- •Основы робототехники. Устройство роботов План лекции.
- •Лекция 1 Введение
- •Классификация роботов по назначению
- •Лекция 2 Кинематика манипулятора
- •Матрицы сложных поворотов
- •Лекция 3 Матрица поворота вокруг произвольной оси
- •Представление матриц поворота через углы Эйлера
- •Однородные координаты и матрицы преобразований
- •Лекция 4 Геометрический смысл матриц поворота
- •Свойства матриц поворота
- •Лекция 5 Звенья, сочленения и их параметры
- •Представление Денавита – Хартенберга
- •Алгоритм формирования систем координат звеньев
- •Для манипулятора Пума
- •Лекция 6 Уравнения кинематики манипулятора
- •Классификация манипуляторов
- •Обратная задача кинематики
- •Метод обратных преобразований
- •Лекция 7 Геометрический подход
- •Определение различных конфигураций манипулятора
- •Решение обратной задачи кинематики для первых трех сочленений
- •Решение для первого сочленения
- •Решение для второго сочленения
- •Лекция 8 Решение для третьего сочленения
- •Решение обратной задачи кинематики для последних трех сочленений
- •Решение для четвертого сочленения
- •Решение для пятого сочленения
- •Решение для шестого сочленения
- •Лекция 9 Уравнения вида конфигурации для определения индикаторов конфигурации манипулятора
- •Машинное моделирование
- •Динамика манипулятора
- •Метод Лагранжа-Эйлера
- •Скорость произвольной точки звена манипулятора
- •Лекция 10 Кинематическая энергия манипулятора
- •Потенциальная энергия манипулятора
- •Уравнение движения манипулятора
- •Уравнения движения манипулятора с вращательными сочленениями
- •Пример: двухзвенный манипулятор
- •Лекция 11 Уравнения Ньютона-Эйлера
- •Вращающиеся системы координат
- •Лекция 12 Подвижные системы координат
- •Кинематика звеньев
- •Лекция 13 Рекуррентные уравнения динамики манипулятора
- •Лекция 14 Планирование траекторий манипулятора
- •Сглаженные траектории в пространстве присоединенных переменных
- •Расчет 4-3-4 - траектории
- •Лекция 15 Граничные условия для 4-3-4-траекторий
- •Лекция 16 Управление манипуляторами промышленного робота
- •Метод вычисления управляющих моментов
- •Передаточная функция одного сочленения робота
- •Лекция 17 Устройство позиционирования для одного сочленения манипулятора
- •Критерии работоспособности и устойчивости
- •Лекция 18 Компенсация в системах с цифровым управлением
- •Зависимость момента от напряжения
- •Управление манипулятором с переменной структурой
- •Адаптивное управление
- •Адаптивное управление по заданной модели
- •Адаптивное управление с авторегрессивной моделью
- •Лекция 19 Адаптивное управление по возмущению
- •Независимое адаптивное управление движением
- •Лекция 20 очувствление Введение
- •Датчики измерения в дальней зоне
- •Триангуляция
- •Метод подсветки
- •Лекция 21 Измерение расстояния по времени прохождения сигнала
- •Очувствление в ближней зоне
- •Индуктивные датчики
- •Датчики Холла
- •Лекция 22 Емкостные датчики
- •Ультразвуковые датчики
- •Оптические датчики измерения в ближней зоне
- •Лекция 23 Тактильные датчики
- •Дискретные пороговые датчики
- •Аналоговые датчики
- •Силомоментное очувствление
- •Элементы датчика схвата, встроенного в запястье
- •Выделение сил и моментов
- •Лекция 24 Системы технического зрения
- •Получение изображения
- •Лекция 25 Методы освещения
- •Стереоизображение
- •Системы технического зрения высокого уровня
- •Сегментация
- •Проведение контуров и определение границ
Адаптивное управление с авторегрессивной моделью
Адаптивное самонастраивающееся устройство управления использует авторегрессивную модель для установления соответствия между входными и выходными параметрами манипулятора (рис. 18.3). Алгоритм управления предполагает, что силы взаимодействия между сочленениями ничтожно малы.

Рисунок 18.3. Адаптивное управление с авторегрессивной моделью
Обозначим
входной момент на i-м
сочленении через
,
а выходное угловое положение манипулятора
– через
.
Пара входного выходного параметров
может
быть описана авторегрессивной моделью,
которая приводит эту пару как можно в
более близкое соответствие:
,
(18-12)
где
-
постоянные силы;
-
ошибка моделирования (белый шум), не
зависящая от
и
,
.
Параметры
и
определяются
таким образом, чтобы получить лучшее
совпадение наименьших квадратов
измеренной пары параметров входа и
выхода. Эти параметры могут быть получены
путем минимизации следующего критерия:
,
(18-13)
где N – число измерений; Е – вероятность выполнения процесса управления.
Лекция 19 Адаптивное управление по возмущению
Адаптивное управление по возмущению отличается от других методов управления тем, что в нем учитываются все силы взаимодействия между различными сочленениями. Оптимальное управление базируется на линеаризованных уравнениях движения в окрестности номинальной траектории. Управляемая система характеризуется наличием прямой и обратной связей, которые могут быть рассчитаны отдельно и одновременно.
Прямая связь формирует номинальные моменты для компенсации всех сил взаимодействия между различными сочленениями при движении вдоль заданной траектории с помощью уравнений Ньютона-Эйлера, используемых в обратной задаче динамики манипулятора.
Обратная связь формирует моменты по возмущениям, которые уменьшают ошибки манипулятора по положению и по скорости до нуля вдоль заданной траектории.
При
управлении линеаризованной возмущенной
системой вдоль заданной траектории
используется одношаговый оптимальный
закон управления. Для получения
необходимого управляющего воздействия
параметры и коэффициенты передачи
обратной связи пересчитываются и
настраиваются в каждый дискретный
период времени. Такой метод адаптивного
управления позволяет свести задачу
управления манипулятором от номинального
управления к управлению линейной
системой вдоль заданной траектории. В
такой постановке задача управления
формулируется как нахождение закона
управления по обратной связи
,
такого, что замкнутая система управления
асимптотически устойчива и описывает
максимально приближенную к желаемой
траекторию в широком диапазоне нагрузок
в каждый момент времени.

Рисунок 19.1. Адаптивное управление по возмущению
Рекурсивный алгоритм определения параметров по методу наименьших квадратов находится путем минимизации экспоненциального критерия ошибки, в котором учитывается квадрат ошибки последних измерений в виде:
,
(19-1)
где вектор ошибки определяется выражением:
,
(19-2)
а
-
число измерений, используемых для оценки
параметров
.
Оптимальное управление, минимизирующее функционал ошибки, описывается выражением:
,
(19-3)
где
и
- параметры системы, полученные с помощью
алгоритма идентификации в k-й
дискретный момент времени.
Весовой
коэффициент настраивается для каждого
вектора i-го
параметра
.
