基于实际有限时间的双幂次滑模机械臂阻抗控制

稳定性和柔顺性是机械臂工作时两项非常重要的性能指标，因为如果稳定性和柔顺性不达标，会导致机械臂的损坏和工作人员的受伤。因此针对机械臂工作时稳定性和柔顺性低的问题，本文设计了一种有效控制器——基于实际有限时间的双幂次滑模控制器。运用阻抗控制技术来控制机械臂遇到障碍物之后的位置变化；利用实际有限时间控制方法提高了系统的稳定性和收敛性；使得机械臂在阻抗控制中的误差更小和系统误差收敛速度更快；最后仿真结果表明，本文所提出的控制方法具有有效的阻抗控制效果。

在现代社会中，机械臂随处可见，尤其是在日常生活和工业生产中，同时，它工作时的周围环境和情况也十分复杂，全靠机械臂的普通位置控制已经不能满足安全性与柔顺性的要求。如今机械臂发展的主流趋势就是人/机械臂相互协作，共同生产，极大地提高了日常生产的效率。稳定性与柔顺性是机械臂生产环节中不可或缺的一部分，针对这一重要部分，国际上各种科研人员做了大量的科研学术，提出了好几种控制方法，例如：自适应控制，神经网络控制，滑模控制等等， 相比之下阻抗控制具有鲁棒性强， 不易受干扰，计算相对简便以及易于应用到模型上等优点。所以国际上的专家学者对此十分关注。

阻抗控制最早由科学家HOGAN [1]在1985 年首次系统的阐述了其概念，通过控制主动力来创建一个偏差与外界力的关系。但没有实现对力进行精确度控制。刘慧博等[2]设计了一种滑膜阻抗控制器来应对机械臂在移动中遇到障碍物时会产生位移的问题，适当降低了控制过程中的抖振。李焕等[3]设计了一种控制位置内环的阻抗控制，这种控制方法可以对机械臂与障碍物的接触力进行控制，从而达到力/位混合柔顺控制的效果。张合新等[4]设计了一个双幂次趋近律，该趋近律可以提高系统响应速度，降低控制过程中的抖振问题，以及系统响应时间长等问题，有效的提高了系统收敛速度。文献[5]设计了一种迭代重复控制方法，对机械臂进行相似动作时的精度提高有显著效果。文献[6]在控制机械臂轨迹中加入了神经网络自适应控制，这种控制方法可以详细检测到机械臂运动轨迹的误差值。文献[7]为了在机械臂滑模控制中增强系统的稳定性，使用了一种非线性的LMI 指数收敛观测器，有效增加了系统的稳定性。文献[8]提出基于RBF 神经网络二次泛函的最优控制，使得系统可以减少误差。文献[9]改进了滑膜切换函数的参数，并有效降低了控制时的抖动，增强了系统的鲁棒性。文献[10]设计了一种阻抗粒子群控制算法， 有较好的控制效果。

有限时间控制方法因其具有抗扰动性强， 收敛速度快、误差小的优点， 近年来引起了学者们的关注。

李刚等[11]将输出约束和有限时间阻抗控制相结合， 阻抗控制可以让机械臂可以更好的跟踪期望轨迹， 对机械臂的稳定性和鲁棒性有很大的提升[12]。

上述文献中使用各种控制方法对机械臂进行阻抗控制， 但跟踪误差较大， 精度较低， 针对这一问题， 本文提出了一种基于实际有限时间双幂次滑模机械臂阻抗控制方法，并通过仿真实验验证了本文所设计的基于实际有限时间双幂次滑模控制方法是有效的，该方法相比其他控制方法的优越性在于：