单关节跳跃机器人模糊自适应轨迹跟踪控制.pdf

《单关节跳跃机器人模糊自适应轨迹跟踪控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第2期计算机仿真2013年2月文章编号：1006—9348(2013)02—0331—05单关节跳跃机器人模糊自适应轨迹跟踪控制高建，葛文杰(西北工业大学机电学院，陕西西安710072)摘要：研究关节型跳跃机器人轨迹跟踪优化控制问题，针对机器人系统时变、非线性的复杂特性，传统模糊控制和PID控制方法难以获得较好的控制性能，为解决控制系统中超调量大、振荡和控制精度不高等问题，提出传统PID控制与模糊自适应控制结合的控制策略。首先建立单关节跳跃机器人腾空相和站立相动力学方程，依据专家经验制定PID参数整定策略，结合传统PID控制方法和模糊自适应理论设计模糊自适应P

2、ID控制器。引入合理的跳跃机器人物理参数和虚拟目标轨迹进行仿真，结果表明，模糊自适应PID控制器具有可行性和有效性，为应用于实际控制系统优化提供了可靠依据。关键词：跳跃机器人；模糊自适应；比例积分微分控制中圈分类号：TP242文献标识码：BResearchofFuzzyAdaptiveControHerforSingleJointHoppingRobotGA0Jian，GEWen—jie(CollegeofMechanicalEngineering，NorthwesternPolytechnicalUniversity，Xi’anShanxi710072，China)

3、ABSTRACT：Forthecomplexnonlineartime—varyingcharacteristicofrobotsystem，thetraditionalfuzzycontrolandPIDmethodsarehardtogetagoodcontrolperformance．Tosolvetheproblemsoflargeoversheot，oscillationandlowcontrolprecision，anewcontrolstrategycombinedtraditionalPIDcontrolwithfuzzyadaptivecontrol

4、wasproposedwhenresearchingtrajectorytracingofsinglejointhoppingrobots．First，basedonsinglejointhoppingrobotmodel，dynamicsequationsofflightphaseandstancephasewereestablished．StrategyforadjustingparametersofPIDwasgeneratedaccordingtoexpertiseexperience．FuzzyadaptivePIDcontroUerwasdesignedb

5、asedontraditionalPIDcontrolmethodandfuzzyadaptivetheory．SimulationresearchwithreasonablephysicalparametersandvirtualtargettrajectoryhasindicatedthatthisfuzzyadaptivePIDcontroHerisfeasibleandeffective，providingareliablebasisforapplyingintIIeactualsystem．KEYWORDS：Hoppingrobot；Fuzzyadaptiv

6、e；PIDcontrol1引言随着机器人应用领域的H益拓展，越来越要求机器人具有更大的活动空间和更强的适应能力。跳跃机器人相比于传统腿式和轮式机器人具有更强的适应性和优越性，因此跳跃机器人有着广泛的应用前景和商业价值，使其受到了国内外各个研究机构的高度关注⋯。轨迹跟踪、路径跟踪和稳定性是跳跃机器人控制的3个主要问题。其中，精确的轨迹跟踪是确保跳跃机器人能够完成指定任务的必要前提。由于基金项目：国家自然科学基金(50975230)；国家863项目(2007AA042207)资助项目；西北工业大学创业种子基金(Z,2012057)收稿日期：2012—04—23修回日期：2

7、012—06—08跳跃机器人的轨迹跟踪精度受到非完整约束和来自自身及外部环境各种不确定性的影响，其控制问题具有相当的难度。目前跳跃机器人可分为伸缩筒型和关节型两大结构类型⋯。国外对跳跃机器人控制问题研究多是针对伸缩腿型跳跃机器人，关节型跳跃机器人研究相对较少。Raibert基于伸缩腿模型，提出了机器人解耦控制策略，将单腿跳跃机器人的运动解耦为横向和纵向两个基本控制问题并分别进行控制器设计；Kusano和Tsutsumi探讨了由强化学习(RL)和神经网络(NN)两种模式组合成的控制策略拉1；Ur—Reh-man基于模型参考的反馈控制器和能量耗散方程分别