留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

单神经元自适应PID的机器人恒力控制研究

饶巍林 彭晋民 阮玉镇 王粲

饶巍林,彭晋民,阮玉镇, 等. 单神经元自适应PID的机器人恒力控制研究[J]. 机械科学与技术,2020,39(10):1593-1599 doi: 10.13433/j.cnki.1003-8728.20190301
引用本文: 饶巍林,彭晋民,阮玉镇, 等. 单神经元自适应PID的机器人恒力控制研究[J]. 机械科学与技术,2020,39(10):1593-1599 doi: 10.13433/j.cnki.1003-8728.20190301
Rao Weilin, Peng Jinmin, Ruan Yuzhen, Wang Can. Controlling Constant Force of Robot using Single Neuron Adaptive PID[J]. Mechanical Science and Technology for Aerospace Engineering, 2020, 39(10): 1593-1599. doi: 10.13433/j.cnki.1003-8728.20190301
Citation: Rao Weilin, Peng Jinmin, Ruan Yuzhen, Wang Can. Controlling Constant Force of Robot using Single Neuron Adaptive PID[J]. Mechanical Science and Technology for Aerospace Engineering, 2020, 39(10): 1593-1599. doi: 10.13433/j.cnki.1003-8728.20190301

单神经元自适应PID的机器人恒力控制研究

doi: 10.13433/j.cnki.1003-8728.20190301
基金项目: 福建省自然科学基金项目(2018J05099)与福建省教育厅中青年教师教育科研项目(JAT170375)资助
详细信息
    作者简介:

    饶巍林(1993−),硕士研究生,研究方向为机器人力控制,694480313@qq.com

    通讯作者:

    彭晋民,教授,博士,pjmpyt@163.com

  • 中图分类号: TP242.2

Controlling Constant Force of Robot using Single Neuron Adaptive PID

  • 摘要: 针对传统基于位置控制的机器人因末端执行器缺少力负反馈环节,难以实现对接触力精确控制问题,建立了一种基于Windows 平台和RSI(Robot sensor interface)应用程序包的工业机器人开放式控制系统,在此基础上提出单神经元自适应PID的机器人恒力控制自适应算法。通过在KUKA工业机器人平台实验验证,该力控算法可在未知环境参数情况下实现机器人末端执行器与工件之间恒力接触,并且易于实现;最后通过实验提出了基于所搭建实验平台的单神经元系数K自调整的单神经元自适应PID的机器人恒力控制算法,进一步提高了控制器的自适应性和鲁棒性。
  • 图  1  实验平台

    图  2  开放式控制系统的主要模块结构

    图  3  机器人、工控机、力传感器三者通信

    图  4  控制系统通信结构

    图  5  开放式控制系统交互界面

    图  6  力控策略流程图

    图  7  单神经元自适应PID控制器原理

    图  8  单神经元自适应PID控制算法流程

    图  9  传感器探头与泡沫接触实验场景

    图  10  预设接触力不同时测试响应曲线

    图  11  预设恒力为5 N,K不同时,探头与泡沫接触测试曲线

    图  12  K=0.008,预设恒力5 N,探头与泡沫接触测试

    图  13  K=0.008,预设恒力5 N,探头与书籍接触测试

    图  14  K=0.008,预设恒力5 N,探头与木板接触测试

    图  15  K=0.008,预设恒力5 N,探头与铝块接触测试

    图  16  K不同时,预设恒力5 N,探头与铝块接触测试

    图  17  传感器探头沿着铝块表面做恒压力直线移动

    图  18  静态实验 K自调整

    图  19  动态实验A,K=0.008

    图  20  动态实验B,K=0.001

    图  21  动态实验C,K自调整

    表  1  动态实验 F z方向的平均力值偏差绝对值

    K0.0080.001自调整
    力值偏差绝对值/N0.920.380.26
    下载: 导出CSV
  • [1] 刘涛雄, 刘骏. 人工智能、机器人与经济发展研究进展综述[J]. 经济社会体制比较, 2018, (6): 172-178

    Liu T X, Liu J. A literature review on artificial intelligence, robotics and economic development[J]. Comparative Economic and Social Systems, 2018, (6): 172-178 (in Chinese
    [2] 吕冬冬, 郑松. 工业机器人开放式控制系统研究综述[J]. 电气自动化, 2017, 39(1): 88-91 doi: 10.3969/j.issn.1000-3886.2017.01.026

    Lü D D, Zheng S. A summary of researches on open-architecture control systems for industrial robots[J]. Electrical Automation, 2017, 39(1): 88-91 (in Chinese doi: 10.3969/j.issn.1000-3886.2017.01.026
    [3] 章健. 基于恒力控制的机器人去毛刺轨迹动态规划[D]. 杭州: 浙江大学, 2016.

    Zhang J. Research on robot deburring path generation through constant force control[D]. Hangzhou: Zhejiang University, 2016 (in Chinese).
    [4] 秦振江, 赵吉宾, 李论, 等. 砂带抛光机器人力/位混合主动柔顺控制研究[J]. 制造业自动化, 2019, 41(4): 122-126 doi: 10.3969/j.issn.1009-0134.2019.04.029

    Qin Z J, Zhao J B, Li L, et al. Research on belt polishing combined with robot force/position hybrid active compliance control[J]. Manufacturing Automation, 2019, 41(4): 122-126 (in Chinese doi: 10.3969/j.issn.1009-0134.2019.04.029
    [5] 吴炳龙, 曲道奎, 徐方. 基于位置控制的工业机器人力跟踪刚度控制[J]. 机械设计与制造, 2019, (1): 219-222.

    Wu B L, Qu D K, Xu F. Force tracking stiffness control for the position-based industrial robot[J]. Machinery Design & Manufacture, 2019, (1): 219-222 (in Chinese).
    [6] Pliego-Jiménez J, Arteaga-Pérez M A. Adaptive position/force control for robot manipulators in contact with a rigid surface with uncertain parameters[J]. European Journal of Control, 2015, 22: 1-12 doi: 10.1016/j.ejcon.2015.01.003
    [7] 龙雪飞, 陈涛, 张磊. 嵌入式测试系统中UDP/IP协议栈的移植与实现[J]. 航天控制, 2015, 33(3): 83-87 doi: 10.3969/j.issn.1006-3242.2015.03.016

    Long F X, Chen T, Zhang L. Transplant and implementation of UDP/IP protocol stack in embedded test system[J]. Aerospace Control, 2015, 33(3): 83-87 (in Chinese doi: 10.3969/j.issn.1006-3242.2015.03.016
    [8] 郑天宇, 尹达一. 千兆UDP/IP协议栈FPGA实现及其在高速成像系统中的应用[J]. 现代电子技术, 2018, 41(18): 1-5, 11

    Zheng T Y, Yin D Y. Implementation of gigabit UDP/IP protocol stack in FPGA and its application in high-speed imaging system[J]. Modern Electronics Technique, 2018, 41(18): 1-5, 11 (in Chinese
    [9] 杨秋黎, 金智. Windows网络编程[M]. 2版. 北京: 人民邮电出版社, 2015.

    Yang Q L, Jin Z. Windows network programming[M]. 2nd ed. Beijing: Posts and Telecommunications Press, 2015 (in Chinese).
    [10] 邓潇, 郑松, 张望. 单神经PID控制器的工业通用控制平台仿真[J]. 控制工程, 2017, 24(S1): 98-102

    Deng X, Zheng S, Zhang W. Simulation of single neuron PID controller based on industry automation platform[J]. Control Engineering of China, 2017, 24(S1): 98-102 (in Chinese
    [11] 刘金琨.先进PID控制MATLAB仿真[M]. 北京: 电子工业出版社, 2004.

    Liu J K. Matlab simulation of advanced PID control[M]. Beijing: Publishing House of Electronics Industry, 2004 (in Chinese)
    [12] 赵垒. 基于单神经元的船舶航向保持自适应PID控制[D]. 广州: 华南理工大学, 2018.

    Zhao L. Ship course-keeping adaptive PID control based on single neuron[D]. Guangzhou: South China University of Technology, 2018 (in Chinese).
    [13] 尤向阳. 超声马达单神经元自适应PID控制[J]. 微电机, 2019, 52(4): 48-51 doi: 10.3969/j.issn.1001-6848.2019.04.010

    You X Y. Single neuron adaptive PID control of ultrasonic motor[J]. Micromotors, 2019, 52(4): 48-51 (in Chinese doi: 10.3969/j.issn.1001-6848.2019.04.010
    [14] 迟晓妮, 何俊杰. 基于单神经元自适应PID的注射机料筒温度控制[J]. 塑料科技, 2019, 47(1): 111-114

    Chi X N, He J J. Temperature control of injection molding machine barrel based on single neuron adaptive PID[J]. Plastics Science and Technology, 2019, 47(1): 111-114 (in Chinese
    [15] 汪亮培, 彭天好. 基于单神经元PID控制的电液比例调高系统研究[J]. 煤炭工程, 2019, 51(1): 130-134

    Wang L P, Peng T H. Research on electro-hydraulic proportional height-adjusting system based on single neuron PID control[J]. Coal Engineering, 2019, 51(1): 130-134 (in Chinese
  • 加载中
图(21) / 表(1)
计量
  • 文章访问数:  234
  • HTML全文浏览量:  113
  • PDF下载量:  28
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-07-30
  • 网络出版日期:  2020-11-07
  • 刊出日期:  2020-10-05

目录

    /

    返回文章
    返回