一个在滑模控制机器人控制系统与应用中新的扰动估计.docVIP

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 韩国仁川仁荷大学机械工程学院 韩国大邱启明大学机械与汽车工程学院 摘要：在这项研究中，一个新的与滑模控制器相关的扰动估计将用于改善线性或者非线性系统在受到参数不确定性和外来干扰的条件下的控制结果。控制器的设计是根据施加一个一定采样周期的扰动后得到的一个集成的均值。随后，为了提高控制性能，控制器会加入一个所谓的扰动过滤条件（PFC）的估计。通过将PFC应用在被保持的所施加的扰动的有用成分，无需额外的控制输入，控制性能大大改善。建议方法的优点将通过两连杆平面机器人来证明。控制器的位置跟踪的性能会在时域上和使用建议的方法和传统的进行扰动估计的方法的比较工作中进行评价。 关键词：滑模控制，扰动估计，综合平均值，扰动过滤条件，机器人控制 1 简介 控制线性或非线性的问题根据参数的不确定性和外部系统干扰（整个论文称为“扰动”）已经研究了很长时间。一个解决这个问题的有效方法是通过滑模控制（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