基于微粒群优化的机器人自抗扰控制.docVIP

基于微粒群优化的机器人自抗扰控制 　　摘 要:自抗扰控制器是在继承经典PID不依赖于对象模型优点的基础上,通过改进经典PID固有缺陷而形成的新型控制器,性能优良且算法简单。研究微粒群算法和机器人控制技术,采用自抗扰控制器实现了平面两连杆机械手的正弦运动控制,提出用微粒群算法选择和优化控制器参数,取得了很好的仿真结果,验证了算法的可行性和有效性。 　　关键词:机器人;微粒群算法;自抗扰控制器;参数优化 　　中图分类号:TP24文献标识码:A 　　文章编号:1004-373X(2009)10-025-02 　　 　　Robot Control Based on Particle Swarm Optimized Active Disturbance Rejection Controller 　　LIU Xiaoli,HU Cuihua,LI Lanying 　　(Engineering and Technology College,Chengdu University of Technology,Leshan,614007,China) 　　Abstract: Inheriting the merit of independent of system model and overcoming the shortcomings of classic PID controller,Active Disturbance Rejection Controller (ADRC) possesses good performance with relatively simple algorithm.Particle Swarm Optimization (PSO) algorithm and robot control are researched.ADRC is adopted to realize the sinusoidal moving control of the plane two-link manipulator and the controller parameters are chosen and optimized by PSO.Simulation results are satisfied and well proved the feasibility and validity of the algorithm. 　　Keywords:robot;particle swarm optimization;active disturbance rejection controller;parameter optimization 　　 　　0 引 言 　　 　　机器人视觉伺服是一个跨学科的研究领域,涉及通信技术、高速图像处理技术、计算机视觉技术、机器人运动学和动力学、控制理论及实时计算等方面,是一个不仅具有重要理论意义,而且有广阔工业应用前景的基础性研究课题[1]。 　　自抗扰控制器(Active Disturbance Rejection Controller,ADRC)利用跟踪-微分器(TD)安排过渡过程,给出参考输入信号的各阶导数;利用扩张状态观测器(ESO)估计被控对象的实时运动状况,以实现模型和外扰补偿,并把被控对象化为“积分器串联型”,再用状态误差反馈设计出理想的控制器;非线性组合(NLSEF)是安排的过渡过程与对象的状态变量之间误差的非线性控制策略,是控制“积分器串联型”对象所需的控制量形式[2],但控制器中有较多参数需人为设定,成为其应用中的一个难点所在。微粒群算法(PSO)是由Kennedy 和Eberhart于1995年开发的一种演化计算技术,来源于对一个简化社会模型的模拟。它将鸟群运动模型中的栖息地类比于所求问题解空间中可能解的位置,通过个体间的信息传递,导引整个群体向可能解的方向移动,在求解过程中逐步增加发现较好解的可能性。与进化算法相比,PSO保留了基于种群的全局搜索策略,但其采用的速度-位移模型,操作简单,避免了复杂的遗传操作,是一种更高效的并行搜索算法[3]。微粒群算法目前已成为进化算法的一个重要分支,得到国际上相关领域众多学者的关注和研究,成为国际进化计算界研究的热点,PSO也出现了多种改进算法,且已经应用于许多科学和工程领域。这里将其应用到机器人自抗扰控制系统参数的选取和优化中,进行了大量的跟踪控制仿真实验,获得了较满意的结果。 　　 　　1 自抗扰控制器 　　 　　以一阶ADRC为例,其结构图如图1所示。 　　图1 一阶ADRC结构图 　　TD模块方程: 　　z#8226;1=-rsat(z1-v0,δ0)(1) 　　ESO模块方程: 　　e