微手系统的建模及其控制方法研究.pdfVIP

微手系统的建模及其控制方法研究

摘要

随着现代化技术的不断发展，软体机器人研究已逐步成为机器人领域的热

点。软执行器作为软体机器人的重要分支，能够适应复杂的环境和任务，其研

究受到了众多学者的广泛关注。气动驱动微手系统作为一种软执行器，主要由

橡胶材料制成，适应性强，灵活度高。然而，橡胶材料本身存在的迟滞特性影

响了微手系统的抓取性能，因此，本文研究了迟滞微手系统的鲁棒跟踪控制和

数据建模，降低了迟滞影响，提高了抓取精度，具体如下：

(1)迟滞微手系统的鲁棒跟踪控制：针对迟滞特性引起的抓取精度有限问题，

提出了Prandtl-Ishlinskii迟滞微手系统的鲁棒跟踪控制方法。首先，基于同构和

鲁棒右互质分解方法对迟滞微手系统进行分解，进而设计了观测器和补偿算子，

对基于Prandtl-Ishlinskii迟滞的不确定微手系统进行控制，满足了鲁棒稳定性条

件；其次，基于终端滑模控制方法对微手系统进行跟踪控制，提高了抓取精度。

(2)微手系统的数据建模：为了进一步研究迟滞对系统的影响，考虑利用实

验数据对微手系统进行数据建模及参数优化。首先，通过支持向量回归方法对

微手系统的实验数据进行辨识；其次，分别运用改进的网格搜索法、人工蜂群

算法和灰狼优化算法对参数进行优化，通过比较其仿真结果发现基于改进的网

格搜索优化支持向量回归方法辨识精度最高，且明显优于机理模型仿真结果。

(3)数据缺失的微手系统模型优化：针对数据缺失引起的建模误差，对数据

缺失的微手系统进行模型优化。由于数据采集设备精度有限和测量误差的存在，

数据缺失难以避免，故为了提高建模精度，对数据进行插补后，通过高斯回归

方法对实验数据进行辨识，并分别运用麻雀搜索算法，粒子群优化算法和鲸鱼

优化算法对参数进行优化，比较其仿真结果发现基于麻雀搜索算法优化的高斯

过程回归方法的辨识结果与插补数据基本吻合。

针对上述研究，分别给出了相应的数值仿真结果，验证了控制和建模方法

的有效性。首先，迟滞微手系统在所设计鲁棒跟踪控制器的作用下，跟踪效果

较好；其次，运用数据建模方法：基于改进的网格搜索优化支持向量回归和基

于麻雀搜索算法优化的高斯过程回归，对实验数据进行辨识，提高了建模精度，

有利于进一步降低迟滞影响，提高抓取精度。

关键词：微手系统；鲁棒控制；终端滑模控制；支持向量回归；高斯过程回归

MODELINGANDCONTROLMETHODSOF

MICRO-HANDSYSTEMS

ABSTRACT

Withthedevelopmentofmoderntechnology,softrobotresearchhasbecomea

hottopicinthefieldofrobotics.Asanimportantbranchofsoftrobot,softactuatorcan

adapttocomplexenvironmentandtasks,anditsresearcheshavebeenattracting

extensiveattentionfrommanyscholars.Asasoftactuator,thepneumaticactuated

Micro-handsystemsaremainlymadeofrubbermaterial,whichhasstrongadaptability

andhighflexibility.However,duetothehystereticcharacteristicsoftherubber

material,thegraspperformanceoftheMicro-handsystemsisaffected,therefore,this

paperstudiestherobusttrackingcontrolanddatamodeling