式）

浏览记录

机器人多指手的自校正模糊控制