Kontrolne metode za robote podijeljene su u različite vrste ovisno o količini kontrole i algoritma upravljanja. Sljedeće opisuje najčešće korištene metode kontrole robota za svaku vrstu.
I. Klasifikacija prema kontrolnoj količini
Prema različitom prostoru u kojem se nalazi kontrola volumena, kontrola robota može se kategorizirati u kontrolu u zajedničkom prostoru i kontroli u kartezijskom prostoru. Za tandem višestruke robote, zglobna kontrola prostora za kontrolu varijabli u svakom spoju robota, a kartezijskim kontrolom prostora je za kontrolu varijabli na kraju robota. Prema različitim količinama kontrole, kontrola robota može se kategorizirati kao: kontrola položaja, kontrola brzine, kontrola ubrzanja, kontrola sile, hibridna kontrola sile itd. Ove kontrole mogu biti ili kontrole prostora ili krajnje kartezijskim kontrolama prostora ili krajnje kartonovanje.
Cilj kontrole položaja je da se zglobovi ili krajevi kontroliranog robota dođu do željenog položaja. Slijedi primjer zajedničkog kontrole položaja prostora za robota. Greška dobivena usporedbom zadane vrijednosti zajedničkog položaja s trenutnom vrijednošću koristi se kao ulaz u kontroler položaja, a njen izlaz koristi se kao zadana vrijednost kontrole za brzinu zglobova nakon rada kontrolera položaja. Kontroler u zajedničkom položaju često koristi PID algoritam, može se koristiti i nejasan kontrolni algoritam.
Prvo izračunava se kontrolno ubrzanje krajnjeg alata. Zatim se odgovarajuće ubrzanje svakog zgloba razgrađuje na temelju krajnjeg položaja, brzine i ubrzanja, kao i trenutni krajnji položaj, zajednički položaj i brzina, a zatim se kontrolni moment izračunava pomoću kinetičkih jednadžbi za razgradnju kontrole ubrzanja , koji treba biti obrtni moment za svaki zglob.
Budući da se zajednička sila / obrtni moment nije lako mjeriti, a struja zajedničkog motora može bolje odražavati moment spojnog motora, struja zglobnog motora često se koristi za označavanje trenutne izmjerene vrijednosti zajedničke sile / obrtni moment. Kontroler sile kontrolira zajednički motor za izlaganje željene karakteristike sile / obrtnog momenta na osnovu odstupanja između željene vrijednosti sile / obrtnog momenta i izmjerene vrijednosti.
Sastoji se od dva dijela: kontrola pozicije i kontrolu sila. Kontrola pozicije je PI kontrola, koja je data kao kartezijski prostor na kraju robota, a kartezijski prostor Povratne informacije o kraju dobijaju se od položaja u zajedničkom prostoru nakon kinematskog računanja. Na slici t je kinematički model robota, a J je Jacobi matrica robota. Razlika između zadane vrijednosti krajnjeg položaja i trenutna vrijednost pretvara se u priraštaj položaja u zajedničkom prostoru pomoću inverzne matrice Jacobi Matrixa, koji se zatim koristi kao dio priraštaja u zajedničkom položaju nakon operacije PI.
Kontrola sile je također kontrolirana PI i daje se kao kartezijsku sopstvenu silu / obrtni moment na kraju robota, s povratnim informacijama dobivenim iz mjerenja senzora sile / zakretnog momenta. Razlika između zadane vrijednosti i trenutne vrijednosti krajnje sile / trenutka pretvori se u silu / trenutak u zajedničkom prostoru pomoću transporsone matrice Jacobi matrice. Sila / trenutak u zajedničkom prostoru koristi se kao još jedan dio povera o zajedničkom položaju nakon rada PI. Rezultati dijela kontrole položaja i dijela kontrole sile dodani su zajedno kao željena vrijednost prirasta položaja spojeva robota. Robot koristi inkrementalnu kontrolu za kontrolu položaja svakog njegovih spojeva. Hibridna kontrola snage prikazana na slici 1-5 samo je jednostavna shema u hibridnom kontroli položaja sile, što je pojednostavljeni oblik hibridne kontrole RC (Raibert-Craig), a neke potrebne ispravke treba napraviti za određene okruženja u praktičnim primjenama.
II, klasifikacija prema kontrolnom algoritmu
Prema upravljačkim algoritmima, kontrolne metode robota mogu se kategorizirati u PID kontrolu, kontrolu varijabilne strukture, prilagodljive kontrole, nejasnoj kontroli, neuronsku mrežu i druge metode. Neka literatura također klasificira postojeće algoritme za kontrolu u kontrolu logičkog praga, PID kontrolu, kliznu režimu Kontrola strukture, neuronska mreža i nejasna kontrola. Ove metode kontrole nisu izolirane i često se koriste zajedno u kontrolnom sistemu.
1, PID kontrola
U inženjerskoj praksi, najčešće korišteni zakon o kontroli regulatora za proporcionalnu, diferencijalnu kontrolu, koja se naziva kao PID kontrola, poznata i kao PID Regulat.PID kontroler uveden je gotovo 70 godina istorije, jednostavan je, jednostavan, stabilan, pouzdan , lako se prilagođava i postala jedna od glavnih tehnologija industrijske kontrole. Kada se struktura i parametri kontroliranog objekta ne mogu u potpunosti savladati ili nemaju pristup tačnim matematičkim modelima, teorija kontrole drugih tehnologija je teško koristiti, struktura i parametri sistemskog regulatora moraju se oslanjati na iskustvo i uklanjanje terena i terensko uklanjanje pogrešaka Da bi se utvrdilo primjenu PID kontrole tehnologije najpovoljnija je.
Odnosno, kada ne razumijemo sistem i kontrolirani objekt, ili ne budemo efikasno mjerenje za postizanje parametara sistema, najprikladnije za PID kontrolu tehnologiju. PID kontrola, u praksi postoje i PI i PD Control.PID kontroler zasnovan je na grešci sistema, upotrebi proporcionalnog, integralnog, diferencijalnog izračuna količine kontrole kontrole za kontrolu.
2, kontrola varijabilne strukture
Kontrola varijabilne strukture je kontrolna šema razvijena iz Sovjetskog Saveza u 1950-ima. Takozvana kontrola varijabilne strukture znači da kontrolni sustav ima više kontrolera, a različiti kontroleri koriste se u različitim situacijama u skladu s određenim pravilima. Upotreba kontrole promjenjive strukture ima mnogo prednosti koje nisu pronađene u drugim kontrolama, a može realizirati kontrolu klase nelinearnih sistema sa neizvjesnim parametrima.
3, adaptivna kontrola
Takozvana adaptivna kontrola, odnosi se na ulaze ili poremećaje sustava koji se pojavljuju širok spektar promjena, dizajnirani sustav može prilagodljivo prilagoditi sistemski parametri ili kontrolnu strategiju, tako da izlaz i dalje može ispuniti zahtjeve za dizajn, osnovna struktura kao što je prikazano na slici 2-1. Prilagodljivi kontroli bavi se sistemima sa "nesigurnošću" i nastoji smanjiti ovu nesigurnost promatranjem stanja slučajnih varijabli i prepoznavanje modela sistema. Rezultat je često postizanje određenih kontrolnih ciljeva, tj. "Optimalna kontrola" zamjenjuje se "efikasnim kontrolom".
Adaptivni upravljački sustavi mogu se kategorizirati u prilagođene sisteme za adaptivne kontrole modela, samorezimirajući upravljačke sustave, samooptimizirajuće upravljačke sustave, sustave za kontrolu varijabilnog konstrukcije i inteligentne prilagodljive upravljačke sustave u skladu s njihovim principima. Među ovim vrstama prilagodljivih upravljačkih sistema, modeli referencirani sustavi za adaptivni upravljački sustavi i samorezimirani upravljački sustavi su zreliji i najčešće korišteni.
4, nejasna kontrola
U nejasnoj kontroli, ulazi su nejasni kvantizirani da bi postale neizrazite varijable, postoje nejasne varijable nazvane nejasnim pravilima kako bi se dobili nejasni izlazi za kontrolu. Fuzzy Control je prvi
Predložili su prof. Nakon toga, nejasna kontrola brzo je razvijena u polju kontrole i dobila je veliki broj uspješnih aplikacija.
5, Neuronska mreža mreža
Kontrola neuronske mreže jedna je od granica disciplina u polju automatske kontrole razvijene krajem 1980-ih. Nova je grana inteligentne kontrole koja otvara novi način rješavanja kontrolnih problema složenih nelinearnih, nesigurnih i neizvjesnih sustava. Kontrola neuronske mreže proizvod je kombinacije (umjetne) teorije neuronske mreže i teorije kontrole i razvija se disciplina. Opetira teorije, tehnike, metode i istraživanje rezultata disciplina, uključujući matematiku, biologiju, neurofiziologiju, nauku o mozgu, genetiku, umjetnu inteligenciju, računarske nauke, automatsku kontrolu itd.
Na polju kontrole, kontrolni sistem sa mogućnostima učenja naziva se sustavom za kontrolu učenja, koji pripada inteligentnom upravljačkom sistemu. Neuralna kontrola je s mogućnošću učenja i pripada kontroli učenja, što je grana inteligentne kontrole. Razvoj neuronske kontrole do sada, iako je samo više od deset godina istorije, postojalo je različite kontrolne strukture. Kao što je neuronska prediktivna kontrola, neuronska inverzna kontrola sustava i tako dalje.




