机器人走钢丝的简易模糊控制器

机器人走钢丝的简易模糊控制器

宋杰文，贾鹏飞，黄文贤，李根

北京师范大学数学科学学院，北京 (100875)

E-mail：phoenixsun@https://www.wendangku.net/doc/4b1972767.html,

摘要：模糊控制是基于丰富操作经验总结的、用自然语言表述控制策略,或通过大量实际数据总结出的控制规则，用计算机予以实现的自动控制过程。本文从一个flash小游戏出发，构造出一个关于机器人走钢丝的简易数学模型，通过模糊控制方法较好地控制平衡杆摆动，并实现仿真模拟。当平衡杆无外界干扰情形时,本文用MATLAB逻辑推理工具箱FIS设计出控制器balance-1,较好地完成对给定初始状态的仿真；当平衡杆出现有外界干扰时,改变控制器的隶属函数和控制规则,并用MATLAB语言设计出控制器balance-2,并对小鸟的两种干扰情况进行了良好的仿真模拟；最后针对balance-2，讨论了修正因子α的取值,实现了模糊控制器的在线调控,结果表明α的合理取值能够有效缩短最优控制时间,提高模糊控制效率。

关键词：隶属函数；控制规则；鲁棒性；修正因子

中图分类号：O231

1．引言

模糊控制器就是一种近年来发展起来的新型控制器，它的参数自整定方法就是应用Fuzzy集合理论和方法，把操作人员(专家)的整定经验和技术知识总结成Fuzzy规则模型，形成微机的查寻表格，其优点就是不要求掌握受控对象的精确数学模型，而是根据人工控制规则组织控制决策表，然后由该表决定控制量的大小。实际上，任何一个有效的工业控制设计,都不能由控制理论单独解决，都隐含着人的直觉推理，Fuzzy控制器充分利用了这一思想,经过20世纪80年代的孕育发展，特别是近几年的研究和实践，国际上已认识到采用Fuzzy控制是解决复杂系统控制问题的主要途径。

Fuzzy控制的共同特点是，利用隶属函数和模糊合成法则等思想巧妙地综合了人们的直觉经验，从而在经典控制理论和现代控制理论不太奏效的场合，如具有纯滞后、大惯性、参数漂移大的非线性不确定分布参数系统中能够实现较满意的控制。自从Fuzzy控制理论及其应用技术问世以来，许多国家曾对各种系统进行过试验性的Fuzzy控制，有些已应用到生产现场，并且取得了丰富的经验和可喜的成果。

模糊控制系统具有如下优点：

1、模糊控制系统不依赖于系统精确的数学模型，特别适宜于复杂系统(或过程)与模糊性对象等采用，因为它们的精确数学模型很难获得或根本无法找到；

2、模糊控制中的知识表示、模糊规则和合成推理是基于专家知识或熟练操作者的成熟经验，并通过学习可不断更新，因此它具有智能性和自学习性；

3、模糊控制系统的核心是模糊控制器，而模糊控制器均以计算机为主体，因此它兼有计算机控制系统的特点,如具有数字控制的精确性与软件编程的柔软性等；

4、模糊控制系统的人一机界面具有一定的友好性，它对于有一定操作经验而对控制理论并不熟悉的工作人员来说，很容易掌握和学会，并且易于使用“语言”进行人一机对话，更好地为操作者提供控制信息。

2．问题背景及分析

本文所研究的机器人走钢丝模型是由一个flash小游戏联想过来的，其大概操作方法如下：用鼠标的左右平移来控制游戏中小人的左右平移，鼠标左右移动的大小控制着小人施予

杆的作用力的大小，此外，在小人走钢丝的过程中还随机的会有小鸟停憩在杆子上，以增重杆子的不平衡程度，使得鼠标控制很难保持稳定。鉴于此，我们便有意将此游戏改变成一个模糊控制器的仿真，从而实现小人基本稳定的走完钢丝的目标。

图1 游戏的简易模型 Fig1 Simple model of the game

本文规定图中平衡杆代表小人的支撑点，假定它是固定的，人的手握杆的位置也固定，且施力方向一直垂直于平衡杆，力的大小由模糊控制器的输出量决定。此外，规定平衡杆右端位于平衡位置上方时偏转角为正，反之为负；平衡杆逆时针转动时偏转变化率为正，反之为负；模糊控制器输出量与作用于平衡杆右端的力F 方向大小一致，左端为负。由于平衡杠杆的两端对称，因此仅分析杠杆右端的受力情况即可。

此问题可以归结为平衡杆在模糊控制器的作用由不平衡逐渐趋于稳定的过程，类比于模糊控制的经典模型——倒摆模型，我们只要将平衡杆在力作用下角度变化的状态方程求出，然后将控制器每步输出量代入状态方程，得出下一时刻的控制器初始值，如此往复循环，便可使平衡杆在平衡位置附近小范围的晃动，甚至保持绝对稳定状态。此外，其中的小鸟随机落下可以用来验证模糊控制器的鲁棒性。

3. 预备知识

要对一系统进行模糊控制,一般说来必须有如下4个计算步骤：（1）计算现时的误差变化及误差变化率；（2）将误差变化及误差变化率转化为模糊量；（3）根据模糊控制规则计算出模糊关系矩阵，从而得出模糊控制量；（4）进行模糊判决，得到确切控制量加到控制对象上去。

再者，在将输入量的基本论域转化为量化论域的过程中还涉及量化比例因子的确定,这是模糊控制器设计过程中比较棘手问题。不同的比例因子大小，影响了控制器的性能,需慎重考虑。

4．参数说明

我们假定偏转角的范围是3030E ?≤≤

，偏转变化率15/15/c s E s ?≤≤

，控制力

3030U ?≤≤ 。具体参数详见下表：

表1 参数列表

Tab1 The list of parameters

参量

含义

单位 取值范围参量含义

单位 取值范围

0E

平衡杆初始角大小 度° [-30,30] c K c E 量化因子 1/度 自定义

E 平衡杆偏转角变化 度° [-30,30] u K U 量化因子 1/N 自定义

c E 平衡杆偏转变化率 度° [-15,15]

φ 稳态时最大振幅

度° 仿真结果U 控制输出量

牛N [-30,30] η

控制力度 无量纲 仿真结果e E 量化后的值 无量纲 [-3,3] λ

控制阈值 无量纲 自定义 c e c E 量化后的值 无量纲 [-3,3] τ 最优控制时间 秒s 仿真结果u U 量化后的值 无量纲 [-4,4] ψ

最大超调比

无量纲 仿真结果

e K

E 量化因子 1/度 自定义

其中，η表示控制到稳态时最大幅度φ与初始角度的比值的倒数,数值越大,表明控制力度越大；λ是实现给定的值,决定出现稳态点的位置；τ表示达到稳态时的最短时间；ψ表示控制过程中最大超控制角度和初始角度百分比，主要针对控制器的漏洞检验。这些参数的具体应用会在下文的仿真过程中具体体现。

5. 控制器的设计

模糊控制器一般设计步骤：（1）进行系统分析，确定模糊控制器的输入变化量、输出变量及控制器的结构；（2）定义输入、输出变量的论域和隶属函数、建立控制规则、确定运算子、选择清晰化方法；（3）模拟实验,可以离线进行仿真试验,也可以在线进行实时测量。在本文中我们通过MATLAB 模糊逻辑工具箱，设计一个二维Mamdani 型模糊控制器[5]。

5.1 输入变量及控制量的论域

通常将模糊控制器输入变量的个数称为模糊控制器的维数。在实际应用中,人们一般用系统输出的偏差0()E e x x =?和算出的偏差变化率(()(1))c E ec x n x n =??作为输入信息,输出变量一般选择控制量的变化。通常将偏转角变化E 和偏转变化率c E 论域划分为7档（[-3,-2,-1,0,1,2,3]）,对应模糊子集为[NB,NM,NS,ZO,PS,PM,PB]；将控制输出量U 的论域划分为（[-4,-3,-2,-1,0,1,2,3,4]），对应模糊子集为[NB,NM,NS,ZO,PS,PM,PB]。

各个量化因子的计算公式为：

max max max

,,e c u c n n n

K K K E E U =

== 在经过多次检验之后，,最后确定三个量化因子为111

,,1057.5

e c u K K K =

==。例如，当偏转角20E =?

，偏转变化率10/c E s =

，经过模糊化处理后有

202,101e c c e K e K =?×=?=×=；当控制结果2u =，经过清晰化处理有实际控制力

2

15u

U N K =

=。 5.2 控制规则

https://www.wendangku.net/doc/4b1972767.html,

中国科技论文在线

确定模糊控制规则是设计模糊控制系统中最重要的环节，一个缺乏精确数学模型的被控

对象，很难用现有的控制理论来处理,而应用模糊控制理论,可以把有经验的操作人员的工作经验，总结成一些控制规则，再把这些控制规则写成一些模糊条件语句，从而构成了 一个模糊模型，利用这个模糊模型，可以设计出比较理想的控制器[1]。本文所利用的控制规则如下表所示：

表2 控制规则

Tab2 Rules of controlling

c e u e

NB NM NS ZO PS PM PB NB PB PB PM PM PM ZO ZO NM PB PB PM PM PM ZO ZO NS PB PB PM PS ZO NM NM ZO PB PB PM ZO NM NB NB PS PM PM ZO NS NM NB NB PM ZO ZO NS NM NM NB NB PB

ZO ZO NS NM NM NB NB

由此可知,该控制器为双输入单输出双重模糊控制规则,即“i i i IF A AND B THEN C ”,

计算模糊关系R ：

111(()(())n n T i i i i i i i i R A B C A B C ===××=×∪∪

进而计算可得：

12()()T T c C A B R

u e e R ???=×=×

5.3 确定各个元素的隶属度

定义一个模糊子集，实际上就是要确定模糊子集隶属函数曲线的形状。将确定的隶属函数曲线离散化，就得到了有限个点上的隶属度，便构成了一个相应的模糊变量的模糊子集。试验研究结果表明，用三角型和正态型模糊变量来描述人进行控制活动时的模糊概念都是适宜的。因此我们在第一步实验时采用的三角型模糊变量隶属函数，在讨论模型拓展研究时采用正态型模糊变量隶属函数，这样既有利于模糊控制器的设计，同时也有利于比较不同隶属函数下控制器的性能。具体的控制器制作过程可在MATLAB 的FIS 编辑窗口完成参数填写，最后可得平衡杆的输入量、输出量的模糊子集及其分布[3]。

5.4 模糊判决方法

模糊量的判决方法很多，在FIS 编译器中设置控制器模糊算子(max,min)和模糊判决方法(加权平均法、中位数法、最大隶属度法等)，这里选用Mamdani 型模糊推理中的模糊逻辑算法，见下表：

表3 模糊算法

Tab3 Fuzzy algorithms "与"运算 "或"运算 "蕴含"运算 综合

清晰化

Min Max Min Max Centroid （面积中心法）

综上四个步骤,一个简易控制器基本制作完成,命名为balance-1。

https://www.wendangku.net/doc/4b1972767.html,

中国科技论文在线

5.5 观测模糊推理过程

打开FIS 工具箱中Rule Viewer 界面，拖动上面的红色游标线，即可快速观察到控制进

程。再者，FIS 编译器和Rule 观测窗是相互动态链接的，利用这种关系，在FIS 编译器中改变参数时，Rule 观测窗上的参数会相应的变化，于是就可以方便地观测清晰化对输出量的影响。据此原理，在FIS ，Editor 界面上只对“Defuzzification”算法进行改变，其它不变，用观测窗所示Rule 的输出量一定变化，可以研究“Defuzzification”的算法对输出量的影响,结果如下：

表4 不同“清晰化”方法的判别结果

Tab4 Discriminant results of “clear processing”

固定模糊逻辑算法

Add method(min)Or method(max)Implication(min)Aggregation(max)

输入变量 2,0.6

c e e ==

“清晰化”方法 centroid bisection mom

lom

Som 输出变量u

-3.46 -3.52 -3.72 -4

-3.44

5.6 观测整个论域上的输出量与输入变量间的关系

通过MATLB 的FIS 工具箱，可以分别观察控制力与角度或角度变化率的关系，可以得到下面的二维曲线图：

图2 模糊规则的二维坐标图 Fig2 2-d coordinates of fuzzy rules

由此可见,控制力u 与e 和c E 基本呈现反比关系,即当偏转角（偏转变化率）增大时，控

制力U 取值减小，这为下文实现简化模糊规则和简易仿真提供了依据。

6．控制器的仿真——无外界干扰情况

6.1 状态方程的建立

在不考虑小鸟随机掉落的情形下，我们可以求得杠杆在力F 作用下的物理方程为：

2212

ML Fl θ

=

其中l 是力F 的力臂，M 是杠杆的总质量，L 是杠杆的总长度，θ为杠杆的偏转角。即满足的状态方程为：

2

24Fl ML θθθ?=?

?=?? https://www.wendangku.net/doc/4b1972767.html,

中国科技论文在线

记θθ??Φ=???? ，方程化为2

0012400d Fl dt ML ??

??

Φ??=Φ+????????

，则在1t ?=时间内有： (1)()(1)()()2

t t t t t θθθθθθθ?+=+?

?+=++

?? 再令参数m 、l 和L 取值如下，则公式2

24lF ML

θ= 可写作F θ= ，进而状态方程可简化为如下结果,方便实现仿真过程。

表5 模型参数 Tab5 Model parameters

参数

质量m/kg

握距l/m

杆长L/m

取值 1 2/3 4

6.2 控制器balance-1的简易仿真

我们假定这个系统的一个初始非稳定的状态,即给定偏转角E ，偏转变化率c E 一个初始值，通过观察控制器的仿真过程，绘出平衡杆的偏转角，偏转变化率和控制力随时间的变化曲线，进而检验控制器的控制效果。

（1）假设20,0/c E E s ==

；（2）通过控制器balance-1计算得到观测时间点的模糊

控制力，得出这一时刻的控制结果；（3）分别重复上述过程，可到30秒内平衡杆偏转角、偏转变化率和控制力的仿真值；（4）绘出偏转角,偏转变化率和控制力随时间t 的变化曲线。

-18

-17-16-15-14-13-12-11-10-9-8-7-6-5-4-3-2-10123456789101112131415161718

偏 转 角 E /度

https://www.wendangku.net/doc/4b1972767.html,

中国科技论文在线

-30

-25-20-15-10-505101520偏转变化率 E C /度每秒

模糊控制力变化图

-25

-23-21-19-17-15-13-11-9-7-5-3-1135791113151719212325时 间t/s

控 制 力 U /牛顿

图4 balance-1 仿真结果

Fig4 Simulation results of blance-1

结果分析,从图表和图像所知,控制器在模拟的30秒内成功地将平衡杆调节在平衡点左右,

并且控制最终趋于稳定状态。

6.3 最坏状态下的仿真模拟

通过\上面的仿真实验，我们可以初步证明控制器balance-1可以基本实现控制作用。下面假定初值为30,15/c E E s ==

（平衡杆处在预定正最大偏角处,且有最大的正偏转变化率的情形），即最坏的状态下，来检验控制器是否有效。经过重复上面仿真过程，模拟60秒，绘制图表如下：

图5 balance-1 仿真结果（角速度） Fig5 Simulation results (angular rate) of blance-1

有图像可知，在经过大约20秒，偏转角基本趋于平衡位置，且控制力在整个控制过程中的变化基本趋于稳定。我们假设控制阈值5%λ=，即当角度被控制到初始值的5\%内变化可作达到稳定状态。所以针对6.2和6.3仿真过程,分别达到205%1×=和305% 1.5×=，并且往后的角度变化没有超过这两个值，即可认为仿真达到稳定Excel 计算可得：

表6 模拟结果分析

Tab6 The analysis of simulation results

初始偏转角 偏转变化率

φη τ

ψ

状态1 20 0 0.984 4.92%7 85.1% 状态2

30 15

1.069 3.56%15

105.9%

通过表6，我们可以知道控制器在两种状态下都在较短的时间内完成了控制过程，且两次的控制力度都比较大，最终的角度变化范围大约均在1°的振幅内波动。但在最大超控量方面,状态2的最大超控比大于1，和预期情况不符，说明控制器有待改进。

7．控制器的拓展研究——有外界干扰情况

7.1 状态方程的建立

所谓有干扰的情况，指的是在游戏中随时会有小鸟落在平衡杆上，导致平衡杆状态方程发生变化,相应模拟图如下：

图6 有外界干扰的简易模型

Fig6 Simple model with disturbance

由物理知识，受力过程如下：

2122cos 12

ML Fl mgl θ

θ?=

其中1l 是力F 的力臂(握距)，2l 是外界干扰距，m 是小鸟质量，M 是杠杆的总质量，L 是杠杆的总长度，θ为杠杆的偏转角。即满足的状态方程为：

2

2224cos mgl Fl ML ML θθθθ?=?

?=

???

则在1t ?=时间里有：

(1)()(1)()()2

t t t t t θθθθθθθ?+=+?

?+=++

?? 参数m 、l 和L 取值如下6.1情形中的量,再令2 1.6l m =，m=1kg ，则公式2

24lF

ML

θ= 可写作cos F θ

θ=? ，进而状态方程可简化为如下结果，方便实现仿真过程。 7.2 控制器balance-2的设计

从上面推导的状态方程可以看出，微分方程组的形式不再是线性的，这为仿真过程的迭代计算带了麻烦，而且根据上面仿真情况来看，控制器balance-1存在不足之处,对待有外界干扰的情况需要再控制规则和隶属函数确定上加以调整。从编程的角度上看，可将控制器进行改进，即用MATLAB 的编程语言重新将控制器进新设计，将重点放在仿真的迭代计算上,结果鲁棒性较好。

控制器balance-2的设计思想[4]：

（1）由于平衡的控制系统要求精度高，我们将平衡杆的量化论域加以改进扩展，规定偏转角E ，偏转变化率c E 以及控制力U 都量化为121个等级，量化论域设为：

{6, 5.9, 5.8,,0.1,0,0.1,,5.8,5.9,6}j d =????

量化、比例因子分别是0.2,0.4,0.2e c u k k k ===。

（2）根据知识,控制力U 与平衡杆的偏转角E,偏转变化率c E 之间的模糊关系基本呈现反比关系，可采用将模糊规则统一用一个反三角矩阵来表示，具体写作：

2

121121(),exp[()]c e e u ij ij j i R R R fld r r d d ×??====????

（3）平衡杆的偏转角E 变化率的计算公式：()()(1)c E k E k E k =??；E 和c E 的模糊

化公式分别如下：

22()()

()exp([()()]),()exp([(()])e c c c e c

d j d j

e j E k e j E k k k =??

?=??? 相应的输出向量计算公式为：,e c c u e R u e R == ， 表示这里用(,)∨∧运算。

（4）采用加权平均法进行模糊判别得到相应的输出控制量，计算公式如下：

[(1)]e c U u u αα=+?

https://www.wendangku.net/doc/4b1972767.html,

中国科技论文在线

α表示修正因子，取值范围是[0,1]。

通过以上四步，同MATLAB 语言设计出改进的模糊控制器balance-2，其控制效果同

balance-1相仿，这里不再演示。

7.3 有干扰情况的仿真模拟

像无干扰情况那样定义初始条件，这时控制器将会按照无干扰情况进行控制,当在某一点出现外界施加的扰动时，状态方程变为带干扰的推导形式进行迭代。这里需要指明的是：

（1）干扰点的出现是随机的,我们采用MATLAB 里生产随机数的指令在模拟的300s 的前250s 内随意产生干扰点，故每次模拟的结果可能不同，我们主要针对一次和两次随机干扰进行分析。这是说的一次干扰指小鸟在某个随机时间落下，一直保持对平衡杆的作用保持到仿真结束，不再飞走；两次干扰是指小鸟会在某个随机时间再飞走。

（2）系统受干扰时的反应是突变的。当有小鸟在某个随机时间落下，受小鸟的重力突

然作用，作用力远大于控制力，平衡杆将会瞬间产生一个小于0的负角，具体计算中采用随机模拟的一个角度1ω，满足40110ω?≤≤?

；同理当有小鸟在另一个随机时间飞走，平衡杆将会瞬间产生一个大于0的正角2ω，满足10240ω≤≤

。 （3）修正因子α大小和干扰点个数可以按实际情况来设定，这样会得出不同的仿真效果。但根据实际情况，控制力U 的大小主要受偏转角E 影响,所以我们总限定0.5α>。

这里我们在实验取0.9α=，初始27,0/c E E s ==

，干扰点分别出现一次和两次的

情况进行模拟，结果如下：

Fig7 The solution with once disturbance

MATLAB 输出的干扰点是z1=137s,干扰后角度139ω=?

，经过大约1分钟后到达好稳定状态。

https://www.wendangku.net/doc/4b1972767.html,

中国科技论文在线

Fig8 The solution with twice disturbance

MATLAB 输出的干扰点分别是z1=195s ，z2=246s,干扰后角度分别是

138,233ωω=?= ，最终都能在仿真时间内到达稳定状态。

综上两次仿真，再多次进行试验，控制效果良好，鲁棒性强，这表明控制器balance-2对有干扰的情况都能进行有效处理。

7.4 修正因子的在线调控

修正因子α的选择，对控制器的鲁棒性程度非常重要，通过误差E 和误差变化c E 等信息来调整修正因子α，可实现在线灵活调整模糊控制规则，α直接体现了对E 和c E 的加权程度。在确定α的基础上，α在线进行调整。一般，将系统的采样周期设定为T = 0.05s ，采样20个周期进行一次模糊控制量量化因子α在线寻优。这种方法不仅可保证系统输出响应快，调节时间短, 超调量小, 控制精度高, 而且还具有较强的适应系统内部参数变化和抵抗外部扰动的能力[2]。

根据上述要求，本文在控制器balance-2基础上，设计出一个能不断改变α取值的小程序，以实现在线调控，其主要思想是：间隔时间1t s ?=，在每个时间点t 上进行控制力的选取时,设k α表示从0.9到0.5以0.01个步长进行变化取值，其中1,2,3,41k = 依次求出一个控制力k U ,将这些k U 进行比较,选择能使平衡杆更偏向平衡位置的k U ，记为这一时刻控制力k U 进行控制，同理进行，下一时刻的控制力作用。通过实验模拟，仍取初始

27,0/c E E s == 的状态，仿真时间为300s ，结果如下：

Fig9 Results of online regulation

这次模拟结果为在z1=174s 上有131ω=?

的干扰，和无修正因子的仿真相比，对干扰

情况的控制时间有所缩短，说明对α进行在线调整有利于增强系统的鲁棒性。

8．总结

本文通过数学建模方法，对一个flash 小游戏构造出一个关于机器人走钢丝的简易数学模型，利用模糊控制方法较好地控制平衡杆摆动，设计出模糊控制器balance-1和balance-2，并实现仿真模拟。当平衡杆无外界干扰情形时, balance-1较好地完成对给定初始状态

20,0/c E E s == 和最差状态30,15/c E E s == 的仿真；当平衡杆出现有外界干扰时,

改变控制器的隶属函数和控制规则,并用MATLAB 语言设计出控制器balance-2,并对小鸟的一次干扰情况和两次干扰进行了较好的仿真模拟，取得了有效地控制效果；最后本文还针对balance-2，讨论了修正因子α的取值,实现了模糊控制器的在线调控,结果表明α的合理取值能够有效缩短最优控制时间,提高模糊控制效率。

参考文献

[1] 何平王鸿绪．模糊控制器的设计及应用[M]．北京：科学出版社．1997．

[2] 汤兵勇．模糊模型的辨识及应用[M]．.北京：中国环境科学出版社．1994．

[3] 罗承忠．模糊集引论[M]（上册）．北京：北京师范大学出版社．1989．

[4] 石辛民郝整清．模糊控制器及其MATLAB仿真[M]．北京：清华大学出版社北京交通大学出版社．1989．

[5] 石磊陈亚娜．模糊控制器的设计研究[J]．机电产品开发与创新，2007，第20卷，第6期．

A Simple Fuzzy Controller for Wire-Walking Robot

Song Jiewen, Jia Pengfei, Huang Wenxian, Li Gen

Department of Mathematics, Beijing Normal University, Beijing, PRC (100875)

Abstract

Fuzzy control is a computer-based automatic control based on adequate practical experience and natural language. The paper provides a mathematic model for a flash game of wire-walking robot and simulates the whole process. The fuzzy method provides a good result of controlling the vibration of balance bar. When there is no disturbance, the balance-1 controller designed by the logic toolbox FIS in MATLAB gives a good result for simulation; when disturbance is added, we adjust the membership function and fuzzy rule to get the balance-2 controller which provides a good simulation under two kinds of disturbance of birds. Finally, we discuss the value of modifying factor αand realize the online control for balance-2 controller. From the result we find the proper choice of αcan reduce the optimal control time and increase the efficacy. Keywords：membership function; fuzzy rule; robustness; modifying factor

工业机器人控制系统组成及典型结构

工业机器人控制系统组成及典型结构 一、工业机器人控制系统所要达到的功能机器人控制系统是机器人的重要组成部分，用于对操作机的控制，以完成特定的工作任务，其基本功能如下： 1、记忆功能：存储作业顺序、运动路径、运动方式、运动速度和与生产工艺有关的信息。 2、示教功能：离线编程，在线示教，间接示教。在线示教包括示教盒和导引示教两种。 3、与外围设备联系功能：输入和输出接口、通信接口、网络接口、同步接口。 4、坐标设置功能：有关节、绝对、工具、用户自定义四种坐标系。 5、人机接口：示教盒、操作面板、显示屏。 6、传感器接口：位置检测、视觉、触觉、力觉等。 7、位置伺服功能：机器人多轴联动、运动控制、速度和加速度控制、动态补偿等。 8、故障诊断安全保护功能：运行时系统状态监视、故障状态下的安全保护和故障自诊断。 二、工业机器人控制系统的组成 1、控制计算机：控制系统的调度指挥机构。一般为微型机、微处理器有32 位、64 位等如奔腾系列CPU 以及其他类型CPU 。 2、示教盒：示教机器人的工作轨迹和参数设定，以及所有人机交互操作，拥有自己独立的 CPU 以及存储单元，与主计算机之间以串行通信方式实现信息交互。 3、操作面板：由各种操作按键、状态指示灯构成，只完成基本功能操作。 4、硬盘和软盘存储存：储机器人工作程序的外围存储器。 5、数字和模拟量输入输出：各种状态和控制命令的输入或输出。 6、打印机接口：记录需要输出的各种信息。 7、传感器接口：用于信息的自动检测，实现机器人柔顺控制，一般为力觉、触觉和视觉传感器。 8、轴控制器：完成机器人各关节位置、速度和加速度控制。 9、辅助设备控制：用于和机器人配合的辅助设备控制，如手爪变位器等。 10 、通信接口：实现机器人和其他设备的信息交换，一般有串行接口、并行接口等。 11 、网络接口 1) Ethernet 接口：可通过以太网实现数台或单台机器人的直接PC 通信，数据传输速率高达 10Mbit/s ，可直接在PC 上用windows 库函数进行应用程序编程之后，支持TCP/IP 通信协议，通过Ethernet 接口将数据及程序装入各个机器人控制器中。

模糊控制用于机器人避障

北京工业大学 结课论文 课题名称：基于模糊控制的机器人避障 姓名：鑫元 12521121 唐堂 12521130 成绩： 引言

智能小车是移动机器人的一种，可通过计算机编程来实现其对行驶方向、启停以及速度的控制。要想让智能小车在行驶过程中能成功地避开障碍物，必须对其进行路径规划?，路径规划的任务是为小车规划一条从起始点到目标点的无碰路径。路径规划方法有：BP人工神经网络法（Back Propagation）、机器学习（Reinforcement Learning）、以及模糊控制（Fuzzy Control）方法等。模糊技术具有人类智能的模糊性和推理能力，在路径规划中，模糊推理的应用主要体现在基于行为的导航方式上，即将机器人的运动过程分解为避障、边界跟踪、调速、目标制导等基本行为，各基本行为的激活由不同的机构分别控制，机器人的最终操作由高层控制机构对基本行为进行平衡后作出综合反应。模糊控制方法将信息获取和模糊推理过程有机结合，其优点在于不依赖机器人的动力学、运动学模型，系统控制融入了人类经验，同时计算量小，构成方法较为简单，节省系统资源，实时性。本文探讨了模糊控制技术在避障路径规划中的应用，并对其进行了仿真设计。 摘要 基于MATLAB的仿真结果表明模糊逻辑推理方法在智能小车的导航控制中具有良好的效果。 目录

引言，摘要 (1) 1.模糊控制技术基本理 (3) 2模糊控制器设计 (4) 3.避障算法设计 (6) 4 仿真实验 (14) 5.实验截图 (17) 6. 结论 (19) 7.实验心得 (20) 8.参考文献 (22)

1模糊控制技术基本原理 环境中存在障碍物时，路径规划控制系统具有高度不确定性，是一个多输入多输出(MIMO)系统。对于这种具有高度不确定性的MIMO系统，传统的控制方法不能达到很好的控制效果。模糊推理控制方法将人类的驾驶经验融入系统控制之中，因此可以较好地满足系统自适应性、鲁棒性和实时性的要求。模糊控制方式借助模糊数学这一工具通过推理来实现控制。模糊逻辑模拟了人类思维的模糊性，它采用与人类语言相近的语言变量进行推理，因此借助这一工具可将人类的控制经验融人系统控制之中，使得系统可以像有经验的操作者一样去控制复杂、激励不明的系统。总的说来模糊控制具有以下特点： 1)不依赖于被控对象的精确数学模型，易于对不确定性系统进行控制； 2)易于控制、易于掌握的较理想非线性控制器，是一种语言控制器； 3)抗干扰能力强，响应速磨陕，并对系统参数的变化有较强的鲁棒性。 模糊控制器的基本结构由模糊输入接口、模糊推理以及模糊输出接口三个模块组成。模糊输入接口的主要功能是实现精确量的模糊化，即把物理量的精确值转换成语言变量值。语言变量的分档根据实际情况而定，一般分为3—7档，档数越多，控制精度越高，计算量也越大。模糊推理决策机构的主要功能是模仿人的思维特征，根据总结人工控制策略取得的语言控制规则进行模糊推理，并决策出模糊输出控制量。模糊输出接口的主要功能是把输出模糊量转化为精确量，施于被控对象。 2模糊控制器设计

细解工业机器人的关键零部件

细解工业机器人的关键零部件 当前，工业机器人产业市场呈现爆炸式增长势头，而工业机器人产业的发展必将为其核心零配件应用提供众多机会。工业机器人除了本体以外，主要有三大核心零配件，控制器、伺服系统、减速器，它们占到工业机器人成本的70%左右。而随着人工智能浪潮的越演越烈，机器视觉系统也成了工业机器人不可或缺的一部分。 工业机器人的大脑：控制器 控制器是机器人的大脑，发布和传递动作指令。包括硬件和软件两部分：硬件就是工业控制板卡，软件部分主要是控制算法、二次开发等。目前国外主流机器人厂商的控制器均为在通用的多轴运动控制器平台基础上进行自主研发，各品牌机器人均有自己的控制系统与之匹配，国内企业控制器尚未形成市场竞争优势。 现有的工业机器人控制器封闭构造，带来开放性差、软件独立性差、容错性差、扩展性差、缺乏网络功能等缺点，已不能适应智能化和柔性化要求。开发标准化、开放化控制器是工业机器人控制器的一个发展方向，存在巨大发展空间。到2020年我国工业机器人控制器市场规模有望达到12亿元左右，未来五年复合增速约为27%。 工业机器人的眼睛：机器视觉系统 工业自动化的真正实现，需要高度智能化的工业机器人去替代人类的一部分工作，而显然，如果想让机器人去很好的替代人类工作的话，首先要做的就是让它们得能“看”到才行，这就要依赖机器视觉系统来完成。 机器视觉系统可以通过机器视觉产品即图像摄取装置，将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号，然后图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。到2021年，机器视觉全球市场价值预计将达285亿美元，

现代工业机器人模糊控制应用分析

现代工业机器人模糊控制应用分析 摘要随着科学技术的不断发展，工业机器人在工业生产中的作用越来越明显，但工业机器人在工作中经常会出现各关节不精确、速度不平稳的现象，为此，应当对工业机器人的模糊进行严格的控制，模糊控制不需要建立被控对象的精确数学模型，只需要通过输入和输出信号的检测就可以达到机器人的控制要求，这在一定程度上大大提高了工业机器人工作的效率，因此，需要加强模糊控制在工业机器人中的应用，本文介绍了机器人模糊控制系统，并分析了机器人模糊控制过程与系统响应，为今后工业机器人更好的应用模糊控制提供一定的借鉴。 关键词模糊控制；工业机器人；应用 前言 在工业机器人中存在着不同的类别，在对其进行控制过程中需要根据不同的控制目的来选取不同的控制策略，比如对在线分解加速度控制和PID使用前馈控制、最优控制与自适应控制及非线性补偿控制等，这几种控制算法几乎都需要建立精确的机器人模型，若建立的模型不准确，对工业机器人控制系统的控制精度会有很大的影响。而要建立精确的系统模型，则需要做大量的工作，模糊控制是解决这个问题的好方法，它不需要建立被控对象的精确数学模型，只需要通过输入和输出信号的检测就可以达到机器人的控制要求，因此，在工业机器人中经常会采用模糊控制来加强对工业机器人的控制，进而提升了其工作的效率。 1 机器人模糊控制系统 1.1 系统结构 机器人模糊控制系统主要由微分前馈环节KF、积分分离环节KI、偏差e和偏差变化率ec的离散化、模糊化环节K1和K2、模糊控制查询表、控制量输出环节K3以及在线参数自调整环节等组成。通过KF将输入信号的变化率作用于系统中，可以实现被控对象更好地追踪斜坡输入信号。积分分离环节KI用于消除静态误差，在误差很小时起作用，当误差较大时，该环节不介入，以取消积分环节的影响，避免积分饱和现象。参数自调整是根据误差e和误差变化率ec，在线调节K1，K2与K3环节，使系统动态特性和稳态性能更好地兼容。 1.2 建立控制器的输入输出变量 在模糊控制器中，通常以误差e和误差变化率ec作为输入变量，经过离散化和模糊化后查询模糊控制表，得到模糊输出控制量u，再经过输出比例系数K3与其他的控制信号进行叠加，作为被控对象的输入量。将e和ec论域定义在[-6，6]，输出控制量u的论域定义在[-7，7]。 1.3 建立模糊控制规则

工业机器人控制的功能

工业机器人控制的功能、组成和分类 1. 对机器人控制系统的一般要求 机器人控制系统是机器人的重要组成部分，用于对操作机的控制，以完成特定的工作任务，其基本功能如下： ·记忆功能：存储作业顺序、运动路径、运动方式、运动速度和与生产工艺有关的信息。·示教功能：离线编程，在线示教，间接示教。在线示教包括示教盒和导引示教两种。 ·与外围设备联系功能：输入和输出接口、通信接口、网络接口、同步接口。 ·坐标设置功能：有关节、绝对、工具、用户自定义四种坐标系。 ·人机接口：示教盒、操作面板、显示屏。 ·传感器接口：位置检测、视觉、触觉、力觉等。 ·位置伺服功能：机器人多轴联动、运动控制、速度和加速度控制、动态补偿等。 ·故障诊断安全保护功能：运行时系统状态监视、故障状态下的安全保护和故障自诊断。 2．机器人控制系统的组成（图1） （1）控制计算机控制系统的调度指挥机构。一般为微型机、微处理器有32位、64位等，如奔腾系列CPU以及其他类型CPU。 （2）示教盒示教机器人的工作轨迹和参数设定，以及所有人机交互操作，拥有自己独立的CPU以及存储单元，与主计算机之间以串行通信方式实现信息交互。 （3）操作面板由各种操作按键、状态指示灯构成，只完成基本功能操作。 （4）硬盘和软盘存储存储机器人工作程序的外围存储器。 （5）数字和模拟量输入输出各种状态和控制命令的输入或输出。 （6）打印机接口记录需要输出的各种信息。 （7）传感器接口用于信息的自动检测，实现机器人柔顺控制，一般为力觉、触觉和视觉传感器。 （8）轴控制器完成机器人各关节位置、速度和加速度控制。 （9）辅助设备控制用于和机器人配合的辅助设备控制，如手爪变位器等。 （10）通信接口实现机器人和其他设备的信息交换，一般有串行接口、并行接口等。（11）网络接口 1）Ethernet接口：可通过以太网实现数台或单台机器人的直接PC通信，数据传输速率高达10Mbit/s，可直接在PC上用windows库函数进行应用程序编程之后，支持TCP/IP通信协议，通过Ethernet接口将数据及程序装入各个机器人控制器中。 2）Fieldbus接口：支持多种流行的现场总线规格，如Device net、AB Remote I/O、Interbus-s、profibus-DP、M-NET等。

机器人控制的基本方法

机器人控制的基本方法 机器人的控制方法，根据控制量、控制算法的不同分为多种类型。下面分别针对不同的类型，介绍常用的机器人控制方法。 一、根据控制量分类 按照控制量所处空间的不同，机器人控制可以分为关节空间的控制和笛卡尔空间的控制。对于串联式多关节机器人，关节空间的控制是针对机器人各个关节的变量进行的控制，笛卡尔空间控制是针对机器人末端的变量进行的控制。按照控制量的不同，机器人控制可以分为：位置控制、速度控制、加速度控制、力控制、力位混合控制等。这些控制可以是关节空间的控制，也可以是末端笛卡尔空间的控制。 位置控制的目标是使被控机器人的关节或末端达到期望的位置。下面以关节空间位置控制为例，说明机器人的位置控制。如图1-1所示，关节位置给定值与当前值比较得到的误差作为位置控制器的输入量，经过位置控制器的运算后，其输出作为关节速度控制的给定值。关节位置控制器常采用PID算法，也可以采用模糊控制算法。 图1-1 关节位置控制示意图 在图1-1中，去掉位置外环，即为机器人的关节速度控制框图。通常，在目标跟踪任务中，采用机器人的速度控制。此外，对于机器人末端笛卡尔空间的位置、速度控制，其基本原理与关节空间的位置和速度控制类似。 图1-2 加速度控制示意图 图1-2所示为分解加速度运动控制示意图。首先，计算出末端工具的控制加速度。然后，根据末端的位置，速度和加速度期望值，以及当前的末端位置、关节位置与速度，分解出各关节相应的加速度，再利用动力学方程计算出控制力矩。

分解加速度控制，需要针对各个关节进行力矩控制。 图1-3 关节力/力矩控制示意图 图1-3为关节的力/力矩控制框图。由于关节力/力矩不易直接测量，而关节电机的电流又能够较好的反映关节电机的力矩，所以常采用关节电机的电流表示当前关节力/力矩的测量值。力控制器根据力/力矩的期望值与测量值之间的偏差，控制关节电机，使之表现出期望的力/力矩特性。 图1-4 力位混合控制框图 图1-4所示为一种力位混合控制的框图，它由位置控制和力控制两部分组成。位置控制为PI控制，给定为机器人末端的笛卡尔空间位置，末端的笛卡尔空间位置反馈由关节空间的位置经过运动学计算得到。图中，T为机器人的运动学模型，J为机器人的雅克比矩阵。末端位置的给定值与当前值之差，利用雅克比矩阵的逆矩阵转换为关节空间的位置增量，再经过PI运算后，作为关节位置增量的一部分。力控制同样为PI控制，给定为机器人末端的笛卡尔空间力/力矩，反馈由力/力矩传感器测量获得。末端力/力矩的给定值与当前值之差，利用雅克比矩阵的转置矩阵转换为关节空间的力/力矩。关节空间的力/力矩经过PI运算后，作为关节位置增量的另一部分。位置控制部分和力控制部分的输出，相加后作为机器人关节的位置增量期望值。机器人利用增量控制，对其各个关节的位置进行控制。图1-5所示的力位混合控制，只是力位混合控制中的一种简单方案，是 R-C（Raibert-Craig）力位混合控制的简化形式，在实际应用中应针对具体环境进行一些必要的修正。 二、根据控制算法分类 按照控制算法的不同，机器人的控制方法可以分为PID控制、变结构控制、

详细解析工业机器人控制系统

详细解析工业机器人控制系统 什么是机器人控制系统 如果仅仅有感官和肌肉，人的四肢还是不能动作。一方面是因为来自感官的信号没有器官去接收和处理，另一方面也是因为没有器官发出神经信号，驱使肌肉发生收缩或舒张。同样，如果机器人只有传感器和驱动器，机械臂也不能正常工作。原因是传感器输出的信号没有起作用，驱动电动机也得不到驱动电压和电流，所以机器人需要有一个控制器，用硬件坨和软件组成一个的控制系统。 机器人控制系统的功能是接收来自传感器的检测信号，根据操作任务的要求，驱动机械臂中的各台电动机就像我们人的活动需要依赖自身的感官一样，机器人的运动控制离不开传感器。机器人需要用传感器来检测各种状态。机器人的内部传感器信号被用来反映机械臂关节的实际运动状态，机器人的外部传感器信号被用来检测工作环境的变化。 所以机器人的神经与大脑组合起来才能成一个完整的机器人控制系统。 机器人的运动控制系统包含哪些方面？ 执行机构----伺服电机或步进电机； 驱动机构----伺服或者步进驱动器； 控制机构----运动控制器，做路径和电机联动的算法运算控制； 控制方式----有固定执行动作方式的，那就编好固定参数的程序给运动控制器；如果有加视觉系统或者其他传感器的，根据传感器信号，就编好不固定参数的程序给运动控制器。 机器人控制系统的基本功能 1.控制机械臂末端执行器的运动位置（即控制末端执行器经过的点和移动路径）； 2.控制机械臂的运动姿态（即控制相邻两个活动构件的相对位置）； 3.控制运动速度（即控制末端执行器运动位置随时间变化的规律）； 4.控制运动加速度（即控制末端执行器在运动过程中的速度变化）；

移动机器人模糊控制的应用

移动机器人模糊控制的应用 移动机器人模糊控制的应用 0504311 19 刘天庆 对于复杂的、多因素影响的生产过程, 即使不知道该过程的数学模型, 有经验的操作人员也能根据长期的观察和操作经验进行有效地控制, 而采用传统的自动控制方法的效果则并不理想。然而,能否把人的操作经验总结为若干条控制规则,并设计一个装置去执行这些规则, 从而对系统进行有效的控制?模糊控制理论和方法便由此而生。 1 模糊控制原理 模糊控制的原理框图如图1 所示。模糊逻辑控制系统可用来代替经典控制系统或与经典控制系统一起来控制机器人。通过应用模糊逻辑, 机器人可以变得更独特、更具有智能和更加有用。本文根据模糊控制理论为移动机器人的运动控制设计一个模糊逻辑系统。以使移动机器人能根据地形坡度和地形类别来自主的调节自身的运动速度, 从而完成机器人运动的自动控制。 2 移动机器人的模糊逻辑控制器设计 2.1 确定模糊控制器的输入变量和输出变量 根据本设计的目的,为使移动机器人能根据地形的坡度和地形的类别自主地调节 自身的运动速度,本系统可设计为双输入单输出系统,将地形坡度和地形的类别作为两个输入,而将移动机器人的运动速度作为控制输出。 2.2 模糊化

模糊化是将输入和输出值转换为其隶属度函数的过程。模糊化的结果是一组如图2 所示的图形, 它描述了不同模糊变量中不同值的隶属度。为了定义模糊地形坡度、模糊地形类别和模糊运动速度的变量, 这里将期望的地形坡度范围固定在-45°~+45°, 并划分成五个隶 属度函数,分别是“负大”、“负”、“水平”、“正”、“正大”。小于-45°的坡度一概看作“负大”,而 大于+45°则被认定为“正大”。类似的,地形类别也划分成四个隶属度函数,分别是“很粗糙”、 “粗糙”、“平缓”、“平坦”。其中所有粗糙程度大于100%的都被认定为“很粗糙”。而输出的 移动 __ 移动机器人的模糊逻辑控制器设计 2.1 确定模糊控制器的输入变量和输出变量 根据本设计的目的,为使移动机器人能根据地形的坡度和地形的类别自主地调节 自身的运动速度,本系统可设计为双输入单输出系统,将地形坡度和地形的类别作为两个输入,而将移动机器人的运动速度作为控制输出。

工业机器人控制系统的基本原理

工业机器人控制系统的 基本原理 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998

工业机器人控制系统 20世纪80年代以后，由于微型计算机的发展，特别是电力半导体器件的出现，使整个机器人的控制系统发生了很大的变化，使机器人控制器日趋完善。具有非常好的人机界面，有功能完善的编程语言和系统保护，状态监控及诊断功能。同时机器人的操作更加简单，但是控制精度及作业能力却有很大的提高。目前机器人已具有很强的通信能力，因此能连接到各种网络（CAN—BUS、PROFIBUS或ETHERNET）。形成了机器人的生产线。特别是汽车的焊接生产线、油漆生产线、装配生产线很多都是靠机器人工作的。特别是控制系统已从模拟式的控制进入了全数字式的控制。 90年代以后，计算机的性能进一步提高，集成电路（IC）的集成度进一步的提高，使机器人的控制系统的价格逐渐降低，而运算的能力却大大提高，这样，过去许多用硬件才能实现的功能也逐渐地使用软件来完成。而且机器人控制系统的可靠性也由最早几百小时提高到现在的6万小时，几乎不需要维护。 一、控制系统基本原理及分类 工业机器人的控制器在要求完成特定作业时，需要做下述几件事： 示教：通过计算机来接受机器人将要去完成什么作业。也就是给机器人的作业命令，这个命令实质上是人发出的。 计算：这一部分实际上就是机器人控制系统中的计算机来完成的，它通过获得的示教信息要形成一个控制策略，然后再根据这个

策略（也称之为作业轨迹的规划）细化成各轴的伺服运动的控制的策略。同时计算机还要担负起对整个机器人系统的管理，采集并处理各种信息。因此，这一部分是非常重要的核心部分。 伺服驱动：就是通过机器人控制器的不同的控制算法将机器人控制策略转化为驱动信号，驱动伺服电动机，实现机器人的高 速、高精度运动，去完成指定的作业。 反馈：机器人控制中的传感器对机器人完成作业过程中的运动状态、位置、姿态进行实时地反馈，把这些信息反馈给控制计算机，使控制计算机实时监控整个系统的运行情况，及时做出各种决策。 图1 机器人控制基本原理图 控制系统可以有四种不同分类方法：控制运动方式、控制系统信号类型、控制机器人的数目以及人机的相互关系等分类。 （1）、按控制运动方式进行分类可分为程序控制系统、自适应控制系统和组合控制系统。 A、程序控制系统：绝大多数商品机器人是属于这种控制系统，主 要用于搬运、装配、点焊等点位控制，以及弧焊、喷涂机器人的轮廓控制。

浅谈机器人智能控制研究

.. . … 科技大学 2015 级研究生课程考试答题纸 考试科目机械制造与装配自动化专业机械工程 学号1505048 考生乔旭光 考生类别专业学位硕士

浅谈机器人智能控制研究 摘要：以介绍机器人控制技术的发展及机器人智能控制的现状为基础,叙述了模糊控制和人工神经网络控制在机器人中智能控制的方法。讨论了机器人智能控制中的模糊控制和变结构控制,神经网络控制和变结构控制,以及模糊控制和神经网络控制等几种智能控制技术的融合。并对模糊控制和神经网络控制等方法中的局限性作出了说明。 关键词:机器人；智能控制；模糊控制；人工神经网络 1 智能控制的主要方法 随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出崭新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。1.1 模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被

控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。 1.2 专家控制 专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。 1.3 神经网络控制 神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。 1.4 学习控制 (1)遗传算法学习控制 智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间进行搜索,从而提高求得最优解的概率;另

工业机器人控制系统的基本原理

工业机器人控制系统 20世纪80年代以后，由于微型计算机的发展，特别是电力半导体器件的出现，使整个机器人的控制系统发生了很大的变化，使机器人控制器日趋完善。具有非常好的人机界面，有功能完善的编程语言和系统保护，状态监控及诊断功能。同时机器人的操作更加简单，但是控制精度及作业能力却有很大的提高。目前机器人已具有很强的通信能力，因此能连接到各种网络（CAN—BUS、PROFIBUS或ETHERNET）。形成了机器人的生产线。特别是汽车的焊接生产线、油漆生产线、装配生产线很多都是靠机器人工作的。特别是控制系统已从模拟式的控制进入了全数字式的控制。 90年代以后，计算机的性能进一步提高，集成电路（IC）的集成度进一步的提高，使机器人的控制系统的价格逐渐降低，而运算的能力却大大提高，这样，过去许多用硬件才能实现的功能也逐渐地使用软件来完成。而且机器人控制系统的可靠性也由最早几百小时提高到现在的6万小时，几乎不需要维护。 一、控制系统基本原理及分类 工业机器人的控制器在要求完成特定作业时，需要做下述几件事：示教：通过计算机来接受机器人将要去完成什么作业。也就是给机器人的作业命令，这个命令实质上是人发出的。 计算：这一部分实际上就是机器人控制系统中的计算机来完成的，它通过获得的示教信息要形成一个控制策略，然后再根据这个策

略（也称之为作业轨迹的规划）细化成各轴的伺服运动的控制 的策略。同时计算机还要担负起对整个机器人系统的管理，采 集并处理各种信息。因此，这一部分是非常重要的核心部分。伺服驱动：就是通过机器人控制器的不同的控制算法将机器人控制策略转化为驱动信号，驱动伺服电动机，实现机器人的高速、 高精度运动，去完成指定的作业。 反馈：机器人控制中的传感器对机器人完成作业过程中的运动状态、位置、姿态进行实时地反馈，把这些信息反馈给控制计算机， 使控制计算机实时监控整个系统的运行情况，及时做出各种决 策。 图1 机器人控制基本原理图 控制系统可以有四种不同分类方法：控制运动方式、控制系统信号类型、控制机器人的数目以及人机的相互关系等分类。 （1）、按控制运动方式进行分类可分为程序控制系统、自适应控制系统和组合控制系统。 A、程序控制系统：绝大多数商品机器人是属于这种控制系统，主 要用于搬运、装配、点焊等点位控制，以及弧焊、喷涂机器人的轮廓控制。

基于模糊控制的机器人运动控制系统设计

技术与应用——机器人 111 基于模糊控制的机器人运动控制系统设计Design for Motion Control System of Mobile Robot Based on Fuzzy Control 摘要 ：移动式机器人主要由遥控操作器、自动控制系统和传感器等三部分为移动载体而组成系统。移动式机器人的核心技术是控制系统，其中运动控制技术是关键环节。本文以移动机械手作为研究对象，设计了一种准确抓取物体的运动控制系统，利用模糊控制算法控制移动机械手准确停在适当抓取位置。 文/上海环保研发科技有限公司 柳依然 １前言 经典控制理论对于解决线性定常系统的控制问题是很有效的，然而，对于非线性时变系统却难以奏效。随着计算机的应用和发展，自动控制理论取得了飞跃性的发展。基于状态变量描述的现代控制理论对于解决线性或非线性、定常或时变的多输入与多输出系统的控制问题，已获得了广泛和成功的应用。但是，无论采用经典控制理论还是现代控制理论的控制系统，都需要事先知道被控对象(或过程)的精确数学模型，然后根据数学模型以及给定的性能指标，来选择适当的控制规律，来进行控制系统设计。然而，在许多情况下，被控对象的精确数学模型很难建立，这样，对于这类对象或过程就很难进行自动控制。 事实上，对于复杂的、多因素影响的生产过程，即使不知道该过程的数学模型，有经验的操作人员也能根据长期的观察和操作经验进行有效地控制，而采用传统的自动控制方法的效果则并不理想。然而，能否把人的操作经验总结为若干条控制规则，并设计一个装置去执行这些规则，从而对系统进行有效的控制?模糊控制理论和方法便由此而生。 移动机械手是一种简单的移动机器人，可以完成一些简单的任务，比如在排爆上的应用，可以代替人把危险爆炸物抓取到指定地点。本文以市面上的儿童车为基础，通过改装儿童小车来搭建移动机械手，移动机械手工作于遥控模式或自动模式。遥控模式下，移动机械手的运动控制通过无线遥控来实现；自动模式下机械手臂通过超声波距离传感器来提取抓取物位置信息，以抓取物位置信息作为模糊控制算法的输入，通过模糊控制算法来驱动移动机械手运动。它具有移动功能，在代替人从事危险、恶劣(如辐射、有毒等)环境下作业和人所不及的(如宇宙空间、水下等)环境作业方面，比一般机器人有更大的机动性、灵活性。２总体设计 本文所设计的移动机械手运动控制系统主要由单片机 (STM32F103)、显示屏、电机驱动器、无线遥控器、超声 波测距传感器和透射式光电传感器等组成。单片机用来管理 各模块工作，同时完成模糊控制算法运算。显示屏主要是用 来显示移动机械手运动时的一些信息，比如处于何种工作模 式、是在前行还是在后退、转弯角度和抓取物距离等信息； 电机驱动器主要用于驱动改装后的儿童小车；无线遥控模块 主要用来给运动控制系统发送控制命令，包括模式的选择、 车体运动控制等控制命令；超声波测距模块主要用于探测物 体距离，当然在移动机械手移动的时候也可以用于探测障碍 物防止移动机械手在运动时发生机械碰撞；透射式光电传感 器主要用于记录脉冲数，和编码盘配套使用后用于提取转弯 角度和移动机械手相对位移信息。运动控制系统工作过程如 下：运动控制系统初始化后处于模式选择界面，如果抓取物 离的远，先选取遥控模式通过遥控器来控制移动机械手靠近 抓取物。当距离达到指定的范围内后，退出遥控模式进入自 动模式，用模糊控制算法分析超声波测距传感器得到的抓取 物信息后自动控制移动机械手到达合适的抓取位置。移动机 械手运动控制系统方案框图如图1所示。 图 1 移动机械手运动控制系统方案框图 技术与应用——机器人 112 ３硬件设计 ３．１　部分硬件介绍 A：无线遥控器 无线遥控器采用南京普闻视听电子公司的RO3BS无线 遥控器，它包括发送和接收模块。该无线遥控器为四路遥控器， 信号输出可以是单路也可以是双路，工作频率为315MHz， 遥控最大距离为80M。图2为RO3BS接收模块实物图， 图中可以一共有7个引脚，其中+5V和G是电源接入端， D0—D3为接受信号的输出端。 图3 GK102 电路图 图2 RO3BS接收模块实物图 B：电机驱动模块 miniIBT 电机驱动器是专为智能车、模型车及工业产品 等而设计的高性能直流有刷电机全桥驱动器。输入端包括电 源输入端口、电机连接端和信号控制端。其控制信号很简单， 只有片选(EN)、正转(RPWM)和反转(LPWM)信号。正、 反转控制信号可以为高电平也可 以为PWM信号，PWM信 号占空比可以在%0—100%之间随意调整。 C：超声波差距模块 HC—SR04超声波测距模块可提供2cm—400cm的非 接触式距离感测功能，测量精度可达3mm。它一共有四个引 脚，分别是+5V、GND、触发信号输入和回响信号输出，其 控制方式比较简单，只要给触发信号(至少10us的高电平 信号)就会有信号输出。其测试距离的计算如下： 测试距离=高电平时间*声速/2 (其中声速为340m/s) D：透射式光电传感器 GK102是透射式光电传感器，其电路图如图3所示。 左边为发光二极管，右边为光电三极管，当左边加正向电压 时右边导通，当左边加反向电压时右边截止。与编码盘配合 使用可以用于检测转弯角度信号和机械手臂移动位移信号。 其获取信号的原理如下：首先编码盘是一块边缘均匀打着小 洞的圆盘，把圆盘的边缘放在GK102的凹槽里，当圆盘转 动的时候，由于小洞的存在GK102发光二极管发出的光有 时通过小洞射到光电三极管上，三极管导通得到一个信号。 ３．２　硬件连接 根据儿童车的双后驱和独立转弯模式可知儿童车有 三个电机要驱动，所以移动机械手运动控制系统需要三 个miniIBT。三个miniIBT全部采用PWM信号控制， STM32F103单片机有4个定时器，每个定时器有4个通道， 每个通道都可以方便的产生PWM波。本设计中选用通道1 和通道4分别作为miniIBT的RPWM和LPWM；TIM2控 制转弯电机、TIM3控制左轮电机、TIM4控制右轮电机。三 个miniIBT的EN分别由PD0—PD2控制；无线遥控器的 D0—D3分别与PC0—PC3相连；由于需要判断抓取物的 相对位置，抓取物的相对位置包括距离和方向信息，其中距 离信息可以直接从HC—SR04超声波测距模块反馈信号得 到，但是方向信息却不能单从HC—SR04中得到。所以设 计中使用3个HC—SR04，分别安装在车头的中间、左边和 右边，通过对比3个HC—SR04返回的信号就可以得出方 向信息。比如抓取物在车声左边边，那么左边的HC—SR04 返回的距离信息比中间和右边的HC—SR04返回的距离信 息就要短。HC—SR04的触发信号采用脉冲触发，每60ms 发送一次脉冲，回响信号的捕获采用定时器的输入捕获功能， STM32F103每个定时器的通道2都具有输入捕获功能。触 发信号与定时器通道3连接、回响信号与定时器通道2连接， TIM2—TIM4分别对应左、中、右三个HC—SR04 超声波

工业机器人操作指南

一机器人示教单元使用 1.示教单元的认识 2.使用示教单元调整机器人姿势 在机器人控制器上电后使用钥匙将MODE开关打到“MANUAL”位置，双手拿起，先将示教单元背部的“TB ENABLE”按键按下。再用手将“enable”开关扳向一侧，直到听到一声“卡嗒”为止。然后按下面板上的“SERVO”键使机器人伺服电机开启，此时“F3”按键上方对应的指示灯点亮。

按下面板上的“JOG”键，进入关节调整界面，此时按动J1--J6关节对应的按键可使机器人以关节为运行。按动“OVRD↑”和“OVRD↓”能分别升高和降低运行机器人速度。各轴对应动作方向好下图所示。当运行超出各轴活动范围时发出持续的“嘀嘀”报警声。 按“F1”、“F2”、“F3”、“F4”键可分别进行“直交调整”、“TOOL调整”、“三轴直交调整”和“圆桶调整”模式，对应活动关系如下各图所示：

直交调整模式TOOL调整模式

三轴直交调整模式 圆桶调整模式 2.4在手动运行模式下按“HAND”进入手爪控制界面。在机器人本体内部设计有四组双作用

电磁阀控制电路，由八路输出信号OUT-900――OUT-907进行控制，与之相应的还有八路输入信号IN-900――IN-907，以上各I/O信号可在程序中进行调用。 按键“+C”和“－C”对应“OUT-900”和“OUT-901” 按键“+B”和“－B”对应“OUT-902”和“OUT-903” 按键“+A”和“－A”对应“OUT-904”和“OUT-905” 按键“+Z”和“－Z”对应“OUT-906”和“OUT-907” 在气源接通后按下“－C”键，对应“OUT-901”输出信号，控制电磁阀动作使手爪夹紧，对应的手爪夹紧磁性传感器点亮，输入信号到“IN-900”；按下“+C”键，对应“OUT-900”输出信号，控制电磁阀动作使手爪张开。对应的手爪张开磁性传感器点亮，输入信号到“IN-901”。 3.使用示教单元设置坐标点 先按照实训2的内容将机器人以关节调整模式将各关节调整到如下所列：J1: J5: J2: J6: J3: J4: 先按“FUNCTION”功能键，再按“F4”键退出调整界面。然后按下“F1”键进入