本发明涉及工业机器人技术领域，特别涉及一种基于迭代学习控制和输入整形技术的联合抑制振动的方法。
背景技术：
在工业机器人领域，由于机器人的结构柔性(关节柔性和连杆柔性)的存在，使得机器人的终端振动情况异常复杂，将极大的降低系统的轨迹跟踪精度和定位精度，影响生产效率。关于机器人的终端振动抑制方面，因振动影响因素多，非线性现象深度耦合，使得振动抑制的分析异常困难。
目前对于机器人终端振动抑制的方法：
1、关于被动控制范畴，比如更改结构(刚度和阻尼)设计，或增加抑制振动的机械装置，或更改材料属性。被动控制的主要目的是提高机械结构的刚度，增强阻尼效应，使得振动迅速衰减。
2、在机器人结构的关键部位安装机敏材料或者致动器。该机敏材料或致动器可以提供作用力，通过详细的公式计算，在适当时刻给予结构适当的激励来抵消掉振动效应。
3、建立精确的柔性动力学模型。考虑建立六轴串联机器人的关节和连杆的双柔性动力学模型非常复杂，这在实际当中往往难以得到系统精确的动力学模型。
4、关于主动控制范畴。传统控制方法(如H∞控制方法等)，再结合其他智能控制方法(如神经网络控制方法、粒子群优化方法等)，也均能够取得一定的振动抑制效果。
上述技术方式的主要缺陷与不足在于：无法处理系统参数时变特性，假设条件过多，求解过程繁琐复杂，难于工程化。
技术实现要素：
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种基于迭代学习控制和输入整形技术的联合抑制振动的方法。
为了实现上述目的，本发明的实施例提供一种基于迭代学习控制和输入整形技术的联合抑制振动的方法，包括如下步骤：
步骤S1，选择给定的工业机器人系统的重复轨迹，并为所述工业机器人系统配备位移传感器，以重新调试整定系统参数；
步骤S2，将系统参数作用在已设定的输入整形器上，将该输入整形器与参考轨迹进行卷积计算，并将卷积计算结果作为所述工业机器人系统的输入，运行所述工业机器人系统得到系统输出结果；
步骤S3，将所述系统输出结果和参考轨迹做差求得轨迹误差阈值，根据所述轨迹误差阈值判断是否迭代完毕；
步骤S4，将轨迹误差作为迭代学习控制中控制律的更新参数，并经过所述控制律更新系统参数；
步骤S5，重复步骤S2至步骤S4，直至满足预设的误差阈值，实现对所述工业机器人系统的振动抑制控制。
进一步，在所述步骤S2中，所述输入整形器的表达式如下：
取二阶系统方程：
所述输入整形器作用在二阶系统上，使得系统响应为0，
其中，ωn是系统的固有频率，ξ是系统的阻尼比，
得出整形器的关键参数如下：
进一步，在所述步骤S4中，所述控制律可以采用P型、PD型或PID型。
进一步，在所述步骤S4中，采用P型控制律进行迭代控制学习，包括：
uk+1(t)＝f(uk(t)，ek(t))＝uk(t)+P*ek(t)
ek(t)＝|yd(t)-yk(t)|
其中，P为比例增益，yd(t)为期望轨迹，yk(t)为输出轨迹，uk(t)为学习控制律。
根据本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法，通过反复的迭代学习过程使得机器人快速自整定最优系统参数，将整定的最优系统参数应用在输入整形技术中，实现机器人系统的振动抑制控制。迭代学习控制当中采用的控制律有P型、PD型及PID型的控制律，和现有的驱动器中的PID参数中的三种增益参数可保持一致，本发明的方法可以内嵌入现有驱动器当中。本发明能够大幅降低振动的幅值和明显缩短振动整定时间，保留系统的动态特性，实现系统的快速无振响应，克服机器人系统参数的时变特性，系统能够自整定时变参数，方法简单，易于实现。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法的流程图；
图2为根据本发明实施例的迭代控制学习基本框架图；
图3为根据本发明实施例的振动抑制基本原理框架图；
图4为根据本发明实施例的未用输入整形技术的系统精确计算振动曲线图；
图5为根据本发明实施例的已用输入整形技术的系统精确计算振动曲线图；
图6为根据本发明实施例的激励信号整形前后的系统振动曲线对比图；
图7为根据本发明实施例的振动过程曲线图；
图8为根据本发明实施例的寻找到的最优参数的振动曲线图；
图9为根据本发明实施例的的误差曲线图；
图10为根据本发明实施例的精确计算方法和专利中方法的振动曲线对比图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
六轴串联工业机器人在不同的轨迹运动当中，机器人的系统参数实时变化，需要机器人快速自整定系统参数，达到振动抑制的效果。为解决上述问题，本发明提出一种基于迭代学习控制和输入整形技术的联合抑制振动的方法，可以达到抑制振动的效果，适用于重复轨迹运动的工业机器人系统。
如图1-3所示，本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法，包括如下步骤：
步骤S1，选择给定的工业机器人系统的重复轨迹，并为工业机器人系统配备位移传感器，以重新调试整定系统参数。
对于重复轨迹运动的工业机器人系统，若是更换轨迹，需重新调试整定系统参数。需要在机器人终端配备位移传感器。
步骤S2，将系统参数作用在已设定的输入整形器上，将该输入整形器与参考轨迹进行卷积计算，并将卷积计算结果作为工业机器人系统的输入，运行工业机器人系统得到系统输出结果。
需要说明的是，在本步骤中，对于首次迭代的系统参数选取给定初值作用在输入整形器。
在本步骤中，输入整形技术，是属于前馈控制，本质上是起到滤波器的作用，能够滤除引起系统发生振动的频率信号。
在本发明中，选择ZV整形器，即为两个脉冲信号构成的输入整形器，整形器的表达式(拉氏域)如下：
取二阶系统方程：
输入整形器作用在二阶系统上，使得系统响应为0，
其中，ωn是系统的固有频率，ξ是系统的阻尼比，
得出整形器的关键参数如下：
步骤S3，将系统输出结果和参考轨迹做差求得轨迹误差，根据轨迹误差阈值判断是否迭代完毕，，即该轨迹误差作为判断系统输出是否满足要求的性能函数。
迭代学习控制是在重复轨迹中利用先前调试信息不断的更新控制律来控制输入，以改善控制质量，使得系统的输出无限逼近期望轨迹。该控制方法不依赖动态系统的精确数学模型，适用于高度非线性、耦合性和难以数学建模的控制方面。
步骤S4，将轨迹误差作为迭代学习控制中控制律的更新参数，并经过控制律更新系统参数。
在本步骤中，控制律可以采用P型、PD型或PID型。
在本发明的一个实施例中，采用P型控制律进行迭代控制学习，包括：
uk+1(t)＝f(uk(t)，ek(t))＝uk(t)+P*ek(t) (6)
ek(t)＝|yd(t)-yk(t)| (7)
其中，P为比例增益，yd(t)为期望轨迹，yk(t)为输出轨迹，uk(t)为学习控制律。
步骤S5，重复步骤S2至步骤S4，直至满足预设的误差阈值，实现对工业机器人系统的振动抑制控制。
下面参考图4至图10，举例对本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法进行说明。
1)系统方程采用公式(2)，其中参数ωn＝31.4159Hz，ξ＝0.06；
2)控制律采用P型，即为公式(6)，uk(t)的初值为0.01，P(比例增益)设置为0.01，迭代计算误差阈值(最大值)为0.013。
3)激励信号用单位阶跃信号，作用时间是0.2s。该阶跃曲线作为参考轨迹，误差计算每次都从0.2s之后开始算起。
4)仿真结果如图4至图10所示。图4中，点画线是整形前激励信号。图5中点画线是整形后激励信号。
从图6可知，输入整形技术可以大幅降低振动幅值和明显缩短振动衰减时间；从图10可知，通过本发明提供的方法得到的振动抑制曲线稍好于输入整形技术精确计算的振动曲线。
根据本发明实施例的基于迭代学习控制和输入整形技术的联合抑制振动的方法，通过反复的迭代学习过程使得机器人快速自整定最优系统参数，将整定的最优系统参数应用在输入整形技术中，实现机器人系统的振动抑制控制。迭代学习控制当中采用的控制律有P型、PD型及PID型的控制律，和现有的驱动器中的PID参数中的三种增益参数可保持一致，本发明的方法可以内嵌入现有驱动器当中。本发明能够大幅降低振动的幅值和明显缩短振动整定时间，保留系统的动态特性，实现系统的快速无振响应，克服机器人系统参数的时变特性，系统能够自整定时变参数，方法简单，易于实现。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。