工矿自动化论文机械手臂的多模型预测控制.doc

机械手臂的多模型预测控制 摘要：针对机械手臂的非线性特点，提出了基于隶属度函数的多模型预测控制方法。首先根据机械手臂的特点，选择合适的调度变量，将机械手臂的工作空间划分为若干个工作子空间，在每个子空间内的平衡点处对机械手臂进行线性化处理，得到相应的线性子模型，从而得到机械手臂的多模型表示；其次针对每个线性子模型设计局部预测控制器，使其在相应的子空间内达到控制要求；最后选择梯形隶属度函数与局部预测控制器进行加权求和获得全局多模型预测控制器，对机械手臂进行控制。仿真结果表明，当系统的工作条件在大范围变化时，全局多模型预测控制器的控制性能远优越于常规PD控制器，可以达到预期的控制目的，而且多模型预测控制算法设计较简单，具有较高的应用价值。 关键字：多模型，预测控制；梯形隶属度函数；机械手臂 中图分类号：TP 24 文献标识码：A Multi-model Predictive Control of Robot Manipulator Abstract: A multi-model predictive control method is proposed for nonlinear robot manipulator based on membership function. An appropriate scheduling variable was selected according to the characteristics of robot manipulator; the operation space of the system was divided into several subspaces; robot manipulator was linearized at each equilibrium point in each subspace; local models were built in each subspace; and the multiple model presentation of the robot manipulator was developed. Then, local predictive controllers were designed according to control requirements. Finally, the local controllers were combined by trapezoidal functions into a global controller to control robot manipulator. The simulation results show that for robot manipulator with a wide operating range, the global multi-model predictive controller based on membership functions is superior to conventional PD controller, and realizes the desired control performance, and multi-model predictive control is relatively simple and is of high application value. Keywords: multi-model; predictive control; membership functions; robot manipulator 0 引 言 机械手臂可以帮助人们完成危险的、单调的和乏味的工作[1]，因此在工业、医疗、军事等领域有着广泛的应用。然而它是一个高度非线性的复杂系统，存在着参数摄动、外界干扰以及未建模动态等不确定性[2]，实现对其精确控制并不容易。为了能对它进行良好的控制，包括PID控制、模糊控制、鲁棒控制、自适应控制在内的多种控制技术都在机械手臂上做过尝试。但这些方法都有其不足：PID控制器结构简单，但它依赖模型的参数，当机械手臂的工作条件改变引起模型参数变化时，PID控制不能在线整定参数，难以满足系统的控制要求；模糊控制的控制精度低，控制规则确定之后，在控制过程中就不能进行修正；鲁棒控制要求系统的不确定性要在一定范围内，当系统的不确定性超出这个范围，其控制品质就会明显下降；自适应控制需要在线辨识机械手臂的参数，因此计算复杂，实时性差。 由多模型方法和预测控制相结合构成的多模型预测控制(MMPC)方法，兼有两者的优点[3,4]，它有较强的模型宽容性，用较少的模型数量就能获得满意的控制效果[5]，在保证控制精度