孫 曉，楊守平，王 興，夏運貴，劉 方

（1.湖南工業(yè)大學 機械工程學院，湖南 株洲 412007；2.湖南工業(yè)大學 電氣與信息工程學院，湖南 株洲 412007）

1 研究背景

動車組側(cè)窗玻璃除了防止沖擊，還要保證其密封性能與視覺效果，其材質(zhì)和安裝都非常重要。目前側(cè)窗安裝主要由人工完成，人工在作業(yè)時效率比較低、勞動強度也比較大。隨著我國高鐵事業(yè)的快速發(fā)展，對車輛的需求越來越大，人工安裝動車組側(cè)窗玻璃的效率問題越來越突出。采用帶力回饋的機器人進行側(cè)窗安裝，依托與側(cè)窗玻璃接觸的力回饋信息，合理調(diào)整安裝角度、密封壓力和涂膠軌跡，可很好地解決這些矛盾，提高安裝效率，進一步提高安裝質(zhì)量，對動車的組裝具有較好的研究意義。阻抗控制作為其中的控制方法之一，在實現(xiàn)機器人在力和位置控制中得到了廣泛的應用[1-6]。阻抗控制通過使機器人末端的力和位置達到一種理想關系，將力控制和位置控制納于一個框架之內(nèi)，實現(xiàn)較小的工作量[7-8]。當機器人和環(huán)境參數(shù)已知時，阻抗控制比較簡單。但在實際應用中，由于機器人系統(tǒng)本身是一個非線性、強耦合、易受干擾的復雜系統(tǒng)，且存在各種不確定因素，機器人本身和環(huán)境模型的不精確或無法獲取相關參數(shù)，導致阻抗控制存在很大的力誤差[9]。

目前隨著工業(yè)自動化程度的不斷提高，對機器人末端力的控制精度要求也越來越高，因此國內(nèi)外專家對機器人末端力的控制方法進行了大量研究。機器人末端力控制方法主要有阻抗控制[10]、混合力控制、力/位置控制等，其中阻抗控制因具有很強的適應性，適合在一些特殊環(huán)境下應用。文獻[11]對二關節(jié)機器人進行了自適阻抗控制研究，但在實際運用中機器人都為多關節(jié)機器人，因此對多關節(jié)機器人的研究非常有必要。文獻[12]采用神經(jīng)網(wǎng)絡對阻抗參數(shù)進行估計，使其對力的控制更加穩(wěn)定，但對環(huán)境的要求較高，實際運用較難。文獻[13]運用自適應的阻抗控制方法對幕墻安裝機器人柔順操作進行了研究，但只對機器人進行二關節(jié)控制。

本文研究了一種多關節(jié)機器人自適應的阻抗控制算法，通過建立動車組側(cè)窗玻璃安裝機器人接觸阻抗控制模型，實現(xiàn)對機器人末端接觸力的準確控制。圖1為動車組側(cè)窗玻璃安裝機器人工作圖。

圖1 動車組側(cè)窗玻璃安裝機器人工作圖Fig.1 A physical map of side window glass installation robots on EMU

2 數(shù)學模型

首先對機器人動力學模型進行介紹，然后對動車組側(cè)窗玻璃安裝和涂膠機器人接觸建立阻抗控制模型。

2.1 機器人動力學模型

N自由度的機器人關節(jié)空間的動力學方程[11-12]如式（1）所示：

式中：θ為關節(jié)機器人各個關節(jié)的位移向量；為關節(jié)角速度向量；為關節(jié)加速度向量；D(θ)為機器人n×n慣性矩陣；為機器人n×1哥氏力矩及向心力矩向量；g(θ)為機器人各個連桿重力力矩；τ為機器人n×1關節(jié)驅(qū)動力矩；τf為n×1關節(jié)摩擦力矩；τe為n×1外部環(huán)境對機器人的作用力矩。

2.2 阻抗控制模型

動車組側(cè)窗玻璃安裝和涂膠機器人接觸阻抗控制模型[13-14]如圖2所示。其中：Fd為末端期望作用力；Fe為機器人末端與側(cè)窗實際接觸力；M為阻抗控制器的質(zhì)量矩陣；B為阻抗控制器的阻尼矩陣；K為阻抗控制器的剛度矩陣。

圖2 機器人末端與側(cè)窗接觸阻抗控制模型Fig.2 A contact impedance control model of robot ends and side windows

3 自適應阻抗控制器的設計

根據(jù)自適應阻抗控制算法的控制思想，課題組在基礎阻抗控制關系式中引入期望力，則阻抗控制關系式為

式中E為位置偏差。

由式（2）可知，當機器人與環(huán)境接觸時，為達到穩(wěn)定條件（Fe=Fd），設定力控制方向上K=0。

為了減少機器人力控制中存在的誤差，在關系式中加入一個補償項Ω來抵消產(chǎn)生的力誤差，則式（2）可以改寫為

式中Ω為補償項，其表達式為

其中：t為時間；λ為控制器采樣周期[11]；t-λ為t的前一周期；η為更新率。

由式（3）得

式中xe為機器人末端環(huán)境位置。

在實際控制中很難得到τ(t)、的值，因此使用前一周期的τ(t-λ)、(t-λ)代替當前的τ(t)、(t)。

在機器人動力學方程中引入控制器的采樣時間，則機器人的動力學方程式（1）可以改寫為

由式（6）（7）可知，機器人控制規(guī)律可寫成

則自適應阻抗控制規(guī)律為

圖3為機器人自適應阻抗控制系統(tǒng)結構框圖。圖中Xd為機器人僅在一個方向上受力時的末端位置。

圖3 自適應阻抗控制系統(tǒng)結構框圖Fig.3 A structure diagram of the adaptive impedance control system

4 仿真研究

為了驗證本文所提控制策略的有效性，以PUMA560機器人前三關節(jié)被控對象進行仿真研究，其動力學方程如下：

式中：B(θ)為n×n的哥氏力矩矩陣；C(θ)為n×n的向心力矩矩陣；

設機器人的末端為P(X,Y,Z)，機器人的第1個關節(jié)的起始關節(jié)角位置矢量角度為0，第2個關節(jié)的起始關節(jié)角位置矢量角度為-π/4，第3個關節(jié)的起始關節(jié)角位置矢量角度為5π/6，2個關節(jié)的速度均為0。末端的初始位置為P0(0.728 9,0.150 1,0.212 8)。對機器人末端加入期望的位置信號P1(0.738 9,0.150 1,0.202 8)，環(huán)境信號為P2(0.728 9,0.150 1,0.212 8)，阻抗控制的剛度矩陣如下：

設期望力：FX=10 N，F(xiàn)Y=0 N，F(xiàn)Z=10 N（FX、FY、FZ分別為X、Y、Z方向上機器人期望力）；X方向上的環(huán)境剛度KeX=4 000，Y方向上的環(huán)境剛度設為0，Z方向上的環(huán)境剛度KeZ=4 000。機器人初始位置示意圖如圖4所示。

圖4 機器人初始位置示意圖Fig.4 A schematic diagram of the robot’s initial position

圖5 慣性矩陣D對接觸力的影響Fig.5 In fluence of the inertia matrix D on the contact force

由圖5可以看出，在α=0.1時，力的曲線較為平滑，超調(diào)量最小，力的跟蹤性能較好。當α=0.1時對機器人末端的位置跟蹤情況如圖6所示。

圖6 機器人末端的位置跟蹤情況Fig.6 Position tracking of the robot end

對機器人末端的接觸力跟蹤如圖7所示。

圖7 機器人末端的接觸力情況Fig.7 Contact force at the end of the robot

從圖6可以看出，X方向期望位置為0.738 9，自適應阻抗控制跟蹤位置為0.731 5，阻抗控制跟蹤位置為0.730 5；Z方向期望位置為0.202 8，自適應阻抗控制跟蹤位置為0.210 5，阻抗控制跟蹤位置為0.211 8。兩種控制在0.5 s后都達到穩(wěn)定，自適應阻抗控制跟蹤位置更接近期望位置。

從圖7可以看出，X方向接觸，自適應阻抗控制在0.5 s后跟蹤上期望力10.0 N，阻抗控制力為5.4 N；Z方向接觸，自適應阻抗控制在0.5 s后跟蹤上期望力10.0 N，阻抗控制力為4.6 N。因此，自適應阻抗控制更能對機器人末端力進行精確控制。

5 結語

本文通過研究一種多關節(jié)機器人自適應阻抗控制策略，通過對PUMA560機器人前3個關節(jié)進行自適應阻抗控制研究，實現(xiàn)了對機器人末端力精確控制。仿真結果表明，自適應阻抗控制對自由空間的位置跟蹤和接觸空間的力跟蹤都有很好的性能。本文的工作可為動車組側(cè)窗玻璃安裝機器人末端接觸力控制應用研究提供借鑒。

[1]蔡自興.機器人學[M].北京：清華大學出版社，2000：10-20.CAI Zixing.Robotics[M].Beijing：Tsinghua University Press，2000：10-20.

[2]霍 偉．機器人動力學與控制[M].北京：高等教育出版社，2005：51-110.HUO Wei.Robot Dynamics and Control[M].Beijing：Higher Education Press，2005：51-110.

[3]李 杰，韋 慶，常文森，等.基于阻抗控制的自適應力跟蹤方法[J].機器人，1999，21(1)：23-29.LI Jie，WEI Qing，CHANG Wensen，et al.Adaptive Force Tracking in Impedance Control[J].Robot，1999，21(1)：23-29.

[4]SEUNG Y L.Glazed Panel Construction with Human Robot Cooperation[D].Daegu：Daegu Gyeongbuk Institute of Science and Technology，2011．

[5]CHEN I M，YANG G.Configuration Independent Kinematics for Modular Robots[C]//IEEE International Conference on Robotics and Automation.Minneapolis：IEEE，1996：1440-1445.

[6]SLOTINE J E，LI W P．應用非線性控制[M].北京：機械工業(yè)出版社，2009：30-40.SLOTINE J E，LI W P.Applied Nonlinear Control[M].Beijing：Machinery Industry Press，2009：30-40.

[7]崔 亮.機器人柔順控制算法研究[D].哈爾濱：哈爾濱工程大學，2013.CUI Liang.The Research of Compliance Control Algorithms on Robot[D].Harbin：Harbin Engineering University，2013.

[8]劉 杰.上肢外骨骼式康復機器人控制系統(tǒng)研究[D].青島：青島大學，2012.LIU Jie.Research on Control System of Upper Limb Exoskeleton Rehabilitation Robot[D].Qingdao：Qingdao University，2012.

[9]符 浩.基于自適應神經(jīng)網(wǎng)絡的復雜機械臂控制研究[D].株洲：湖南工業(yè)大學，2016.FU Hao.Research on Complex Manipulator Control Based on Adaptive Neural Network[D].Zhuzhou：Hunan University of Technology，2016.

[10]李正義，曹匯敏.適應環(huán)境剛度、阻尼參數(shù)未知或變化的機器人阻抗控制方法[J].中國機械工程，2014，25(12)：1581-1585.LI Zhengyi，CAO Huimin.Robot Impedance Control Method Adapting to Unknown or Changing Environment Stiffness and Damping Parameters[J].China Mechanical Engineering，2014，25(12)：1581-1585.

[11]楊 振.基于阻抗控制的機器人柔順性控制方法研究[D].南京：東南大學，2005.YANG Zhen.An Overview on Compliance Control of Robot Based on the Impedance Control[D].Nanjing：Southeast University，2005.

[12]溫淑煥.機器人模糊神經(jīng)網(wǎng)絡阻抗控制[J].系統(tǒng)仿真學報，2004，16(11)：2614-2617.WEN Shuhuan.Fuzzy Neural Networks Impendence Control of Robot[J].Journal of System Simulation，2004，16(11)：2614-2617.

[13]陳貴亮，曹偉濤，楊 冬，等.基于阻抗控制的幕墻安裝機器人柔順操作研究[J].工程設計學報，2017，24(1)：100-107.CHEN Guiliang，CAO Weitao，YANG Dong，et al.Compliant Operation Research for Slabstone-Installing Robot Based on Impedance Control[J].Chinese Journal of Engineering Design，2017，24(1)：100-107.

[14]劉智光，于 菲，張 靚，等.基于模糊自適應阻抗控制的機器人接觸力跟蹤[J].工程設計學報，2015，22(6)：569-574.LIU Zhiguang，YU Fei，ZHANG Liang，et al.Force Tracking Research for Robot Based on Fuzzy Adaptive Impedance Control Algorithm[J].Chinese Journal of Engineering Design，2015，22(6)：569-574.