投球機器人模糊P ID控制

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/23.1538.tp.20150603.1623.002.html

投球機器人模糊PID控制

趙新華1，王璞1，陳曉紅2

(1.哈爾濱工程大學(xué) 自動化學(xué)院，黑龍江 哈爾濱 150001; 2.哈爾濱船舶鍋爐渦輪機研究所，黑龍江 哈爾濱 150036)

摘要：針對智能投球機器人在軌跡跟蹤過程中存在響應(yīng)慢、跟蹤精度低的問題，采用PID控制和模糊PID控制2種控制方法提高系統(tǒng)的響應(yīng)速度及控制精度。對二連桿投球機器人進行了詳細的運動學(xué)建模，建立了機械臂的動力學(xué)模型，聯(lián)立得約束矩陣方程；然后分別選用PID控制和模糊PID控制對二連桿投球機器人運動軌跡進行控制。在MATLAB環(huán)境下利用SimMechanics對系統(tǒng)數(shù)學(xué)模型和2種控制方案進行仿真，數(shù)值實驗結(jié)果表明，模糊PID控制具有更好的控制效果。

關(guān)鍵詞：機器人；投球機器人；PID；模糊PID；動力學(xué)模型；約束矩陣；軌跡跟蹤

DOI:10.3969/j.issn.1673-4785.201404041

中圖分類號：TP18 文獻標(biāo)志碼：A

收稿日期：2014-04-22. 網(wǎng)絡(luò)出版日期：2015-06-03.

基金項目：黑龍江省博士后科研啟動基金資助項目(3236310224).

作者簡介：

中文引用格式：趙新華，王璞，陳曉紅. 投球機器人模糊PID控制[J]. 智能系統(tǒng)學(xué)報, 2015, 10(3): 399-406.

英文引用格式：ZHAO Xinhua, WANG Pu, CHEN Xiaohong. Fuzzy PID control of pitching robots[J]. CAAI Transactions on Intelligent Systems, 2015, 10(3): 399-406

Fuzzy PID control of pitching robots

ZHAO Xinhua1, WANG Pu1, CHEN Xiaohong2

(1. College of Automation, Harbin Engineering University, Harbin 150001, China; 2. Harbin Marine Boiler and Turbine Research Institute, Harbin 150036, China)

Abstract：The PID and fuzzy PID controls were exploited to improve the control performance of the system for solving the problems of the slow response and low accuracy in the trajectory tracking of the pitching robot. Kinematics modeling of a dual-arm pitching robot was built. The dynamic model of the robotic arm was established and the constraint matrix equation was obtained by simultaneous equations. The PID and fuzzy PID controls were selected to control the trajectory of the dual-arm pitching robot. The mathematical model of the system was simulated using SimMechanics and the comparison of the two kinds of control schemes was completed using MATLAB. The numerical simulation results showed that the fuzzy PID control has a better effect.

Keywords：robot; pitching robot; PID; fuzzy PID; dynamics model; constraint matrix; trajectory tracking

通信作者：趙新華. E-mail: zhaoxinhua@hrbeu.edu.cn.

智能投球機器人是一個由微處理器控制，集環(huán)境感知、避障、行走、投球等功能于一體的智能機器人。對于投球機器人來說，運動控制的目的就是使之能精確并且快速地實現(xiàn)機械臂轉(zhuǎn)角運動。傳統(tǒng)的機器人運動控制常采用PID控制器[1]。由于各種干擾因素，機器人的運動具有時變、非線性、干擾大和不確定等特性，傳統(tǒng)的PID控制器已不能達到較好的控制效果[2]。近幾年,機器人智能控制在理論和應(yīng)用方面都取得較大的進展[3]。在模糊控制方面，由J. J. Buckley等論證了模糊系統(tǒng)的逼近特性[4]，E. H. Mamdan首次將模糊理論運用于一臺實際機器人，使模糊控制技術(shù)在機器人中的應(yīng)用得以展現(xiàn)[5]。文獻[6]針對移動機器人在傳統(tǒng)控制器控制下自主運動時出現(xiàn)的不穩(wěn)定狀況，將模糊控制策略引入移動機器人運動控制系統(tǒng)中。通過分析比較不同的控制方法，設(shè)計了由速度誤差率和速度誤差變化率為輸入、電機輸出功率為輸出的雙輸入單輸出模糊邏輯控制器。文獻[7]模仿人工預(yù)瞄駕駛行為,提出了移動機器人運動控制的模糊控制方法,實驗表明,該模糊控制方法可保證移動機器人快速、準(zhǔn)確地沿著各種參考軌跡行走，且具有良好的魯棒性。文獻[8]在智能輪椅機器人中使用超聲波的探測距離作為輸入信號,經(jīng)模糊控制技術(shù)處理后,輸出機器人左右輪的轉(zhuǎn)動速度來實現(xiàn)超聲波避障。

本文首先對二連桿投球機器人進行運動學(xué)建模，然后在此基礎(chǔ)上對機器人的控制方法進行了研究，通過PID和模糊PID2種控制方法，實現(xiàn)二連桿投球機器人運動軌跡的有效控制，用MATLAB軟件進行仿真，并對仿真結(jié)果進行對比分析。

1二連桿投球機器人的運動學(xué)建模

1.1二連桿機械臂

機械手臂是機器人重要構(gòu)成部件。圖1為二桿機械臂結(jié)構(gòu)圖，其中θ1和θ2分別為關(guān)節(jié)1、2轉(zhuǎn)角，l1和l2分別為第1、2根桿的長度，r1為關(guān)節(jié)1到第1根桿質(zhì)心的距離，r2為關(guān)節(jié)2到第2根桿質(zhì)心的距離，Mpl為負載質(zhì)量。

圖1　二連桿機械臂結(jié)構(gòu) Fig. 1　Dual-arm mechanical structure

式(1)是二連桿機械臂的矢量方程，其中R1、R2是沿r1和r2方向上的矢量，Rpl為合成矢量。由于在二連桿機械臂中，各連桿的長度保持不變，但它們各自的方位卻隨機構(gòu)的運動而改變，所以矢量方程對時間求導(dǎo)將閉環(huán)矢量方程分解成2個標(biāo)量表達式，分別沿x、y方向分解。

(1)

Rpl相應(yīng)于x和y的坐標(biāo)方程為

(2)

(3)

對末端坐標(biāo)進行積分得到末端速度方程：

(4)

(5)

(6)

式中：S1=sinθ1,C1=cosθ1,S2=sinθ2,C2=cosθ2,S12=sin(θ1+θ2),C12=cos(θ1+θ2)。

對二連桿機械臂末端速度方程(3)~(4)進行求導(dǎo)得到末端加速度方程：

(7)

(8)

式中：α1=θ″1,α2=θ″2，二連桿機械臂質(zhì)心位置的加速度與關(guān)節(jié)處的變量之間關(guān)系如下：

(9)

(10)

(11)

分別對機械臂兩連桿的隔離體[10]進行力及力矩的分析，求得機械臂的動力學(xué)方程。

1.2機械臂動力學(xué)方程

首先，對二連桿平面投球機器人的第1根連桿應(yīng)用牛頓定律[11]，受力分析如圖2所示。

圖2　第1根連桿受力分析 Fig. 2　The first arm force analysis

圖2中，F(xiàn)01x、F21x分別代表第1根桿2端所受x方向的力，F(xiàn)01y、F21y分別代表第1根桿2端所受y方向的力，M1為第1根桿的質(zhì)量，τ1、τ2分別為關(guān)節(jié)1和關(guān)節(jié)2的控制力矩。

由圖2可以推導(dǎo)出機械臂第1桿的運動方程：

(12)

(13)

(14)

其次，對二連桿機械臂的第2根連桿進行受力分析，如圖3所示。

圖3　第2根連桿受力分析 Fig. 3　The second arm force analysis

圖3中，F(xiàn)21x為第2根桿2端所受x方向的力，F(xiàn)21y為第2根桿2端所受y方向的力，M2為第2根桿的質(zhì)量，F(xiàn)32x為第2根桿所受x方向的力，F(xiàn)32y為第2根桿所受y方向的力。第2根桿的3個運動方程為：

(15)

(16)

(17)

作用在機器人上的有效載荷的變化直接與2個連桿相聯(lián)系，因此可將其與連桿一起表示，如圖4所示。其中F32x為末端所受x方向的力，F(xiàn)32y為末端所受y方向的力，Mplg為負載的質(zhì)量。

圖4　負載受力分析 Fig. 4　Load force analysis

有效載荷的質(zhì)量是由二連桿機械臂舉起的重物所決定的，將加載物視為集中質(zhì)量，可以得到以下方程：

(18)

將2個關(guān)節(jié)電機輸入轉(zhuǎn)矩作為輸入，聯(lián)立運動約束方程(6)~(10)和運動學(xué)方程(11)~(18)，推導(dǎo)出約束矩陣方程(19)：

(19)

式中：

2二連桿投球機器人的控制方法

分別采用PID控制和模糊PID控制對二連桿投球機器人進行運動軌跡控制。

2.1PID控制

PID控制策略其結(jié)構(gòu)簡單、穩(wěn)定性好、可靠性高[12]。式(20)為PID控制標(biāo)準(zhǔn)公式,其中U(t)為PID控制器輸出，Kp為比例放大系數(shù)，Ti為積分常數(shù),Td為微分放大系數(shù)，e為偏差信號。

(20)

PID參數(shù)設(shè)置：首先確定比例增益Kp，而后確定積分時間常數(shù)Ti，最后確定微分時間常數(shù)Td，通常為0即可。

2.2模糊PID控制

2.2.1模糊控制基本原理

模糊控制的核心是模糊控制器，而模糊控制器的關(guān)鍵是模糊控制規(guī)則的確定，即模糊控制規(guī)則表[13]。模糊控制系統(tǒng)框圖如圖5所示，把誤差e及其變化率ec作為模糊控制器的輸入，把控制量u作為模糊控制器的輸出，得

(21)

圖5　模糊控制器基本結(jié)構(gòu) Fig. 5　The basic structure of the fuzzy controller

2.2.2輸入量的模糊化

精確輸入量e和ec分別乘以量化因子ke和kec以轉(zhuǎn)換到各自的論域范圍。設(shè)模糊控制器的輸入量標(biāo)準(zhǔn)域均為{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。輸入量論域劃分成7個模糊子集，即{NB,NM,NS,ZO,PS,PM,PB}。模糊子集的隸屬函數(shù)采用高斯函數(shù)，函數(shù)曲線如圖6所示。

圖6　隸屬函數(shù)曲線 Fig. 6　Membership functions curve

2.2.2輸入量的模糊化

規(guī)則選取的總體原則是：當(dāng)誤差較大時，選擇控制量以消除誤差為主；當(dāng)誤差較小時，選擇控制量要防止超調(diào)，以系統(tǒng)的穩(wěn)定性為主。

輸出變量與輸入變量取一樣的模糊子集,即u={NB,NM,NS,ZO,PS,PM,PB},同樣采用高斯隸屬函數(shù)。e和ec分別定義為7個模糊子集、49條規(guī)則，如表1所示。

表 1　u的模糊控制規(guī)則

3 系統(tǒng)仿真

3.1動力學(xué)仿真

根據(jù)二連桿機械臂在重力作用下的受力情況，如果讓機器人從任何初始位置開始運動，將輸入的值設(shè)置為零，那么二連桿機械臂將在自身重力作用下下落，最后到達2個連桿都在一條鉛垂線上的位置。參考圖1中節(jié)點角的定義，此時相應(yīng)的節(jié)點角度θ1=-π/2和θ2=0。表2給出二連桿平面機器人的慣性參數(shù)和幾何參數(shù)。

表 2　二連桿機器人的慣性參數(shù)和幾何參數(shù)

圖7是一個Simuarm模型[14]的原理框圖。仿真調(diào)用robot.m來求解聯(lián)立約束矩陣，采用一種線性摩擦力模型，在該模型中，抵抗輸入扭矩的摩擦力矩與轉(zhuǎn)速成正比。2個標(biāo)“Damping”的增益模塊表示由于軸承和電動機的粘滯阻尼而產(chǎn)生的速度損失。

圖7　兩連桿機器人的Simuarm仿真模型 Fig. 7　Simuarm simulation model of dual-arm robot

圖8　關(guān)節(jié)轉(zhuǎn)角θ 1和θ 2的變化曲線 Fig. 8　Curve of joint angle θ 1 and θ 2

仿真初始條件：θ1=0和θ2=-π/2，末端位置：xpl=1.0,ypl=0.8，與此同時，積分求解器的初始條件也是相容的。仿真結(jié)果如圖8所示。圖8給出了關(guān)節(jié)轉(zhuǎn)角θ1和θ2的轉(zhuǎn)角曲線，在經(jīng)過一定的仿真時間后，二連桿機械臂運動趨于穩(wěn)定，θ1為-π/2，θ2為0，與機械臂在自重下試驗姿態(tài)相吻合。

3.2PID控制仿真

在對二連桿機械臂進行建模與仿真基礎(chǔ)上加入PID控制模塊來控制各個節(jié)點電動機的位置，控制二連桿機械臂無震蕩的從一個節(jié)點快速移動到另一個節(jié)點。選擇Simarm中的SimMechanics工具箱進行PID控制及模糊PID控制的仿真。

3.2.1控制模型

圖9為二連桿投球機器人的SimMechanics仿真圖[15]。Ground為機架模塊，barAB、barBC代表第1、2根桿，A、B分別代表轉(zhuǎn)動副模塊，Joint Sensor1代表運動副傳感器模塊，Joint Actuator為運動驅(qū)動模塊。

圖9　二連桿機器人仿真框圖 Fig. 9　Simulation block of dual-arm robot

3.2.2PID控制仿真

仿真模型建立后，要對每個模塊都進行參數(shù)的設(shè)置。以AB桿為例，見圖10。雙擊barAB，填入?yún)?shù)：桿的質(zhì)量、剛體坐標(biāo)和質(zhì)心位置。所有參數(shù)設(shè)置完成后，再設(shè)置允許每個連桿的旋轉(zhuǎn)角度。在此，設(shè)置第1根桿旋轉(zhuǎn)90°，第2根桿旋轉(zhuǎn)135°。

圖10　AB桿模型參數(shù) Fig. 10　Model parameters of AB arm

得到二連桿機械臂的旋轉(zhuǎn)角度曲線，根據(jù)上節(jié)所述方法調(diào)節(jié)PID參數(shù)，得到理想的響應(yīng)曲線。圖11為經(jīng)過PID調(diào)節(jié)后二連桿平面投球機器人的旋轉(zhuǎn)角度情況。可以看到，經(jīng)過PID調(diào)節(jié)后，系統(tǒng)可以實現(xiàn)快速啟動，并且縮短了時間，快速地進入新的穩(wěn)定狀態(tài)。

圖11　兩連桿機械臂旋轉(zhuǎn)角度 Fig. 11　Rotation angle of dual-arm

3.3模糊PID控制仿真

通過SimMechanics建立仿真模型，并利用模糊PID進行控制[17]。如圖12所示。啟動仿真，調(diào)節(jié)模糊PID參數(shù)。從仿真曲線可以看到PID控制與模糊PID控制兩者之間的差別。圖13為啟動仿真后得到的第1根桿旋轉(zhuǎn)角度的完整圖，圖14為圖13的局部放大圖。圖15為第2根桿旋轉(zhuǎn)角度的完整圖，圖16為圖15的局部放大圖。從圖14和圖16兩根桿旋轉(zhuǎn)角度的局部放大圖可以看到，模糊PID控制要比PID控制的定位更加精確。

圖12　第1、2根桿模糊PID模塊 Fig. 12　Fuzzy PID block of the first and second arm

圖13　第1根桿旋轉(zhuǎn)角度完整圖 Fig. 13　The complete graph of the first arm rotation angle

圖14　第1根桿旋轉(zhuǎn)角度局部放大圖 Fig. 14　Partial enlarged drawing of the first arm rotation angle

圖15　第2根桿旋轉(zhuǎn)角度完整圖 Fig. 15　The complete graph of the second arm rotation angle

圖16　第2根桿旋轉(zhuǎn)角度局部放大圖 Fig. 16　Partial enlarged drawing of the second arm rotation angle

4結(jié)束語

通過對二連桿投球機器人運動學(xué)方程和動力學(xué)方程的推導(dǎo)，得到了二連桿投球機器人的動態(tài)數(shù)學(xué)模型，此建模過程簡單、方便、有效，便于進行動力學(xué)分析和控制問題的研究。把得到的二連桿投球機器人的數(shù)學(xué)模型嵌入到MATLAB仿真中，得到二連桿機器人的運動情況，并在仿真過程中加入了PID模塊和模糊PID模塊，仿真結(jié)果得出模糊PID控制精確性更高。本設(shè)計僅對二連桿投球機器人進行了建模與仿真，下一步將對整體系統(tǒng)進行進一步的研究。

參考文獻:

[1]范永, 譚民. 機器人控制器的現(xiàn)狀及展望[J]. 機器人, 1999(1): 75-80.

FAN Yong, TAN Min. Current state and tendencies in the development of robot controller[J]. Robot, 1999(1): 75-80.

[2]張銳, 吳成東. 機器人智能控制研究進展[J]. 沈陽建筑工程學(xué)院學(xué)報：自然科學(xué)版, 2003, 11(1): 61-65.

ZHANG Rui, WU Chengdong. Some recent progress in robotic intelligent control[J]. Journal of Shenyang Architectural and Civil Engineering Institute, 2003, 11(1): 61-65.

[3]蔡自興, 陳海燕, 魏世勇. 智能控制工程研究的進展[J]. 控制工程, 2003, 10(1): 15-20.

CAI Zixing, CHEN Haiyan, WEI Shiyong. Recent advances in research of intelligent control engineering[J]. Control Engineering of China, 2003, 10(1): 15-20.

[4]賈玉贊. 淺議智能機器人發(fā)展及應(yīng)用[J]. 太原科技, 2003, 5(3): 20-26.

JIA Yuzan. Development of intellectual robot and its application[J]. Taiyuan Science and Technology, 2003, 5(3): 20-26.

[5]吳向陽, 戴先中, 孟正大. 分布式機器人控制器體系結(jié)構(gòu)的研究[J]. 東南大學(xué)學(xué)報:自然科學(xué)版, 2003, 33(Supl.): 200-204.

WU Xiangyang, DAI Xianzhong, MENG Zhengda. Research on distributed architecture of robot controller[J]. Journal of Southeast University: Natural Science Edition, 2003, 33(Supl.): 200-204.

[6]譚寶成, 程智遠, 牟云霞, 等. 移動機器人模糊控制系統(tǒng)的設(shè)計[J]. 西安工業(yè)大學(xué)學(xué)報, 2007, 27(4): 366-370.

TAN Baocheng, CHENG Zhiyuan, MOU Yunxia, et al. Design of mobile robot control system based on fuzzy control[J]. Journal of Xi’an Technological University, 2007, 27(4): 366-370.

[7]李慶中, 顧偉康, 葉秀清, 等. 移動機器人模糊控制方法研究[J]. 儀器儀表學(xué)報, 2002, 23(5): 480-484.

LI Qingzhong, GU Weikang, YE Xiuqing, et al. Study on fuzzy control method for mobile robots[J]. Chinese Journal of Scientific Instrument, 2002, 23(5): 480-484.

[8]李余慶, 劉繼忠, 張華. 模糊控制在機器人超生避障系統(tǒng)的應(yīng)用[J]. 機器人技術(shù), 2009, 25(52): 216-218.

LI Yuqing, LIU Jizhong, ZHANG Hua. Application of fuzzy control in ultrasound obstacle avoidance system for robot[J]. Robot Technology, 2009, 25(52): 216-218.

[9]樊曉平, 徐建閩. 柔性機器人的動力學(xué)建模及其仿真[J].控制理論與應(yīng)用, 1997, 5(6): 60-69.

FAN Xiaoping, XU Jianmin. Dynamic modeling and simulation of flexible robotic manipulators[J]. Control Theory and Applications, 1997, 5(6): 60-69.

[10]田永利, 鄒慧君, 郭為忠, 等. 基于Matlab-Sim Mechanics的機電產(chǎn)品組成建模與仿真技術(shù)研究[J]. 機械設(shè)計與研究, 2002, 19(12): 10-12.

TIAN Yongli, ZOU Huijun, GUO Weizhong, et al. Study on modeling and simulation methods for constitution objects of mechatronic products based on Matlab-Sim Mechanics[J]. Machine Design and Research, 2002, 19(12): 10-12.

[11]陸佑方, 馮冠民, 齊朝暉. 柔性機械臂動力學(xué)與控制建模的若干基本問題[J]. 機器人, 1993, 15(2): 52-59.

LU Youfang, FENG Guanmin, QI Zhaohui. Application of artificial neural networks in dynamic identification and position control of robot manipulators[J]. Robot, 1993, 15(2): 52-59.

[12]吳宏鑫, 沈少萍. PID控制應(yīng)用與理論依據(jù)[J]. 控制工程, 2003, 37(1): 6-10.

WU Hongxin, SHEN Shaoping. Basis of theory and applications on PID control[J]. Control Engineering of China, 2003, 37(1): 6-10.

[13]陸磊. 模糊控制在輪式機器人上的應(yīng)用[J]. 微型電腦應(yīng)用, 2010, 26(12): 31-33.

LU Lei. Application of fuzzy-PID controller in moble robot[J]. Microcomputer Applications, 2010, 26(12): 31-33.

[14]閻紹澤, 劉又午, 張鐵民. 柔性機械臂動力特性的實驗研究[J]. 河北工業(yè)大學(xué)學(xué)報, 1996, 25(11): 12-16.

YAN Shaoze, LIU Youwu, ZHANG Tiemin. Experimental study on dynamic performances of flexible manipulators[J]. Journal of Hebei University of Technology, 1996, 25(11): 12-16.

[15]孫奎, 謝宗武, 劉宏. 一種新的機器人動力學(xué)仿真分析方法[J]. 機械設(shè)計與制造, 2008, 5(9): 163-165.

SUN Kui, XIE Zongwu, LIU Hong. The dynamics simulation analysis of a four DOF manipulator [J]. Machinery Design & Manufacture, 2008, 5(9): 163-165.

[16]The Mathworks Inc. SimMechanics user's guide[M]. Natick, USA: The Mathworks Inc., 2002: 22-27.

[17]苗敬利. 模糊控制和傳統(tǒng)PID控制的仿真研究[J]. 微軟計算機信息, 2003, 4(7): 18-24.

MIAO Jingli. The simulation study between fuzzy control and PID control[J]. Microcomputer Information, 2003, 4(7): 18-24.

趙新華，女，1980年生，講師，主要研究方向為超空泡航行體、AUV的動力學(xué)及智能控制方法。發(fā)表學(xué)術(shù)論文10余篇。

王璞，男，1994年生，主要研究方向為機器人智能控制。