一个在滑模控制机器人控制系统和应用中新的扰动估计.doc

一个在滑模控制机器人控制系统与应用中新的扰动估计 SB Choi1* JH HAM1，VQ Nguyen1 YS LEE2和MS Han SMC）。 SMC其特征在于一个改变到达一组结构滑动表面的不连续的控制动作。在滑动的议案面（滑动相），该系统具有不变性性能，高产运动是独立的某些扰动[1]。因此，许多方法以减少或消除深远的阶段校董会扰动敏感已经开发出来。可能是高反馈增益用于缩短到达阶段。然而，它导致较高水平的抖动，在实践中可能是无法预料的[2]。值得注意的是，在抖动SMC和固有的特性，是由于的切换的或不连续的功能。另一方法，以减少和/或消除的到达相，以便使用最佳的滑动表面[3]，或移动滑动表面[4，5]或滑动面一个零值的初始误差[6]。但是，设计的过于保守的高反馈收益是不可避免的在这些方法中，因为上界扰动通常用于制定滑模控制器。否则，该滑动模式在场的情况下，则可能违反条件如建模的不确定性和扰动干扰。 最近，一些研究人员已经提出每SMC以扰动估计避免过于保守的设计没有一个先验知识，并保持控制性能和没有噪声的鲁棒性。 kozek等 [7]提出了滑模控制器伴有线性扰动观察员和证明了它的有效通过将其应用到悬浮系统的那些收不到高速电磁车辆。鲁和陈[8]提出的扰动估计使用SMC。 提高性能鲁棒性极放置控制器的设计。刘鹏[9]干扰观测处理厂非线形和参数变化如一集中干扰，并表现出其卓越的每性能标准的自适应控制方案。埃尔马勒和Olgac [10]提出了一种非常有效的方法，即滑模控制扰动估计（SMCPE），它提供了强大的反馈控制以低得多的收益比其传统的对应。这个方法已经成功地运用在两轴的平面上SCARA机器人[11]。在这项工作中提出的扰动估计一种形式类似SMCPE。然而，本提出了一种不包括国有衍生条款（包括SMCPE），这可能会导致噪音和评估过程中震动。相反，在这施加工作集成的平均值扰动采用了目标采样期间，以避免噪音和抖振现象。 另外，在所提出的技术，比的估计采样率的控制输入端采样率可以适当地调整，而采样时间（或率）估计，在许多控制输入被固定为恒定方法包括SMCPE。通过调整采样率，有可能有灵活地选择适当的传感器（例如，重传感器的响应时间）在实践中，以测量状态和/或输出变量。另外，在这项工作中，为了提高控制性能曼斯，所谓的扰动过滤条件（PFC），其中的有用成分的施加扰动保持无排斥介绍诱导。通过应用的PFC，控制性能曼斯和鲁棒性，可以是基本上即时通讯证明没有额外的控制输入。为了建议显示出一定的好处方法，两连杆平面机器人被采用。位置跟踪控制性能操纵器的行为进行评估，并建议的方法和比较传统的计划估计扰动重刑。采样比的灵活性，也提出控制性能指数在频域中。 2 估计器的设计 估计器的设计考虑一个典型的非线性不确定动态描述的系统_ 其中 在上面式子中，x=[xi] (i=1, …, n)是状态向量，u=[uj]是控制输入向量，F=[fi]和B=[bij](i=1,....n;j=1,...m)是设备的非线性性质，d（t）是外部干扰,ΔF和ΔB是的设备不确定性。这是假设这些是连续函数。等式（1）的形式是简单，但许多物理系统包括机器人可以表示为这种形式。为了制定一个常规滑动模式控制器的滑动面s（t）的第一定义为 s(t)=Gx(t) 其中G是表面梯度。从方程（1）和式（2）的滑动面的动态s（t），可以得出如下 其中 然后，传统的滑动模式控制器满足滑模条件，，设计如下 其中 另外，在上述中，k是一个不连续的控制增益矩阵，P是一个比例控制增益矩阵，并且SGN（·）代表正负号的函数。这是假设GB是非奇异。在这里指出的是，在输入矩阵表示为简单起见，用B表示。如清楚地看出，在控制输入方程中，上扰动的边界应该是众所周知的下载保证一个强大和稳定的控制性能。然而，一个准确的知识的上范围的扰动可能不容易在实践中获得。这可能会产生过于保守高反馈的收益，这导致不良控制性能，如高频噪声。有人可能会削弱抖振问题改变正负号的函数的饱和度的功能。然而，控制精度可能会被撤销等级与饱和功能。因此，准确的估计扰动是要加强控制性能。制定之前所提出的控制系统，的SMCPE开发由埃尔马勒Olgac[10]介绍如下 其中 另外，在上述中，是一个正的常数，是扰动估计量，为采样时间（小时间步长）的扰动估计和控制输入。估计和控制性能行为，当然取决于采样时间。由于的SMCPE包括衍生任期在估计过程中的状态，不良噪音干扰可能发生。此外，估计性能直接关系到传感器的性能曼斯。为了提高估计性能，我们提出了一种新类型的扰动估计。 一个带建议估计的滑模控制器被定义如下 值得注意的是，建议扰动估计者的表示，以区分在由公式（5）给出的SMCPE。动态的s（t）的扰动估计器可以作如下安排 现在，上面的等式从集成到T-N到T得到