摘要：为了解决挖掘机器人动臂、斗杆和铲斗不同电液伺服系统中多个比例–积分–微分(PID)控制器参数优化的难题,提高挖掘机器人铲斗齿尖轨迹跟踪精度,采用改进的粒子群算法(PSO)对多PID控制器参数进行整定优化.首先,建立电液伺服系统的数学机理模型,在理论模型的基础上,采用递推最小二乘辨识法(RLS)得到实际的机理模型.其次,提出一种改进的PSO算法,采用非线性自适应惯性权重、引入异步变化策略、设计精英变异方法.接着,搭建仿真验证平台,跟踪正弦轨迹,比较传统Z-N参数整定方法、基本PSO算法和改进PSO算法的差别.最后,以挖掘机器人最常见的整平为代表工况,基于23 t挖掘机器人实验平台进行实验验证.实验结果表明,改进PSO算法的跟踪精度最高,与基本PSO算法相比,明显提高了轨迹跟踪精度.

摘要：非线性摩擦会降低挖掘机器人电液伺服系统的动静态性能,引起轨迹爬行、平峰和稳态误差等现象。经典LuGre摩擦模型仅与速度有关,内部鬃毛状态变量无法准确测量,无法全面描述复杂的挖掘机器人电液伺服系统摩擦特性。本文综合考虑电液伺服系统位置、速度和方向等信息,设计了一种改进的LuGre摩擦模型,同时引入速度阈值解决了弹性鬃毛平均变形状态观测器不稳定问题。其次,为了解决传统优化算法陷入局部最优解、收敛速度慢等问题,通过引入惯性权重、异步变化和精英突变操作改进基本粒子群优化算法,以精准快速辨识出改进LuGre摩擦模型中的6个未知参数。最后,结合辨识出的摩擦模型,基于结构不变性原理设计前馈摩擦补偿控制器,并在23吨挖掘机器人进行了正弦和三角波不同工况下的轨迹跟踪实验。实验结果表明,传统的比例积分微分控制器跟踪误差最大,三角轨迹最大跟踪误差达到了29.68 mm,基于改进LuGre模型设计的前馈摩擦补偿控制器仅为9.70 mm,误差减小了67.31%,基于改进LuGre模型设计的前馈摩擦补偿控制器可以有效提升挖掘机器人的轨迹跟踪精度。

摘要：为了提高挖掘机器人电液伺服系统的轨迹精度,首先,建立挖掘机器人电液伺服系统模型;其次,对遗传算法的种群、适应度函数、交叉概率和变异概率进行改进,设计改进遗传算法的PID控制器,在联合仿真平台上进行了仿真研究,用阶跃和斜坡信号评估控制器性能;最后,搭建挖掘机器人轨迹控制实验平台,采用对挖掘机器人精度要求较高的斜坡作业验证控制器性能。结果表明:相比较于传统的PID控制器和经典遗传算法优化的PID控制器,改进遗传算法优化的PID控制器调整时间短,响应快速,实际动作控制时轨迹跟踪误差最小,可用在挖掘机器人实际轨迹控制中。

摘要：挖掘机器人伺服系统存在高度非线性、参数不确定和未建模动态等诸多不利因素,提出了一种结合径向基函数(RBF)神经网络的非线性滑模控制器,以提高控制精度和鲁棒性。首先,建立了单联伺服系统的数学模型;其次,采用RBF神经网络对系统的不利因素进行逼近,提出积分滑模面进一步减小稳态误差,同时减少对伺服系统参数的依赖,在此基础上,设计了基于RBF神经网络的滑模控制器(SMC-RBF),利用Lyapunov理论证明了系统的渐近稳定性;最后,通过不同的参考信号和整平实验验证了控制器的优越性。仿真结果表明,SMC-RBF控制器响应快,跟踪精度高且鲁棒性强,与PID控制器相比正弦轨迹跟踪精度提高了46%。整平实验结果表明,铲斗末端轨迹跟踪精度提高了52%。