机器人迭代学习控制.pdfVIP

增 刊 浙 江 大 学 学 报‘自然抖学版’ suPpkm叽。 !!!§生§旦 』Q坠!翌§!Q!圣b￡li§曼g型望i!￡E§i!!!!!!!：：：!墨兰竺：! !!竺!!!! 机器入迭代学习控制+ 徐进学 柴天佑 (东北大学自动化研究中心，沈阳。110006) 谈大龙 (中科院沈阳自动化研究所机器人学开放实验室，沈阳．110015) 摘要 本文介绍了机器人迭代学习控制的研究进展，指出了存在的问题及今后的研究方向 关键词：机器人；迭代学习控制；综述 中图法分类号：TP24z．2 0 前 言 对学习控制的研究归功于对人类学习能力的直接感受．人类可通过不断重复的训练而 改进所完成任务的性能．基于人类学习能力的观察从而导致了为改善机器人运动性能的学 习控制理论的提出和研究．学习控制是一类机器人或机械装置基于自主训练来调整运动性 能的一种方法．学习控制往往对系统需要较少的先验知识和较少的计算量，从而能处理未知 参数和不确定性同题，具有～定的鲁棒性．它区别予常规控制方法．古典或者现代控制理论 对具有在～定时间内循环往复运动的机器人的应用难以收到令人满意的效果，尤其在机器 人高速运动时．这主要是因为这些理论应用时在每次循环时对系统的响应总是需要一定的 时间才能达到期望值．好的性能只有系统经历一段时间后才能得以保证．这样对机器人短暂 的重复运动的控制显然是不可取的．就自适应控制和学习控制而言，二者都能处理未知参数 和不确定性的问题．机器人自适应控制往往需要抽取机器人系统的动态行为信息，并利用此 信息来构造自适应律，并没有利用机器人操怍的本质特点．其最大的弱点是当机器人的实际 轨迹一直需要紧式控制时而完成得不好，因为其需要一段时间来适应，而学习控制恰恰很少 利用机器人的全部动态而只利用系统的前次循环或本次循环输出的测量，来产生学习控制 律，从而消除期望和实际运动的偏差，并且易于实现．其次，学习控制在每次循环后性能均得 ·国家自然科学基金资助项目 596 浙 江 大 学 学 报(自然科学版) 1998年 以改善，并且能消除难以建模的重复性干扰．最终的整体性能要优于自适应控制 1 学习控制概述 考虑如下非冗余一自由度刚性机器人模型 f—M(q)q+C(q，i)+G(口) (1) 其中：f为”×1维输入力矩；口为n×1广义关节位置向量；肘(口)为w×n对称、正定惯量 阵；C(q，g)为维向量，表示哥氏力和向心力的作用；G(口)为重力作用． 取向量z=(口，i)T则(1)可化为状态方程： fz。?=，oo)’”+6。。∥’u“’ (2) Iy0)=g(x(f)，f) 其中 f)=[o1Ix(t) r． ￡，(f)i U 。． j、 yd．yd，yd … ，卜艺爿P -_L——毒争 。……+ 如～… 寸． yi毒”。。 ydr—L] …‘1纠C陲一 y 图1 基本学习系统