气动软机器人的最佳PID变量是什么?一个实验研究外文翻译资料

IEEE/CAA JOURNAL OF AUTOMATICA SINICA, VOL. 7, NO. 2, MARCH 2020

451

Which is the Best PID Variant for Pneumatic Soft Robots? An Experimental Study

Ameer Hamza Khan, Zili Shao, Shuai Li, Qixin Wang, and Nan Guan

Abstract—This paper presents an experimental study to compare the performance of model-free control strategies for pneumatic soft robots. Fabricated using soft materials, soft robots have gained much attention in academia and industry during recent years because of their inherent safety in human interaction. However, due to structural flexibility and compliance, mathematical models for these soft robots are nonlinear with an infinite degree of freedom (DOF). Therefore, accurate position (or orientation) control and optimization of their dynamic response remains a challenging task. Most existing soft robots currently employed in industrial and rehabilitation applications use model-free control algorithms such as PID. However, to the best of our knowledge, there has been no systematic study on the comparative performance of model-free control algorithms and their ability to optimize dynamic response, i.e., reduce overshoot and settling time. In this paper, we present comparative performance of several variants of model-free PID-controllers based on extensive experimental results. Additionally, most of the existing work on model-free control in pneumatic soft-robotic literature use manually tuned parameters, which is a time-consuming, labor-intensive task. We present a heuristic-based coordinate descent algorithm to tune the controller parameter automatically. We presented results for both manual tuning and automatic tuning using the Zieg- ler–Nichols method and proposed algorithm, respectively. We then used experimental results to statistically demonstrate that the presented automatic tuning algorithm results in high accuracy. The experiment results show that for soft robots, the PID-controller essentially reduces to the PI controller. This behavior was observed in both manual and automatic tuning experiments; we also discussed a rationale for removing the derivative term.

Index Terms—Automatic tuning algorithm, model-free control, PID, soft robotics.

I. Introduction

S OFT robotics, robotic systems which use structures based on soft materials (hereafter, simplified as “soft structures”), are increasingly being used as opposed to tradi-

Manuscript received July 13, 2019; revised September 4, 2019; accepted October 2, 2019. Recommended by Associate Editor MengChu Zhou. (Corresponding author: Shuai Li.)

Citation: A. H. Khan, Z. L. Shao, S. Li, Q. X. Wang, and N. Guan, “Which is the best PID variant for pneumatic soft robots? an experimental study,” IEEE/CAA J. Autom. Sinica, vol. 7, no. 2, pp. 451–460, Mar. 2020.

A. H. Khan, Q. X. Wang, and N. Guan are with the Department of Computing, Hong Kong Polytechnic University, Hong Kong, China (e-mail: csahkhan@ comp.polyu.edu.hk; csqwang@comp.polyu.edu.hk; csguannan@comp.polyu. edu.hk).

Z. L. Shao is with the Department of Computer Science and Engineering, Chinese University of Hong Kong, Hong Kong, China (e-mail: shao@cse. cuhk.edu.hk).

S. Li is with the Department of Electronics and Electrical Engineering, Swansea University, Swansea SA1 8EN, UK (e-mail: shuaili@ieee.org).

Color versions of one or more of the figures in this paper are available on-line at http://ieeexplore.ieee.org.

Digital Object Identifier 10.1109/JAS.2020.1003045

tional rigid structures. The use of soft structures opens up new opportunities to solve problems in traditional rigid robotic systems, but also leads to new challenges, the foremost among these being how to accurately model and control such systems. A soft structure has an infinite degree of freedom, making it impossible to develop a model as accurate as that of a rigid structure. It, in turn, makes the fine-grained control of the soft structure challenging, especially the tuning of its dynamic responses. Serious concerns are thus raised, especially in applications such as rehabilitation, where the fine-grained control of muscles supported by a soft structure is necessary. Another example is in high-speed applications, such as industrial soft robotic grippers; the fine-tuning of dynamic responses is essential.

Soft robotics, being and emerging field, has limited research done on accurate modeling and dynamic response tuning. Vikas et al. [1], [2] proposed a graph-based, model-free framework for controlling the locomotion of soft robots. Calisti et al. [3], [4] proposed control strategies inspired by aquatic life. Both proposals only deal with coarse-grained locomotion of soft robots instead of fine-grained control and dynamic response tuning. Reymundo et al. [5] used a statistical model to control system responses, but this method assumes the model to be linear and predictable for a given range of operations. These assumptions and the absence of a feedback loop can render the system unstable and produce an undesirable response. Frederick et al. [6]–[8] proposed a finite element method (FEM)-based control strategy which can achieve high accuracy but requires detailed knowledge of the mechanical properties of the soft structured materials. Furthermore, FEM-based control strategies incur high computation costs, which makes real-time execution impractical on embedded processors. One remedy is to run FEM-based control strategies in a feedforward open-loop fashion, but this makes the control prone to error and decreases overall robustness. Marchese et al. [9]–[11] proposed a model-based control strategy to optimize the dynamic responses of soft robots.

Few model-based approaches to regulate the dynamic response have been proposed in the literature. As an example, Ni <e

剩余内容已隐藏，支付完成后下载完整资料</e

气动软机器人的最佳PID变量是什么?一个实验研究

摘要通过实验研究，比较了气动软机器人无模型控制策略的性能。摘要近年来，由于软机器人在人机交互中的固有安全性，使得软机器人的制作越来越受到学术界和工业界的重视。然而，由于结构的灵活性和柔度，这些软机器人的数学模型是非线性的，具有无限自由度(DOF)。因此，精确的位置(或方向)控制和优化其动态响应仍然是一个具有挑战性的任务。目前在工业和康复应用中使用的大多数软机器人都使用PID等无模型控制算法。然而，据我们所知，目前还没有系统地研究无模型控制算法的比较性能以及它们优化动态响应的能力，即，减少超调和调整时间。在这篇论文中，我们根据大量的实验结果，比较了几种不同的无模型pid控制器的性能。此外，现有的气动软机器人无模型控制的文献大多采用人工调优参数，这是一项耗时、劳动密集型的工作。提出了一种基于启发式的坐标下降算法来自动调整控制器参数。我们分别用Zieg- ler-Nichols方法和提出的算法给出了手动调谐和自动调谐的结果。实验结果表明，该算法具有较高的精度。实验结果表明，对于软机器人，pid控制器本质上简化为PI控制器。在手动和自动调优实验中都观察到这种行为;我们还讨论了去掉导数项的基本原理。

索引术语自动调整算法，无模型控制，PID，软机器人。

我的介绍。

S OFT robotics是一种机器人系统，它使用基于软材料的结构(以下简称为“软结构”)，与tradi-相反，它越来越多地被使用

2019年7月13日收到稿件;2019年9月4日修订;2019年10月2日。由副主编周孟初推荐。(通讯作者:李帅)

引用:A. H. Khan, Z. L. Shao, S. Li, Q. X. Wang, N. Guan，“哪一种PID是气动软机器人最好的变种?”一项实验研究，“IEEE/CAA J. Autom”。《中国日报》，第7卷，第3期。2020年3月，第451-460页。

A. H. Khan、Q. X. Wang和N. Guan就职于中国香港理工大学计算机系(电子邮件:csahkhan@comp.polyu.edu.hk;csqwang@comp.polyu.edu.hk;csguannan@comp.polyu。edu.hk)。

邵智林，香港中文大学计算机科学与工程系教授，香港，中国(电子邮件:Shao @cse)。cuhk.edu.hk)。

S. Li就职于英国斯旺西SA1 8EN大学电子与电气工程系(电子邮件:shuaili@ieee.org)。

本文中一个或多个人物的彩色版本可以在http://ieeexplore.ieee.org网站上找到。

数字对象标识符10.1109/JAS.2020.1003045

一对刚性结构。软结构的使用为解决传统刚性机器人系统中的问题开辟了新的机会，但也带来了新的挑战，其中最重要的是如何准确地建模和控制这样的系统。软结构具有无限的自由度，因此不可能开发出像刚性结构那样精确的模型。反过来，这又使得对软结构的细粒度控制具有挑战性，特别是对其动态响应的调整。因此，严重的问题被提出，特别是在诸如康复等应用中，由软结构支撑的肌肉的细粒度控制是必要的。另一个例子是在高速应用，如工业软机器人钳子;动态响应的微调是必不可少的。

软机器人是一个新兴的领域，在精确建模和动态响应调整方面的研究有限。Vikas等人[1]、[2]提出了一种基于图的、无模型的控制软机器人运动的框架。Calisti等人基于水生生物的启发，提出了[3]、[4]等控制策略。这两个建议都只处理软机器人的粗粒度移动，而不是细粒度控制和动态响应调优。Reymundo et al.[5]使用统计模型来控制系统响应，但是这种方法假设模型是线性的，并且对于给定的操作范围是可预测的。这些假设和反馈回路的缺失会使系统变得不稳定并产生不希望的响应。Frederick等人[6]-[8]提出了一种基于有限元法(FEM)的控制策略，该控制策略可以达到较高的精度，但需要详细了解软结构材料的力学特性。此外，基于femi的控制策略计算量大，使得在嵌入式处理器上实时执行变得不切实际。一种补救方法是采用前馈开环方式运行基于股骨的控制策略，但这使控制容易出错，降低了整体鲁棒性。Marchese等人[9]-[11]提出了一种基于模型的控制策略来优化软机器人的动态响应。

在文献中，很少有基于模型的方法来调节动态响应。以Ni等人的[12]为例，提出了一种通过在软机器人的身体上附加一个机械阻尼器来控制软致动器动态响应的方法。同样，Wei等人[13]和Li等人[14]提出了一种带有粒子室的软致动器设计。这些方法通过使用机械部件来消耗过多的动能。然而，机械开销导致系统

ijkpl

452

体积增大，增加制造成本。Luo等人提出了一种基于滑模控制器(SMC)的控制器。然而，他们提出的控制器需要仔细的手动调整其参数。上述控制器都严重依赖于控制软机器人的数学模型，不适应软机器人的机械变化。然而，经过几个使用周期后，软式机器人通常会不可避免地出现磨损，这影响了机器人的行为;因此，控制器的性能也会下降。

由于上述约束，若不能先验地给出软机器人模型，则无模型闭环PID控制器将成为细粒度控制和动态响应优化的选择。这一事实是加强了广泛采用和流行的PID控制。在[18]-[22]中讨论了无模型pid控制器的几种变体。在本文中，我们对这些控制器进行了详细的比较。我们重新评估了用于软机器人的PID变量的性能，并强调了它们与用于刚性机器人的PID控制器的关键区别。本文的主要贡献可以概括为:

1)编写综合实验结果，分析PID控制器的比较性能，特别是针对软机器人。比较了三种不同类型的PID控制器;常规PID，分段PID，模糊PID。以及两种不同类型的参数调优算法;齐格勒-尼克尔斯手动调谐，协调下降自动调谐。

2)文献中设计了各种通用的软机器人控制器，但对软机器人的独特性认识不多。这项工作进行了广泛的实验，并使用数据表明，软机器人的动力学行为确实不同于刚性机器人。

研究人员通常凭直觉认为，对于刚体机器人和软体机器人，pid控制器并没有太大区别。然而，我们发现了与广泛实验的根本区别。据我们所知，这是第一次认识到这种内在的差异。这种差异可能有助于研究人员利用软机器人的独特性来设计改进的控制器。

4)在实验平台上，根据软体和刚体机器人PID控制的固有差异，对六种主要的PID变量进行了系统的评价和比较。确定了最佳PID变量，并建立了其优异性能的理论基础。

本文的其余部分组织如下。第二部分讨论了软机器人控制的相关工作。第三节给出了pid控制器的变量，并给出了pid控制器参数自动调整的坐标下降算法。第四部分介绍了实验平台、实验方法和实验结果。第五部分是本文的结论。

二世。背景及相关工作

软机器人技术的最新发展集中在软机器人的设计、制造、控制和应用方面。在本节中，简要回顾了软机器人技术的最新进展

IEEE/CAA自动化学报，第7卷，第3期。2020年3月2日,

提出了。表一是这篇综述的摘要。

软机器人正在被开发成为传统刚性机械机器人的对手，它们提供与刚性结构相同的功能，并具有额外的灵活性。例如，在传统的机器人系统中，线性运动是通过使用线性驱动器(如直流电动机)来实现的。为了提供与软结构相同的功能，[23]和[24]提出了一种基于软材料的肌肉的设计，使用气动系统驱动。类似地，为了产生圆形或弯曲运动，设计了柔性执行机构[25]-[29]来代替刚性伺服。人们还努力开发能够在三维空间中进行运动的软结构。柔软的机器人形状像章鱼触须[30],没有任何刚性关节或链接,能够操纵在三维空间中使用气动驱动。

传统刚性机器人与柔性机器人之间的一个根本区别是，它们之间的控制是由精确的数学模型来控制的。由刚性连杆和关节组成的机器人可以精确建模，因为它们的运动是确定的，可以很容易地预测;然而，软机器人是灵活的，这使得高度非线性，理论上需要一个无限的自由度来精确地建模他们[31]。由于缺乏精确的数学模型，很难制定出精确的控制算法。探讨了利用线性数学模型[32]对软机器人进行建模的模型估计技术;然而，这些估计并不能模拟它们的非线性动力学。

大多数软体机器人使用气动系统作驱动。虽然气动是一个很好的选择驱动软结构，他们使系统沉重，笨重，并降低可移植性。人们已经在努力为软机器人开发替代驱动原理，其中最引人注目的是介电弹性体执行器(DEA)[33] -[35]，它能够在执行器上施加电压时产生较大的驱动。在软致动器的传感方面也做了大量的工作。基于燃烧的空气泵用于软机器人驱动也被考虑为[36]。这种驱动原理使系统更加紧凑，但降低了软机器人的安全性。

由于软机器人具有柔性结构，因此对其传感机制的要求与刚性机器人不同。柔性机器人的柔性结构使得将感知机制作为其制造材料的一部分成为可能，或者将其嵌入到柔性机器人本身中。Felt等人提出使用导电织物覆盖软致动器的主体，并通过识别织物电性能的变化来测量变形。还尝试将传感器嵌入到软机器人[38]-[42]中。

大部分关于软机器人的文献是关于它们在康复应用中的应用，如[5]，[43]-[47]。传统的康复机器人系统使用坚硬的外骨骼来帮助患者进行康复训练。软式机器人更适合于这类应用，因为它们具有灵活性、顺应性和类人皮肤的感觉，这有助于加速恢复过程。对象夹持器基于软

哈姆扎·汗等人:气动软机器人的最佳PID变量是什么?一个实验研究

453

表我

最近的工作总结在软机器人

1、人工皮肤、步态测量、可穿戴助手机器人等

2手、踝、肩康复，辅助系统，软变长夹持器等。

机器人[48]也被证明是有竞争力的刚性机器人结构。这些夹子可以很容易地夹住各种大小和形状的物体。使用柔软的夹持器处理脆弱的材料也更加安全。

正如第一部分所讨论的，关于软机器人控制的研究还处于起步阶段。这一课题直到最近在新型软执行器的设计、制造和传感方面的发展才引起了研究的关注。在基于软机器人的应用中，最常用的控制方法是闭环pid控制器[17]，因为它不需要软机器人的先验数学模型。此外，我们也尝试使用线性常

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[237103]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 连续气流作用下液滴变形到破袋和破袋的转变外文翻译资料
• 有机发光二极管:节能照明技术综述外文翻译资料
• 船用螺旋桨的集成曲面 造型和加工方法.外文翻译资料
• 混合功能化石墨纳米片/三聚磷酸盐在环氧涂层碳钢中的电化学反应和抗腐蚀反应外文翻译资料
• 双柱塞式液压系统的详细描述外文翻译资料
• 以可再生能源作为清洁动力的船舶性能外文翻译资料
• 船舶氮化物和硫化物排放的控制分析外文翻译资料
• 政策的角度第三方船舶管理:希腊的角度来看外文翻译资料
• 基于GW4D20柴油机的气缸盖温度场的实验和数值分析外文翻译资料
• 船舶电力系统的过去、现在和未来挑战外文翻译资料