英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
机器人和自主系统
水下作业中水下运载器-机械手系统末端执行器稳定性的实验验证
文章历史:
2月9日收到 2018
8月8日收到修订后的表格 2018
8月20日接受 2018
8月29日在线提供 2018
摘要
研究了水下机器人-机械手系统的运动学控制方法。应用了三种不同的运动控制方案，并对每种方案的性能进行了比较。运动学控制方案提供速度参考，而控制系统旨在保持机械手末端执行器的固定位置，同时补偿水下机器人缓慢变化的运动。实验结果表明，所提出的完全修正运动学控制方案比解耦运动学控制方案具有更好的性能，同时也优于完全运动学控制方案。所有的控制方案都是利用运动学控制水下机器人-机械手系统的良好选择控制。
2018 Elsevier B.V .保留所有权利。
- 正式介绍
水下机器人操作系统(UVMS)主要用于水下结构的检查、维护和修理。增加这些操作的自主性可能会降低成本并提高安全性[1]。如今，海上工业的常用方法是至少有两个操作员来稳定UVMS机身，一个操作员执行所需的机械手任务。通常可以使用车辆上的摄像头和各种高精度传感器，如陀螺仪、加速度计、压力和温度传感器，这些传感器为操作员提供与UVMS状态和操作相关的信息。精确控制UVMS需要操作员的技能和经验，当UVMS受到干扰时，这可能非常具有挑战性。这些类型的操作具有更高程度的自主性的潜力，因此，近年来，IMR操作的自主性受到越来越多的关注[2–4]。
UVMS由一个车体、一个或多个操纵臂组成，通常还包括一根电缆，用于向顶部供电和/或通信。在操作臂的末端执行器在结构上执行一些干预任务的情况下，保持与期望状态的偏差尽可能小是至关重要的。即使与设定值的微小偏差也会对车辆、机械手和结构造成损坏。一个有n个自由度的UVMS机械手有6个自由度。因此，UVMS系统是一个运动学上冗余的系统，这意味着该系统的自由度比人们希望控制的任务多。控制运动冗余系统的一种常用方法是运动控制[5]。运动学控制是一种利用系统的雅可比矩阵和雅可比矩阵的伪逆来考虑系统的运动学关系的控制策略。给定末端执行器的期望速度，通常与恒定设定点的误差成反比，产生系统每个自由度的期望速度。这些期望的速度由低水平控制器跟随。
使用运动学控制来控制机械手已经被应用成功地用于广泛的机械手[6，7]。
然而，对于UVMS来说，在控制方案中应该同时考虑车身和机械手，这在沙特维姆项目[8]中首次进行。当涉及惯性以及状态估计和驱动的准确性时，与机械手的自由度相比，车体的自由度具有非常不同的特征。车身状态通常通过辅助惯性导航来估计，它由推进器驱动并且具有大惯性。这使得在真实场景中精确跟踪参考速度变得非常困难。机械手通常有非常精确的编码器来确定状态，并且惯性低，产生高度精确的控制。因此，研究机械手是否能够补偿在控制UVMS物体时出现的干扰和误差是很有意义的。这已经在MARIS [9]和三叉戟[10]项目中取得了巨大的成果。MARIS [9]考虑了管道抓取方案，并比较了两种运动学控制策略的结果。在第一种方案中，只采用了摄像机视频反馈，并实现了一个包含多个任务的全运动学控制方案；在第二种方案中，由于使用了DVL来估计实际的车辆速度，arm补偿了车辆跟踪误差。然而，在[9]中，仅基于抓取成功率进行了比较。在这项工作中，我们的目的是数值评估参考生成技术的车辆和机械手的参考速度跟踪的目的，这是在[11]中考虑的，但只有通过数值模拟.在[12]中，提出了一种实现额外控制目标的方法，称为任务优先级冗余解决方案，稍后将在本文中使用。文献[13]提出了一种使系统的总水动力阻力最小的方法，并选择了基于模型的控制器作为低阶控制器。在[14]中，提出了一种基于模型的方法，其中采用间接自适应控制器，使用扩展卡尔曼滤波器(EKF)来估计状态和未知参数。[15]中建议的控制算法采用了带有干扰观测器的最优控制器用于跟踪控制，并使用动态控制来最小化恢复力矩。[16]中给出了一种执行干预任务的技术，即转动阀门并按下按钮。这项工作可以通过引入一种在机械手操作期间保持稳定性的方法来扩展，例如，。通过实施[17]中描述的零力矩点方法。[18]介绍了水下机器人-机械手系统运动规划的最新研究成果.一些早期的机械手控制方法见[19–23]，最近的方法见[24–28]，最近的文献综述见[29]。
Hinfin;
值得注意的是，大多数关于水下航行器运动控制的文献都集中在制定不同的任务以实现不同的目标和改进方法上。这是通过假设参考速度完全符合或通过模拟来实现的，其中动力学模型是完全已知的，使用基于模型的控制器进行低级控制。UVMS是一个非常复杂和相互关联的系统，在真实场景中准确地对UVMS进行数学建模即使不是不可能，也是相当具有挑战性的[5]。模拟附加质量、耗散力和恢复力尤其困难。此外，当在运动学控制方案中产生参考速度时，假设为每个自由度产生的参考速度被完美地遵循。这在模拟中是一个有效的假设，在现实生活场景中也可能是有效的，这取决于系统是如何建模的以及它是如何表现的。
在真实情况下，控制UVMS通常独立于动力学模型知识。对于低水平速度控制，可以使用不考虑模型的控制方案，如滑模控制器[30，31]。然而，如果获得了这样的车辆模型，则在例如，。[13]或[14]，可以使用。使用滑模控制器不需要了解动力学模型，并且非常鲁棒，但是由于没有考虑动力学模型信息，自然会导致跟踪误差的较大偏差。此外，还提出了一些通过实验验证进行UVMS控制的方法。文献[32]中介绍的工作在一个水池中进行实验，试图在机械手基座受平移运动影响时稳定末端执行器。基于采用速度和特定力估计的线性模型来预测基础位置。逆运动学用于寻找期望的关节角度，PD控制器用于关节速度控制。[33]提出了一种动态工作空间控制方法，用于当基座受到扰动影响时机械手末端执行器的精确线性运动控制。EKF用于状态估计和预测，测量的传感器数据用于仿真。
本文的主要贡献有三个方面。首先，为[11]中提出的完全修正运动控制方案提供实验验证。其次，通过仿真和实验比较了几种稳定UVMS末端执行器的运动控制方案。第三，对运动学控制方案进行稳定性分析，并分析理想速度跟踪假设的效果。本文讨论的运动控制方案主要是为了减小末端执行器的位置误差。自然，UVMS人体位置误差和机械手关节角度误差变得不那么重要，因为最终是末端执行器位置精度决定了跟踪性能。然而，在真实情况下，由于碰撞、与系绳缠绕等风险，前两种错误至少同等重要。本文研究了一种简单的恒定位置方案，其中水下航行器主体和末端执行器都具有恒定的设定点。此外，外力作为作用在系统上的缓慢时变扰动被引入到车辆上。该力模拟水下水流的影响，水下水流是深水作业中主要的未知扰动。实验显示了基本性能，并阐明了三种不同控制方案的一些基本优点和缺点。实验在海洋控制论实验室进行，这是挪威特隆赫姆挪威科技大学(NTNU)的一个实验室测试设施。用于测试的系统如图所示。1.
论文组织如下。第2节简要介绍了系统描述，第3节介绍了UVMS的运动方程。第4节介绍了控制UVMS的各种控制方案。第5节介绍了三种不同运动控制方案的稳定性分析.第6节除了描述测试设备、测试程序和实验测试结果外，还提供了关于水下运载器、操纵器和通信接口的信息。最后，第7节讨论了结果，第8节是结束语。
2.系统描述
本文中考虑的UVMS是一个小型、轻型的UVMS，其基础是将蓝色遥控飞行器2 [34]与海上机械臂[35]结合在一起，如图1所示。1.为机械手选择的设置是三个自由度。由于操作臂的自由度较少，并且在实验测试阶段，由于实际原因，系统被选择为稍微正向浮动，因此仅控制x和y位置。第6.2节和第6.3节给出了机械手和BlueROV2水下机器人的更详细的描述。
图.1.水下机器人操作系统(BlueROV2 [34]和SeaArm [35])应用于本文
图.2.控制系统概述
Fig. 2.虚线显示了在FMKC方案中添加的额外反馈。
3.运动方程
UVMS模型基于[21]，其中UVMS基地的状态由位置描述.这里不使用动态方程，因为建议的控制方案不需要模型知识.因此，只考虑内部方程。关于UVMS运动学和动力学的详细描述，见[5，7，21，36，37]。运动学方程由[5]给出
(1)
(2)
其中zeta; qT nu;T T表示UVMS体和机械手的速度，JR是UVMS基的雅可比，Je是将末端执行器时间导数与zeta;相关联的雅可比。
4.控制
本文所采用的控制方案由两部分组成。在本节中，介绍了控制方案的两个部分；产生参考速度的运动学控制方案，以及用于速度跟踪的低级滑模控制器。控制方案的结构见图2.
运动学控制方法的优势之一是可以按照给定的优先级顺序为系统定义几个任务，对于这些任务，较低优先级的任务不会影响较高优先级的任务。这是通过将较低优先级任务的参考速度投影到较高优先级任务的参考速度的零空间上来处理的。然而，这依赖于参考速度被完全遵循的假设。如上所述，对于UVMS体来说，情况并非总是如此，因为除了推进器的动力学之外，由于UVMS体的大惯性，当受到未知的时变扰动时，速度跟踪是困难的。
实现并比较了三种运动学控制方法，这将揭示假设参考速度被完全遵循的弱点。两种控制方法是众所周知的，第三种是[11]中提出的控制方法:
解耦运动学控制(DKC):该运动学控制方案减少了在未知UVMS体运动的情况下将末端执行器保持在恒定位置以及将UVMS体保持在恒定位置的问题，将两个系统视为彼此解耦。
bull;
全运动学控制(FKC):这种方法将整个系统及其雅可比矩阵考虑在内，将系统视为具有两个任务的运动学冗余系统。第一优先任务是将末端执行器保持在恒定位置，第二优先任务是将UVMS体保持在恒定位置。
bull;
完全修正运动控制(FMKC):完全修正运动控制方案基于[11]中提出的控制方案，其中增加了一个术语，在为末端执行器产生所需速度时，将车辆的低级跟踪误差考虑在内。
bull;
运动学控制方案的输出是参考速度zeta;r qT nu;T T，后面必须跟一个低级别的速度控制器。实验中选择了一种滑模控制器，如[11]中的仿真。选择所述滑模控制律进行实验测试的原因是该控制器不需要任何动态模型的知识。然而，所提出的运动学控制方案可以用任何速度控制器来实现。因此，如果基于模型的控制器在真实场景中显示出良好的跟踪性能，则可以使用它。
-
- 滑模控制器
滑模控制器的原理是使系统的状态收敛到一个具有全局指数稳定性的滑动流形。在本文中，选择该流形作为
(3)
其中lambda;是增益矩阵，nu;r和qr是由第4.2节中描述的运动控制方案产生的参考速度和角速度.如果lambda;gt; 0，这个流形是全局指数稳定的。控制律由[5]给出
(4)
其中KD gt; 0，KS gt; 0是增益矩阵，g (q，theta;nb)是恢复力和扭矩的估计值。 然而，由于实验中的UVMS具有正浮力，漂浮在水面上，本文的实验可以忽略g (q，theta;nb)。选择饱和函数sat(s，ε)而不是符号函数的原因是为了避免抖振，如[30]所述。
4.2 .运动控制
运动学控制基于利用系统中的运动学关系，由任务及其雅可比描述，即。(1)和(2)，以及这些[5]的简化版本。在给定期望末端执行器速度的情况下，寻找系统状态速度的任务比求解给定期望末端执行器位置的逆关系更容易处理。任务chi;可以通过通用变量来描述
(5)
和它的可比
(6)
本文考虑的两个任务是末端执行器x和y位置(2自由度)和UVMS基x和y位置及航向psi; (3自由度)。这可以扩展到全6自由度末端执行器配置，但由于是简单的3自由度机械臂，因此仅控制末端执行器位置(xee，yee)。因此，我们通过变量sigma;将末端执行器位置定义为一项任务，其表达式为
(7)
下标指任务的优先级。sigma;1的雅可比将随每个控制方案而变化，并且将被指定。此外，控制车辆位置和航向(x，y，psi;)的任务以及任务参数的雅可比矩阵给出如下
(8)
(9)
其中第一行和第二行是从身体到世界框架的旋转矩阵，Rb r。此外，T3 1 3是从角速度到欧拉角速率的变换的第三行，在[36]中有详细描述。使用加权伪逆来计算参考速度
（10）
加权伪逆由下式给出
(11)
其中省略符号(q，eta;)以增强可读性。变量Wchi;是加权矩阵，sigma;chi;，r对应于参考任务速度。根据[5]，参考任务速度可以选择为任务误差的函数，如sigma;uchi;，r = kchi;sigma;uchi;，并将用作反馈，以增加向期望值的收敛，其中kchi;是增益矩阵。自然，发现任务误差为sigma;chi; = sigma;chi;，dsigma;chi;，其中sigma;chi;，d是任务x的期望值。对于双任务方法，将使用奇异鲁棒任务优先级冗余解决技术[5，12]，其中与第二任务相关的参考速度被投影到主任务参考速度的零空间，类似于[5]和[38]中
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[605940]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
