环境约束可重构机械臂模块化力/位置控制

上海交通大学学报（自然版） ›› 2017, Vol. 51 ›› Issue (6): 709-714.

环境约束可重构机械臂模块化力/位置控制

李元春1，宋扬2，赵博1,3

1. 长春工业大学控制工程系，长春 130012；
2. 中车大连电力牵引研发中心有限公司网络控制部，辽宁大连 116041；
3. 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190

出版日期:2017-06-30 发布日期:2017-06-30
基金资助:

Modular Position/Force Control for
Environmental Constrained Reconfigurable Manipulator

LI Yuanchun1,SONG Yang2,ZHAO Bo1,3

1. Department of Control Engineering, Changchun University of Technology, Changchun 130012, China;
2. Network Control Department, CRRC Dalian R&D Co., Ltd., Dalian 116041, Liaoning, China;
3. State Key Laboratory of Management and Control for Complex Systems, Institute of
Automation, Chinese Academy of Sciences, Beijing 100190, China

Online:2017-06-30 Published:2017-06-30
Supported by:

摘要/Abstract

摘要： 针对受环境约束的可重构机械臂系统，提出了一种自适应神经网络模块化力/位置控制方法.利用雅克比矩阵将机械臂末端与环境接触力映射到各关节，将系统动力学模型描述成一组通过耦合力矩相关联的子系统集合，通过控制各子系统的位置和力矩来达到控制末端执行器位置和接触力的目的.利用神经网络估计可重构机械臂系统的非线性项和交联项，通过自适应更新律在线估计神经网络权值函数，并引入滑模控制项补偿估计误差，从而保证闭环系统渐近稳定.最后，在不改变控制器参数的条件下对2个不同构形的2自由度可重构机械臂进行数值仿真，结果验证了所设计控制器的有效性.

关键词: , 可重构机械臂, 环境约束, 模块化控制, 力/位置控制, 神经网络

Abstract: This paper proposed an adaptive neural network modular position/force control method for environmental constrained reconfigurable manipulator. Mapping the endpoint force of the reconfigurable manipulator to each joint module, describe the entire dynamic model by a set of interconnected subsystems by coupling torques, and the position and contact force of the endpoint should be obtained by controlling the angle and torque of each subsystem. By virtue of the neural networks, the nonlinear and interconnected items are estimated, and the weights of these neural networks can be adaptively updated on line, meanwhile, the estimated errors are removed by a sliding mode control item, and the stabiltiy of the closedloop system should be granteed. Finally, the numerical simulation on two different 2DOF reconfigurable manipulators shows the effectiveness of the proposed method without changing control parameters.

Key words: reconfigurable manipulator； environmental constraint； , modular control； position/force control； neural network

中图分类号:

TP 24

李元春1，宋扬2，赵博1,3. 环境约束可重构机械臂模块化力/位置控制[J]. 上海交通大学学报（自然版）, 2017, 51(6): 709-714.

LI Yuanchun1,SONG Yang2,ZHAO Bo1,3. Modular Position/Force Control for
Environmental Constrained Reconfigurable Manipulator[J]. Journal of Shanghai Jiaotong University, 2017, 51(6): 709-714.

参考文献

［1］ROEHR T M, CORDES F, KIRCHNER F. Reconfigurable integrated multirobot exploration system (RIMRES): Heterogeneous modular reconfigurable robots for space exploration ［J］. Journal of Field Robotics, 2014, 31(1): 334.
［2］COPPOLA G, ZHANG D, LIU K. A 6DOF reconfigurable hybrid parallel manipulator ［J］. Robotics and ComputerIntegrated Manufacturing, 2014, 30(2): 99106.
［3］RUSSO S, HARADA K, RANZANI T, et al. Design of a robotic module for autonomous exploration and multimode locomotion ［J］. IEEE/ASME Transactions on Mechatronics, 2013, 18(6): 17571766.
［4］HARADA K, OETOMO D, SUSILO E, et al. A reconfigurable modular robotic endoluminal surgical system: Vision and preliminary results ［J］. Robotica, 2010, 28(2): 171183.
［5］AHN H S, BEAK Y M, SA I K, et al. Design of reconfigurable heterogeneous modular architecture for service robots ［C］∥2008 IEEE/RSJ International Conference on Intelligent Robots and Systems. Nice, France: IEEE, 2008: 13131318.
［6］BIGLARBEGIAN M, MELEK W W, MENDEL J M. Design of novel interval type2 fuzzy controllers for modular and reconfigurable robots: theory and experiments ［J］. IEEE Transactions on Industrial Electronics, 2011, 58(4): 13711384.
［7］SUN T, SONG Y, LI Y, et al. Workspace decomposition based dimensional synthesis of a novel hybrid reconfigurable robot ［J］. Journal of Mechanisms and Robotics, 2010, 2(3): 191220.
［8］HERRERO S, MANNHEIM T, PRAUSE I, et al. Enhancing the useful workspace of a reconfigurable parallel manipulator by grasp point optimization ［J］. Robotic and ComputerIntegrated Manufacturing, 2015, 31: 5160.
［9］LI Z, MELEK W W, CLARK C. Decentralized robust control of robot manipulators with harmonic drive transmission and application to modular and reconfigurable serial arms ［J］. Robotica, 2009, 27(2): 291302.
［10］赵博, 李元春. 基于信号重构的可重构机械臂主动分散容错控制［J］. 自动化学报, 2014, 40(9): 19421950.
ZHAO Bo, LI Yuanchun. Signal reconstruction based active decentralized fault tolerant control for reconfigurable manipulators ［J］. Acta Automatica Sinica, 2014, 40(9): 19421950.
［11］ZHAO Bo, LI Chenghao, MA Tianhao, et al. Multiple faults detection and isolation via decentralized sliding mode observer for reconfigurable manipulator ［J］. Journal of Electrical Engineering & Technology, 2015, 10(6): 23932405.
［12］VLADAREANU L, ION I. New approaches on modular walking robots with forceposition hybrid control ［J］. Revue Roumaine Des Sciences Techniques Série de Mécanique Appliquée, 2010, 52: 167182.
［13］AHMAD S, ZHANG H, LIU G. Multiple working mode control of dooropening with a mobile modular and reconfigurable robot ［J］. IEEE/ASME Transactions on Mechatronics, 2013, 18(3): 833844.
［14］LEE W. Proposition of reconfigurable wall climbing robot using 6DOF force torque sensor based on flexible structure for real environment ［C］∥2013 13th International Conference on Control, Automation and Systems. Gwangju, South Korea: IEEE, 2013: 18021806.
［15］ZHAO B, LI Y C. Local joint information based active fault tolerant control for reconfigurable manipulator ［J］. Nonlinear Dynamics, 2014, 77(3): 859876.

编辑推荐 0

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	3	0	70

来源	本网站	其他网站

次数	23	50
比例	32%	68%

摘要

682

最新录用	在线预览	正式出版

66	0	616

来源	本网站	其他网站

次数	356	326
比例	52%	48%

[1]	曾国治, 魏子清, 岳宝, 丁云霄, 郑春元, 翟晓强. 基于CNN-RNN组合模型的办公建筑能耗预测[J]. 上海交通大学学报, 2022, 56(9): 1256-1261.
[2]	吴庶宸, 戚宗锋, 李建勋. 基于深度学习的智能全局灵敏度分析[J]. 上海交通大学学报, 2022, 56(7): 840-849.
[3]	全大英, 陈赟, 唐泽雨, 李世通, 汪晓锋, 金小萍. 基于双通道卷积神经网络的雷达信号识别[J]. 上海交通大学学报, 2022, 56(7): 877-885.
[4]	秦艺超, 黄礼敏, 王骁, 马学文, 段文洋, 郝伟. 基于人工神经网络的自航浮标测波方法可行性[J]. 上海交通大学学报, 2022, 56(4): 498-505.
[5]	赵勇, 苏丹. 基于4种长短时记忆神经网络组合模型的畸形波预报[J]. 上海交通大学学报, 2022, 56(4): 516-522.
[6]	丁明, 孟帅, 王书恒, 夏玺. 六自由度波浪补偿平台的神经网络自适应反馈线性化控制[J]. 上海交通大学学报, 2022, 56(2): 165-172.
[7]	刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190.
[8]	聂瑞, 王红茹. 基于神经网络观测器的无人机编队执行器故障诊断[J]. 空天防御, 2022, 5(2): 32-41.
[9]	王聚团, 戚晓宁, 黄志明. 水下生产管汇测试技术及其改进研究[J]. 海洋工程装备与技术, 2022, 9(2): 43-49.
[10]	袁振钦, 邹科, 孙亚峰, 刘刚, 屈衍, 李居跃. 基于时域分析法的动态电缆疲劳分析[J]. 海洋工程装备与技术, 2022, 9(2): 50-55.
[11]	王卓鑫, 赵海涛, 谢月涵, 任翰韬, 袁明清, 张博明, 陈吉安. 反向传播神经网络联合遗传算法对复合材料模量的预测[J]. 上海交通大学学报, 2022, 56(10): 1341-1348.
[12]	郑德重, 杨媛媛, 黄浩哲, 谢哲, 李文涛. 基于距离置信度分数的多模态融合分类网络[J]. 上海交通大学学报, 2022, 56(1): 89-100.
[13]	陶海红, 闫莹菲. 一种基于GA-CNN的网络化雷达节点遴选算法[J]. 空天防御, 2022, 5(1): 1-5.
[14]	戴少怀, 杨革文, 郁文, 吴向上. 基于RBF神经网络的雷达有源压制干扰识别[J]. 空天防御, 2022, 5(1): 102-107.
[15]	王娟, 杨明旺, 郑茂尧, 刘凌云, 赵立君. 高强钢在大型半潜式平台组块建造中的应用[J]. 海洋工程装备与技术, 2022, 9(1): 27-31.