本文作为学习机器人控制系统课程的笔记,涉及控制的概念扫盲以及一些课件里的基本内容
根轨迹必要知识点
是开环系统随着参数增大时,闭环系统根的变化情况,需要对开环系统的确定量和待确定量进行分析,从而确定系统的动态性能,绘制的7大原则不过多赘述,主要为分析各个参数带来的影响 和 推导出控制系统的各种量
Centralize control and decentralized control
机器人系统的动力学方程
M ( q ) q ¨ + c ( q , q ˙ ) + F v q ˙ + F S sign ( q ) + g ( q ) = τ − J T ( q ) h e M(q) \ddot{q}+c(q, \dot{q})+F_v \dot{q}+F_S \operatorname{sign}(q)+g(q)=\tau-J^T(q) h_e M(q)q¨+c(q,q˙)+Fvq˙+FSsign(q)+g(q)=τ−JT(q)he
-
h e h_e he: vector of force/moment exerted by the end-effector on the environment
-
c c c 为 惯性力项
-
c i j j q ˙ j 2 c_{ijj}\dot{q}_j^2 cijjq˙j2: centrifugal effect induced on joint i i i by velocity of joint j j j
-
C k = 1 2 ( ∂ M k ∂ q + ( ∂ M k ∂ q ) T − ∂ M ∂ q k ) C_k=\frac{1}{2}\left(\frac{\partial M_k}{\partial q}+\left(\frac{\partial M_k}{\partial q}\right)^T-\frac{\partial M}{\partial q_k}\right) Ck=21(∂q∂Mk+(∂q∂Mk)T−∂qk∂M) M k M_k Mk is the k-th column of M M M, C k C_k Ck symmetric matrix
-
其中 g ( q ) g(q) g(q)为重力项, x e x_e xe代表平衡点
Centralize control
-
Operational Space
-
关节之间的动力学被考虑进去
-
When large operational speeds are required, the nonlinear coupling terms are not negligible
-
PD control
-
控制目标: 关节 q q q趋于目标 q d q_d qd, 关节速度 q ˙ \dot{q} q˙趋于0
-
对于PD 控制,则有控制律 u = K P ( q d − q ) − K D q ˙ , K P > 0 , K D > 0 u=K_P\left(q_d-q\right)-K_D \dot{q}, K_P>0, K_D>0 u=KP(qd−q)−KDq˙,KP>0,KD>0
-
不难证明:若不存在重力项,则机器人状态在给定的控制条件下G.A.S
-
若有重力,则采用重力补偿的方案 u = K P ( q d − q ) − K D q ˙ + g ^ ( q ) , K P > 0 , K D > 0 u=K_P\left(q_d-q\right)-K_D \dot{q}+\hat{g}(q), K_P>0, K_D>0 u=KP(qd−q)−KDq˙+g^(q),KP>0,KD>0
-
同时 g ^ ( q ) \hat{g}(q) g^(q)也可以用 q 线性或者三角函数表示
-
结论:在有重力的情况下,以前的调节控制法需要准确了解动态模型中的重力项,以保证位置误差的归零
-
Decentralized control
-
Joint space
-
每一个Joint 都被独立控制
-
假设一个PI PVA三环, 其系统框图
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-N7d1nuqW-1669909323300)(tf.png)]
其前向传递函数为:
P ( s ) = k m K P ( 1 + s T P ) s 2 ( 1 + T m ) P(s)=\frac{k_m K_P\left(1+s T_P\right)}{s^2\left(1+T_m\right)} P(s)=s2(1+Tm)kmKP(1+sTP)
根据根轨迹的分析,在这个条件中
- X R = K P k T P X_R=K_P k_{T P} XR=KPkTP 被称为干扰抵抗系数,但是不建议选太大的 K P K_P KP 会导致震荡
reference tracking 任务
LaSalle and Lyapunov stability
Lyapunov 系统判稳 第二法
设广义势能函数 V ( x , t ) V(x,t) V(x,t), if the condition below:
-
V ( x ) V(x) V(x) 为正定
-
若 V ˙ ( x ) \dot{V}(x) V˙(x)为 半负定:系统稳定
负定:可以称系统为大范围的渐进稳定
- When ∣ ∣ x ∣ ∣ → ∞ ||x||\rarr \infty ∣∣x∣∣→∞ V ( x ) → ∞ V(x) \rarr \infty V(x)→∞
大范围的渐进稳定:即对于任何扰动,最后都会收敛到平衡点
易证:如果平衡态是渐进稳定的,那必然是大范围渐进稳定的
LaSalle invariant principle
在李二法之下的推广
设系统为 x ˙ = f ( x ) \dot{x}=f(x) x˙=f(x) 并连续, ∃ V \exist V ∃V 有一阶偏导
If
-
在某个区域内 V ( x ) V(x) V(x)存在上界
-
在该区域内 V ˙ = ∂ V ∂ x f ( x ) ≤ 0 \dot{V}=\frac{\partial V}{\partial x}f(x) \leq 0 V˙=∂x∂Vf(x)≤0
则将该区域内所有使得 V ˙ ( x ) = 0 \dot{V}(x)=0 V˙(x)=0的集合叫做 R R R,而 M M M 作为在 R R R内最大的不变集,则若系统初始状态起始与该区域内,则系统一定会收敛于不变集中的点
推论:
if ∃ V ( x ( t ) ) , V ( 0 ) = 0 \exist V(x(t)),V(0)=0 ∃V(x(t)),V(0)=0. for non-zero x ( t ) x(t) x(t) statisfy:
-
V ( x ) V(x) V(x) is positive definite
-
V ˙ ( x ) \dot{V}(x) V˙(x) is negative definite
-
如果除了 x ( t ) = 0 ( t ≥ 0 ) x(t)=0 (t\geq 0) x(t)=0(t≥0)这条轨迹,没有其他轨迹包含解的轨迹中,那么 x = 0 x=0 x=0这个状态点是渐进稳定的
怎么理解?
推论中引入的平衡点,为控制系统在平衡点之上的分析提供了原理支撑
U.U.B & U.B and S & G.A.S & G.E.S
-
自治系统(autonomous system):不显含时间 t t t 的系统
-
Lyapunov 渐进稳定并不能推出G.A.S, 条件不是全局的
-
global asymptotic stability:表明任意初始状态的稳定性
-
Definition:
平衡点 x = 0 x=0 x=0 在 t 0 t_0 t0时刻是渐进稳定的,如果存在一个常数 δ > 0 \delta>0 δ>0 使得
∥ x ( t 0 ) ∥ < δ ⇒ ∥ x ( t ) ∥ → 0 \left\|x\left(t_0\right)\right\|<\delta \Rightarrow\|x(t)\| \rightarrow 0 ∥x(t0)∥<δ⇒∥x(t)∥→0, 当 t → ∞ t \rightarrow \infty t→∞
-
如果只是稳定的话,则 δ \delta δ为关于时间 t t t的函数
-
global expoential stability:对收敛的速度作出要求,需要为指数收敛
-
Uniformly bounded:一致有界
-
一个集合的最终均匀有界稳定性的充分条件
- ∃ V \exist V ∃V candidate:
-
S S S is a level set of V V V for a given c 0 c_0 c0, S = S ( c 0 ) = { x ∈ R n : V ( x ) ≤ c 0 ) S=S\left(c_0\right)=\left\{x \in \mathbb{R}^n: V(x) \leq c_0\right) S=S(c0)={x∈Rn:V(x)≤c0)
-
V ˙ ( x ) < 0 \dot{V}(x)<0 V˙(x)<0 along trajectories of x ˙ = f ( x ) , x ∉ S \dot{x}=f(x), x \notin S x˙=f(x),x∈/S