Two approaches to synthesizing the end-point control law of a two-link manipulator

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

For a two-link manipulator endpoint, we consider the problem of tracking the desired trajectory defined on a plane in the endpoint workspace under the action of external disturbances. These perturbations are assumed to be matched (acting along the same channels with the controls, which are considered to be generalized torques). Standard approaches to control rely on the solution of the inverse problem of kinematics, which can be ambiguous and, as a rule, requires the use of numerical methods. Given these drawbacks, the problem of developing control laws without solving the inverse kinematics problem is relevant. To create such an approach to control, we consider the coordinates of the endpoint in the Cartesian system as output variables. Then, on the basis of the unambiguous dependence of the output on the generalized coordinates, we can transform the initial description of the system in terms of generalized coordinates to a description in terms of the endpoint positions and solve the problem of control synthesis on the basis of the transformed system. The control is constructed using the block approach, which allows us to divide the problem into two subproblems of synthesizing virtual and true controls in fully actuated subsystems. For comparative analysis, we also developed a method for synthesizing control torques, which involves solving the inverse problem of kinematics. In both methods, smooth and bounded S-shaped feedback is used, which suppresses disturbance with a given accuracy and monotonicity of transients. Numerical simulation results are presented to confirm the effectiveness of the proposed approach without solving the inverse kinematics problem.

Авторлар туралы

Aleksey Antipov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: scholess18@mail.ru
Moscow

Pavel Greznev

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: greznevp@gmail.com
Moscow

Әдебиет тізімі

  1. АНТИПОВ А.С., КРАСНОВА С.А., УТКИН В.А. Синтез инвариантных нелинейных одноканальных систем сле-жения с сигмоидальными обратными связями с обеспе-чением заданной точности слежения // Автоматика и те-лемеханика. – 2022. – №1. – С. 40–66.
  2. КОЛТЫГИН Д.С., СЕДЕЛЬНИКОВ И.А., ПЕТУХОВ Н.В. Аналитический и численный методы решения обратной задачи кинематики для робота Delta // Вестник ИрГТУ. –2017. – №5. – C. 87–96.
  3. КОРОВИН О.С. Обзор методов решения обратной за-дачи кинематики для манипулятора с избыточностью // «Политехнический молодежный журнал» МГТУ им. Н.Э. Баумана. – 2022. – № 2. – С. 1–8.
  4. КРАСНОВА С.А., УТКИН В.А., УТКИН А.В. и др. Пря-мой метод синтеза системы управления рабочим орга-ном манипулятора при неполных измерениях // Пробле-мы управления. –2008. –№1. – С. 10–18.
  5. НЕЛАЕВА Е.И., ЧЕЛНОКОВ Ю.Н. Решение прямых и обратных задач кинематики роботов-манипуляторов с использованием дуальных матриц и бикватернионов на примере стэнфордского манипулятора. Часть 2 // Ме-хатроника, автоматизация, управление. – 2015. – №16. – С. 456–463.
  6. ОВЦОВ С.А., САРОКА В.В. Разработка оптимальной системы управления роботом-манипулятором гальва-нической линии для погашения колебаний подвески в пе-реходных режимах // Труды БГТУ. Серия 3: физико-математические науки и информатика. – 2017. – №3. – С. 63–68.
  7. ОСЬКИН Д.А., ДЫДА А.А., КОНСТАНТИНОВА Е.А. Нейросетевое моделирование задачи обратной кинема-тики для манипуляционного робота // Современные наукоемкие технологии. – 2015. – №12. – С. 254–257.
  8. ПАРАЕВ Ю.И., КОЛЕСНИКОВА С.И., ЦВЕТНИЦ-КАЯ С.А. Управление роботом-манипулятором в усло-виях неопределенности // Вестник ТГУ. Управление, вы-числительная техника и информатика. – 2021. – №57. – С. 4–12.
  9. ANTIPOV A.S., KOKUNKO J.G., KRASNOVA S.A. et al. Direct control of the endpoint of the manipulator under non-smooth uncertainty and reference trajectories // Journal of The Franklin Institute. – 2023. – Vol. 360, Iss. 17. – P. 13430–13458.
  10. BACCOUCH M., DODDS S. A Two-Link Robot Manipula-tor: Simulation and Control Design // Int. Journal of Robotic Engineering. – 2020. –Vol. 5, No. 2. – P. 1–17.
  11. FEHR J., SCHMID P., SCHNEIDER G. et al. Modeling, Sim-ulation, and Vision-/MPC-Based Control of a PowerCube Serial Robot // Appl. Sci. – 2020. – Vol. 10, No. 20. – P. 1–26.
  12. KOCHETKOV S.A., KRASNOVA S.A., ANTIPOV A.S. Cascade Synthesis of Electromechanical Tracking Systems with Respect to Restrictions on State Variables // IFAC-PapersOnLine. – 2017. – Vol. 50, No 1. – P. 10142–10147.
  13. LI J., YU H., SHEN N. et al. A novel inverse kinematics method for 6-DOF robots with non-spherical wrist // Mech. Mach. Theory. – 2020. – Vol. 67, No. 157. – P. 104–189.
  14. LU J., ZOU T., JIANG X. A Neural Network Based Ap-proach to Inverse Kinematics Problem for General Six-Axis Robots // Sensors. – 2022. – Vol. 22, No. 22. – P. 1–19.
  15. MALIK A., LISCHUK Y., HENDERSON T. et al. A Deep Reinforcement-Learning Approach for Inverse Kinematics Solution of a High Degree of Freedom Robotic Manipulator // Robotics. – 2022. – Vol. 11, No. 2. – P. 1–17.
  16. MASSARO M., LOVATO S., BOTTIN M. et al. An Optimal Control Approach to the Minimum-Time Trajectory Planning of Robotic Manipulators // Robotics. – 2023. – Vol. 12, No. 3. – P. 1–24.
  17. MAZHAR A., TANVEER A., IZHAN M. et al. Robust Con-trol Approaches and Trajectory Planning Strategies for In-dustrial Robotic Manipulators in the Era of Industry 4.0: A Comprehensive Review // Eng. Proc. – 2023. – Vol. 56, No. 1. – P. 1–6.
  18. RAHMANI M., REDKAR S. Robot Manipulator Control Using a Robust Data-Driven Method // Fractal Fract. – 2023. – Vol. 7, No. 9. – P. 1–14.
  19. TRAN D.T., NGUYEN T.N., NGUYEN X.T. et al. Synchro-nous PD Control Using a Time Delay Estimator for a Four-Degree-of-Freedom Parallel Robot in Practice // Machines. – 2023. – Vol. 11, No. 8. – P. 1–21. 20. WANG F., LIU P., JING F. et al. Sliding Mode Robust Active Disturbance Rejection Control for Single-Link Flexible Arm with Large Payload Variations // Electronics. – 2021. – Vol. 10, No. 23. – P. 1–15.21. WEI B. A Tutorial on Robust Control, Adaptive Control and Robust Adaptive Control—Application to Robotic Manipula-tors // Inventions. – 2019. – Vol. 4, No. 3. – P. 1–13.22. ZHANG C. PD Plus Dynamic Pressure Feedback Control for a Direct Drive Stewart Manipulator // Energies. – 2020. – Vol. 13, No. 5. – P. 1–13.23. ZHAO A., TOUDESHKI A., EHSANI R. et al. Data-Driven Inverse Kinematics Approximation of a Delta Robot with Stepper Motors. Robotics. – 2023. –Vol. 12, No. 5. – P. 1–12.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Creative Commons License
Бұл мақала лицензия бойынша қол жетімді Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».