Các thành phần và nguyên tắc điều khiển của các hệ thống điều khiển robot

Nov 27, 2024 Để lại lời nhắn

Các phương pháp điều khiển cho robot được chia thành nhiều loại khác nhau tùy thuộc vào số lượng kiểm soát và thuật toán điều khiển. Sau đây mô tả các phương thức điều khiển robot thường được sử dụng cho từng loại.

 

I. Phân loại theo khối lượng điều khiển

 

Theo không gian khác nhau trong đó khối lượng điều khiển được đặt, điều khiển robot có thể được phân loại thành kiểm soát trong không gian chung và điều khiển trong không gian Cartesian. Đối với các robot đa khớp song song, điều khiển không gian khớp là để kiểm soát các biến trong mỗi khớp của robot và điều khiển không gian Cartesian là để kiểm soát các biến ở cuối robot. Theo các đại lượng điều khiển khác nhau, điều khiển robot có thể được phân loại là: Kiểm soát vị trí, điều khiển vận tốc, điều khiển gia tốc, điều khiển lực, điều khiển lai vị trí lực, v.v ... Các điều khiển này có thể là điều khiển không gian chung hoặc kết thúc điều khiển không gian Cartesian.


Mục tiêu của kiểm soát vị trí là làm cho các khớp hoặc đầu của robot được kiểm soát đạt đến vị trí mong muốn. Sau đây là một ví dụ về điều khiển vị trí không gian chung cho robot. Lỗi thu được bằng cách so sánh giá trị đã cho của vị trí chung với giá trị hiện tại được sử dụng làm đầu vào cho bộ điều khiển vị trí và đầu ra của nó được sử dụng làm giá trị đã cho của điều khiển tốc độ khớp sau khi hoạt động của bộ điều khiển vị trí. Bộ điều khiển vị trí chung thường sử dụng thuật toán PID, cũng có thể được sử dụng thuật toán điều khiển mờ.

 

Đầu tiên, gia tốc điều khiển của công cụ cuối được tính toán. Sau đó, gia tốc tương ứng của mỗi khớp bị phân hủy dựa trên vị trí cuối, vận tốc và kỳ vọng gia tốc, cũng như vị trí cuối hiện tại, vị trí chung và vận tốc, và sau đó mô -men điều khiển được tính toán bằng cách sử dụng các phương trình động học để phân hủy điều khiển gia tốc , mà cần phải được kiểm soát mô -men xoắn cho mỗi khớp.

 

Do lực/mô -men xoắn không dễ đo trực tiếp và dòng điện của động cơ khớp có thể phản ánh tốt hơn mô -men xoắn của động cơ khớp, dòng điện của động cơ khớp thường được sử dụng để chỉ ra giá trị đo dòng điện của lực khớp/ Mô -men xoắn. Bộ điều khiển lực điều khiển động cơ chung để thể hiện các đặc tính lực/mô -men xoắn mong muốn dựa trên độ lệch giữa giá trị mong muốn của lực/mô -men xoắn và giá trị đo được.

 

Nó bao gồm hai phần: điều khiển vị trí và điều khiển lực. Kiểm soát vị trí là một điều khiển PI, được đưa ra là vị trí không gian của Cartesian của đầu robot và phản hồi vị trí không gian của Cartesian được lấy từ vị trí trong không gian chung sau khi tính toán động học. Trong hình, T là mô hình động học của robot và J là ma trận Jacobi của robot. Sự khác biệt giữa giá trị đã cho của vị trí cuối và giá trị hiện tại được chuyển đổi thành mức tăng vị trí trong không gian chung bằng cách sử dụng ma trận nghịch đảo của ma trận Jacobi, sau đó được sử dụng như một phần của sự gia tăng vị trí chung sau khi hoạt động PI.


Điều khiển lực cũng được điều khiển PI và được đưa ra dưới dạng lực/mô -men xoắn không gian Cartesian ở cuối robot, với phản hồi thu được từ các phép đo cảm biến lực/mô -men xoắn. Sự khác biệt giữa giá trị đã cho và giá trị hiện tại của lực/mô men cuối được chuyển đổi thành một lực/mô men trong không gian chung bằng cách sử dụng ma trận chuyển đổi của ma trận Jacobi. Lực/khoảnh khắc trong không gian chung được sử dụng như một phần khác của sự gia tăng vị trí chung sau khi hoạt động PI. Các đầu ra của phần điều khiển vị trí và phần điều khiển lực được thêm vào với nhau như giá trị mong muốn của mức tăng vị trí của các khớp của robot. Robot sử dụng điều khiển gia tăng để kiểm soát vị trí của từng khớp. Điều khiển lai vị trí lực được hiển thị trong Hình 1-5 chỉ là một sơ đồ đơn giản trong điều khiển lai vị trí lực, là một dạng đơn giản hóa của điều khiển lai vị trí lực RC (Raibert-Craig) và một số hiệu chỉnh cần thiết nên được thực hiện cho các môi trường cụ thể trong các ứng dụng thực tế.

 

II, Phân loại theo thuật toán kiểm soát


Theo các thuật toán điều khiển, các phương pháp điều khiển của robot có thể được phân loại thành điều khiển PID, kiểm soát cấu trúc thay đổi, điều khiển thích ứng, điều khiển mờ, kiểm soát mạng tế bào thần kinh và các phương pháp khác. Một số tài liệu cũng phân loại các thuật toán điều khiển hiện có thành kiểm soát ngưỡng logic, điều khiển PID, điều khiển cấu trúc biến đổi chế độ trượt, kiểm soát mạng thần kinh và kiểm soát mờ. Các phương pháp điều khiển này không được phân lập và thường được sử dụng cùng nhau trong một hệ thống điều khiển.


1, kiểm soát PID


Trong thực tiễn kỹ thuật, luật kiểm soát điều chỉnh được sử dụng rộng rãi nhất đối với tỷ lệ, kiểm soát khác biệt, phân biệt , dễ điều chỉnh và đã trở thành một trong những công nghệ chính của kiểm soát công nghiệp. Khi cấu trúc và tham số của đối tượng được kiểm soát không thể được làm chủ hoàn toàn hoặc không có quyền truy cập vào các mô hình toán học chính xác, việc kiểm soát lý thuyết của các công nghệ khác là khó sử dụng, cấu trúc và tham số của bộ điều khiển hệ thống phải dựa vào kinh nghiệm và gỡ lỗi trường Để xác định ứng dụng của công nghệ kiểm soát PID là thuận tiện nhất.

Đó là, khi chúng ta không hiểu đầy đủ một hệ thống và đối tượng được kiểm soát, hoặc không thể là phương tiện đo lường hiệu quả để có được các tham số hệ thống, phù hợp nhất cho công nghệ kiểm soát PID.PID, trong thực tế, cũng có PI và PD bộ điều khiển.PID Bộ điều khiển dựa trên lỗi của hệ thống, việc sử dụng tính toán tỷ lệ, tích phân, khác biệt về số lượng kiểm soát kiểm soát để kiểm soát.


2, Kiểm soát cấu trúc biến


Kiểm soát cấu trúc biến đổi là một kế hoạch kiểm soát được phát triển từ Liên Xô vào những năm 1950. Cái gọi là điều khiển cấu trúc biến có nghĩa là hệ thống điều khiển có nhiều bộ điều khiển và các bộ điều khiển khác nhau được sử dụng trong các tình huống khác nhau theo các quy tắc nhất định. Việc sử dụng kiểm soát cấu trúc thay đổi có nhiều lợi thế không tìm thấy trong các điều khiển khác và có thể nhận ra việc kiểm soát một lớp các hệ thống phi tuyến với các tham số không chắc chắn.


3, Kiểm soát thích ứng


Cái gọi là điều khiển thích ứng, đề cập đến đầu vào hoặc nhiễu của hệ thống xảy ra một loạt các thay đổi, hệ thống được thiết kế có thể điều chỉnh một cách thích ứng các tham số hệ thống hoặc chiến lược điều khiển, để đầu ra vẫn có thể đáp ứng các yêu cầu thiết kế, cấu trúc cơ bản như được hiển thị Trong hình 2-1. Kiểm soát thích ứng liên quan đến các hệ thống có "độ không đảm bảo" và tìm cách giảm sự không chắc chắn này bằng cách quan sát trạng thái của các biến ngẫu nhiên và nhận ra mô hình hệ thống. Kết quả thường là thành tích của các mục tiêu điều khiển nhất định, tức là "điều khiển tối ưu" được thay thế bằng "điều khiển hiệu quả".

Các hệ thống điều khiển thích ứng có thể được phân loại thành các hệ thống điều khiển thích ứng được giới thiệu mô hình, các hệ thống điều khiển tự điều chỉnh, hệ thống điều khiển tự tối ưu hóa, hệ thống điều khiển cấu trúc thay đổi và các hệ thống điều khiển thích ứng thông minh theo các nguyên tắc của chúng. Trong số các loại hệ thống điều khiển thích ứng này, các hệ thống điều khiển thích ứng được giới thiệu theo mô hình và các hệ thống điều khiển tự điều chỉnh sẽ trưởng thành hơn và thường được sử dụng.

 

4, điều khiển mờ


Trong điều khiển mờ, các đầu vào được định lượng mờ để trở thành các biến mờ, có các biến mờ được lý luận bởi các quy tắc mờ để có được đầu ra mờ và sau khi khử màu để có được đầu ra rõ ràng để kiểm soát. Điều khiển mờ là đầu tiên

Được đề xuất bởi Giáo sư Zadeh của Đại học California vào năm 1965 và năm 1974, EH Mamdani của Vương quốc Anh đã áp dụng thành công điều khiển mờ cho nồi hơi và điều khiển động cơ hơi nước. Sau đó, kiểm soát mờ đã được phát triển nhanh chóng trong lĩnh vực kiểm soát và đã đạt được một số lượng lớn các ứng dụng thành công.


5, Kiểm soát mạng tế bào thần kinh


Kiểm soát mạng lưới thần kinh là một trong những ngành biên giới trong lĩnh vực kiểm soát tự động được phát triển vào cuối những năm 1980. Đây là một nhánh mới của kiểm soát thông minh, mở ra một cách mới để giải quyết các vấn đề kiểm soát của các hệ thống phi tuyến, không chắc chắn và không chắc chắn phức tạp. Kiểm soát mạng lưới thần kinh là một sản phẩm của sự kết hợp của lý thuyết và lý thuyết mạng lưới thần kinh (nhân tạo), và là một ngành học đang phát triển. Nó tập hợp các lý thuyết, kỹ thuật, phương pháp và kết quả nghiên cứu từ các ngành bao gồm toán học, sinh học, sinh lý thần kinh, khoa học não, di truyền, trí tuệ nhân tạo, khoa học máy tính, kiểm soát tự động, v.v ... Cấu trúc cơ bản của nó được thể hiện trong Hình {1}}.

Trong lĩnh vực kiểm soát, hệ thống kiểm soát với khả năng học tập được gọi là hệ thống kiểm soát học tập, thuộc hệ thống kiểm soát thông minh. Kiểm soát thần kinh là với khả năng học tập và thuộc về kiểm soát học tập, là một nhánh của kiểm soát thông minh. Phát triển kiểm soát thần kinh cho đến nay, mặc dù chỉ hơn mười năm lịch sử, đã có nhiều cấu trúc kiểm soát. Chẳng hạn như kiểm soát dự đoán thần kinh, kiểm soát hệ thống nghịch đảo thần kinh, v.v.

Gửi yêu cầu

whatsapp

Điện thoại

Thư điện tử

Yêu cầu thông tin