基于多重循环的6-DOF机械手迭代学习控制*

鄢圣华，黄 松

(1. 湖北理工学院机电工程学院，湖北 黄石 435003; 2. 江西理工大学机电学院，江西 赣州 341000)

0 引言

现代制造业中工业机械手的轨迹跟踪一直是热门的研究方向，涉及到诸多应用场景，包括焊接、激光切割、零件组装和施胶等。大多数机械手采用齿轮马达，因为它们具有成本效益高、重量轻、在扭矩扰动影响小的特点[1]。然而，这会引起齿轮传动导致的非线性问题。因此，末端执行器的跟踪性能会受到内部和外部因素的影响[2]。内在因素包括运动参数的准确性、关节的灵活性、驱动动力学以及关节摩擦和齿轮间隙等非平顺性。外在的误差源为过程干扰。

由于工业过程的重复性，机器手迭代学习控制在重复干扰下的跟踪应用得到了广泛的研究[3-8]。迭代学习控制也是一种有效的参数辨识工具，例如，Chen W等[6]提出了一种基于电机侧和负载侧的双阶段迭代学习方法，以便提供更好的末端效应器跟踪，并提高了学习效率。Zhao Y M等[7]提出利用迭代学习控制算法对轨迹运动参数进行细化，以提高定位精度的方法。如果执行器上的摩擦效应可以重复，也可以通过迭代学习控制进行补偿。为了解决关节的柔性问题，最近，为了获得系统的鲁棒性能，Wang C等[8]提出了在系统不确定情况下的鲁棒迭代学习控制，获得了基于迭代学习控制的较好的机械手跟踪性能。但是，这些方法均为基于模型的方法，需要进行大量的系统识别才能进行学习滤波器设计，且位置跟踪误差仍不够理想。……