并联机器人控制策略的研究分析

并联机器人控制策略的研究分析

侯琨

杭州申昊科技股份有限公司 浙江 杭州 311121

摘要：随着我国科学技术的不断发展，并联机器人在当下的普及率也在不断提升，在应用领域上也不断扩大，发展前景较好。相较于串联机器人来说，并联机器人在精度上和速度上均有着较大程度的提升，这也使得其在控制上难度较高。从当下的发展来看，并联机器人在控制上利用智能控制方法、自适应控制方式理论以及顺应性运动力控制较多，本文将分别从这三方面分析并联机器人控制策略，以期为今后开展相关研究提供参考。

关键词：并联机器人；控制策略；神经网络

引言：并联机器人在控制上相较于串联机器人来说难度较大，涉及到的变量较多，在控制策略上，起初由于受到技术水平限制，在开展对于并联机器人的控制上将其中的不同分支作为独立的系统开展控制，控制效果不佳。而随着科学技术的不断发展，在并联机器人的控制策略上，开始应用智能控制方式、自适应控制方式以及顺应性运动力控制进行，对于控制效率的提升起到了极大的促进作用。

一、智能控制方式应用并联机器人上的策略

（一）神经网络

神经网络在并联机器人控制上应用极为广泛。从神经网络的含义上来看，其指的是借助工程手段以及技术手段，来对人脑功能和结构进行模拟的技术系统。属于非线性的动力学系统。从特征上来看，神经网络具有自学习、自适应、模糊性以及容错性特征，在开展对于并联机器人的控制中，不需要数学模型即可进行，在控制并联机器人中应用价值较高。但由于当下在神经网络控制上技术尚不完全成熟，仅在简化数学模型上应用较多，借助CMAC网络以及模糊控制或者自适应的方式来对系统中的控制成效进行提升，更降低并联机器人各个系统分支的耦合关系，提升控制的精准度[1]。

（二）模糊控制

模糊控制从含义上来看利用模糊数学以及语言形式来作为理论上的基础，并结合模糊逻辑的推理规则进行，利用计算机技术所打造出的智能控制系统，并形成闭环结构。其在控制并联机器人的过程中，不需要建立数学模型即可进行控制，在一些较复杂的非线性系统中应用效果较好。从当下并联机器人的控制方式来看，模糊控制由于可处理一些较为复杂的系统，其在普及率上当下也有了较大程度上的提升。但由于并联机器人本身较为复杂，在打造健全的模糊控制机制上较为困难，这也使得模糊控制在具体应用中须与其他控制措施共同进行，才能最大限度的发挥其积极作用[2]。

二、自适应控制方式应用在并联机器人上的策略

自适应系统在控制并联机器人中应用也较为广泛，其包括线性以及非线性两种自适应控制，在控制并联机器人中，线性系统更为常用。从当下的应用现状来看，在应用自适应控制中，需结合并联机器人的动力学模型，将非线性项、耦合以及时变等内容整合成回归矩阵，来分离相关物理参数，使得并联机器人的动力学模型实现线性化，并利用线性系统的自适应控制理论来制定自适应控制机制。

由于自适应控制方式中利用回归矩阵进行计算，在计算中极为复杂，因此在具体应用的过程中，一般利用简单结构来进行计算，不计算回归矩阵，这种方式在计算上较为简单，被广泛运用到并联机器人的控制中。由于并联机器人在参数上并不确定，变动较大且受外界因素影响较大，这种自适应的控制方式对于解决参数不确定的情况较为实用，在受到外界因素影响时，无法保障暂态响应和控制的稳定性。这也使得自适应控制方式需结合其他控制形式共同使用，才能保证并联机器人在性能上的提升。部分研究专家结合鲁棒控制理论，来开展对于并联机器人的鲁棒自适应控制，这种方式对于解决由于参数变化以及受到负载扰动所出现的不良影响有着极为重要的意义，并且在跟踪精度和稳定性上也较好。还有研究学者提出将自适应控制与非线性的PD控制进行结合，利用这种复合控制的方式，对于解决不确定参数问题以及受到外界干扰时出现的轨迹跟踪也可起到较好的效果[3]。

三、顺应性运动力控制

当并联机器人工作在约束环境中，为减少力矩和接触力的出现几率，造成并联机器人零件上的损坏，需做好力矩以及进行力的控制工作。在并联机器人不断发展的当下，在力矩控制上的研究力度也在不断加大。但这种当下还仅局限在串联机器人中，在并联机器人中的研究较少。当下在并联机器人的控制中，修正位置控制方式以及阻抗控制方式在当下运用较多。为更好的提升并联机器人在环境上的适用性，需做好其在进行力上的控制。在选择控制方式时，可借鉴串联机器人的研究结果，来提升并联机器人的智能化水平，促使其在约束环境中也能更好的完成相关控制任务。当下，在人力控制方式中，六维腕力传感器在监测力矩时较常用，但由于腕力传感器在技术上尚不完善，也对精度提升造成一定的影响[4]。

结语：并联性机器人由于与外界因素接触较多，除位置控制之外，还需具备触觉系统以及感觉系统。因此，在今后的研究中，需加深对于人力控制方式的研究力度，真正拓宽并联机器人的应用范围。

参考文献：

[1]刘嘉韧. 一种四索并联机器人的动力学建模和控制策略[D].中国民航大学,2019.

[2]王立捷. 平面2-DOF驱动冗余并联机器人动力学参数辨识与控制策略研究[D].燕山大学,2018.

[3]张兵园. 绳索牵引并联机器人的绳长空间动力学控制策略研究[D].中国科学技术大学,2018.

[4]牟家旺. 3-PUU并联机器人动力学建模及其控制策略研究[D].重庆大学,2017.