Два подхода к синтезу закона управления конечной точкой двухзвенного манипулятора

Обложка

Цитировать

Полный текст

Аннотация

Рассматривается задача отслеживания конечной точкой двухзвенного манипулятора желаемой траектории, заданной на плоскости в рабочем пространстве конечной точки, в условиях действия внешних возмущений. Эти возмущения полагаются согласованными (действуют по одним каналам с управлениями, в качестве которых рассматриваются обобщенные моменты). Стандартные подходы к управлению опираются на решение обратной задачи кинематики, которое может быть неоднозначным и, как правило, требует использования численных методов. Из-за данных недостатков актуальной является проблема разработки законов управления без решения обратной задачи кинематики. Для создания такого подхода к управлению предлагается рассмотреть в качестве выходных переменных координаты конечной точки в декартовой системе. Тогда на основе однозначной зависимости выхода от обобщенных координат можно перейти от исходного описания системы в терминах обобщенных координат к описанию в терминах положений конечной точки и решать задачу синтеза управления на основе преобразованной системы. Построение управления осуществляется с помощью блочного подхода, который позволяет разбить задачу на две элементарные подзадачи синтеза фиктивного и истинного управлений. Для проведения сравнительного анализа также разработан метод синтеза управляющих моментов, предполагающий решение обратной задачи кинематики. В обоих методах используются гладкие и ограниченные S-образные обратные связи, обеспечивающие подавление возмущений с заданной точностью и монотонность переходных процессов. Представлены результаты численного моделирования, подтверждающие эффективность подхода без решения обратной задачи кинематики.

Об авторах

Алексей Семенович Антипов

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: scholess18@mail.ru
Москва

Павел Павлович Грезнев

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: greznevp@gmail.com
Москва

Список литературы

  1. АНТИПОВ А.С., КРАСНОВА С.А., УТКИН В.А. Синтез инвариантных нелинейных одноканальных систем сле-жения с сигмоидальными обратными связями с обеспе-чением заданной точности слежения // Автоматика и те-лемеханика. – 2022. – №1. – С. 40–66.
  2. КОЛТЫГИН Д.С., СЕДЕЛЬНИКОВ И.А., ПЕТУХОВ Н.В. Аналитический и численный методы решения обратной задачи кинематики для робота Delta // Вестник ИрГТУ. –2017. – №5. – C. 87–96.
  3. КОРОВИН О.С. Обзор методов решения обратной за-дачи кинематики для манипулятора с избыточностью // «Политехнический молодежный журнал» МГТУ им. Н.Э. Баумана. – 2022. – № 2. – С. 1–8.
  4. КРАСНОВА С.А., УТКИН В.А., УТКИН А.В. и др. Пря-мой метод синтеза системы управления рабочим орга-ном манипулятора при неполных измерениях // Пробле-мы управления. –2008. –№1. – С. 10–18.
  5. НЕЛАЕВА Е.И., ЧЕЛНОКОВ Ю.Н. Решение прямых и обратных задач кинематики роботов-манипуляторов с использованием дуальных матриц и бикватернионов на примере стэнфордского манипулятора. Часть 2 // Ме-хатроника, автоматизация, управление. – 2015. – №16. – С. 456–463.
  6. ОВЦОВ С.А., САРОКА В.В. Разработка оптимальной системы управления роботом-манипулятором гальва-нической линии для погашения колебаний подвески в пе-реходных режимах // Труды БГТУ. Серия 3: физико-математические науки и информатика. – 2017. – №3. – С. 63–68.
  7. ОСЬКИН Д.А., ДЫДА А.А., КОНСТАНТИНОВА Е.А. Нейросетевое моделирование задачи обратной кинема-тики для манипуляционного робота // Современные наукоемкие технологии. – 2015. – №12. – С. 254–257.
  8. ПАРАЕВ Ю.И., КОЛЕСНИКОВА С.И., ЦВЕТНИЦ-КАЯ С.А. Управление роботом-манипулятором в усло-виях неопределенности // Вестник ТГУ. Управление, вы-числительная техника и информатика. – 2021. – №57. – С. 4–12.
  9. ANTIPOV A.S., KOKUNKO J.G., KRASNOVA S.A. et al. Direct control of the endpoint of the manipulator under non-smooth uncertainty and reference trajectories // Journal of The Franklin Institute. – 2023. – Vol. 360, Iss. 17. – P. 13430–13458.
  10. BACCOUCH M., DODDS S. A Two-Link Robot Manipula-tor: Simulation and Control Design // Int. Journal of Robotic Engineering. – 2020. –Vol. 5, No. 2. – P. 1–17.
  11. FEHR J., SCHMID P., SCHNEIDER G. et al. Modeling, Sim-ulation, and Vision-/MPC-Based Control of a PowerCube Serial Robot // Appl. Sci. – 2020. – Vol. 10, No. 20. – P. 1–26.
  12. KOCHETKOV S.A., KRASNOVA S.A., ANTIPOV A.S. Cascade Synthesis of Electromechanical Tracking Systems with Respect to Restrictions on State Variables // IFAC-PapersOnLine. – 2017. – Vol. 50, No 1. – P. 10142–10147.
  13. LI J., YU H., SHEN N. et al. A novel inverse kinematics method for 6-DOF robots with non-spherical wrist // Mech. Mach. Theory. – 2020. – Vol. 67, No. 157. – P. 104–189.
  14. LU J., ZOU T., JIANG X. A Neural Network Based Ap-proach to Inverse Kinematics Problem for General Six-Axis Robots // Sensors. – 2022. – Vol. 22, No. 22. – P. 1–19.
  15. MALIK A., LISCHUK Y., HENDERSON T. et al. A Deep Reinforcement-Learning Approach for Inverse Kinematics Solution of a High Degree of Freedom Robotic Manipulator // Robotics. – 2022. – Vol. 11, No. 2. – P. 1–17.
  16. MASSARO M., LOVATO S., BOTTIN M. et al. An Optimal Control Approach to the Minimum-Time Trajectory Planning of Robotic Manipulators // Robotics. – 2023. – Vol. 12, No. 3. – P. 1–24.
  17. MAZHAR A., TANVEER A., IZHAN M. et al. Robust Con-trol Approaches and Trajectory Planning Strategies for In-dustrial Robotic Manipulators in the Era of Industry 4.0: A Comprehensive Review // Eng. Proc. – 2023. – Vol. 56, No. 1. – P. 1–6.
  18. RAHMANI M., REDKAR S. Robot Manipulator Control Using a Robust Data-Driven Method // Fractal Fract. – 2023. – Vol. 7, No. 9. – P. 1–14.
  19. TRAN D.T., NGUYEN T.N., NGUYEN X.T. et al. Synchro-nous PD Control Using a Time Delay Estimator for a Four-Degree-of-Freedom Parallel Robot in Practice // Machines. – 2023. – Vol. 11, No. 8. – P. 1–21. 20. WANG F., LIU P., JING F. et al. Sliding Mode Robust Active Disturbance Rejection Control for Single-Link Flexible Arm with Large Payload Variations // Electronics. – 2021. – Vol. 10, No. 23. – P. 1–15.21. WEI B. A Tutorial on Robust Control, Adaptive Control and Robust Adaptive Control—Application to Robotic Manipula-tors // Inventions. – 2019. – Vol. 4, No. 3. – P. 1–13.22. ZHANG C. PD Plus Dynamic Pressure Feedback Control for a Direct Drive Stewart Manipulator // Energies. – 2020. – Vol. 13, No. 5. – P. 1–13.23. ZHAO A., TOUDESHKI A., EHSANI R. et al. Data-Driven Inverse Kinematics Approximation of a Delta Robot with Stepper Motors. Robotics. – 2023. –Vol. 12, No. 5. – P. 1–12.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».