[论文解读] A Robust Adaptive Approach to Dynamic Control of Soft Continuum Manipulators

Amirhossein Kazemipour, Oliver Fischer+3 more|arXiv (Cornell University)|Sep 23, 2021

Soft Robotics and Applications参考文献 20被引用 3

一句话总结

本文提出了一种基于改进的欧拉-拉格朗日动力学模型的鲁棒、基于模型的自适应控制框架，用于柔性连续体机械臂，该模型消除了先前的简化假设。该控制器在存在模型不确定性与外部干扰的情况下，仍能确保精确的任务空间轨迹跟踪，在不同负载条件下于实物柔性机械臂上表现出优于现有最先进方法的性能。

ABSTRACT

Soft robots are made of compliant and deformable materials and can perform tasks challenging for conventional rigid robots. The inherent compliance of soft robots makes them more suitable and adaptable for interactions with humans and the environment. However, this preeminence comes at a cost: their continuum nature makes it challenging to develop robust model-based control strategies. Specifically, an adaptive control approach addressing this challenge has not yet been applied to physical soft robotic arms. This work presents a reformulation of dynamics for a soft continuum manipulator using the Euler-Lagrange method. The proposed model eliminates the simplifying assumption made in previous works and provides a more accurate description of the robot's inertia. Based on our model, we introduce a task-space adaptive control scheme. This controller is robust against model parameter uncertainties and unknown input disturbances. The controller is implemented on a physical soft continuum arm. A series of experiments were carried out to validate the effectiveness of the controller in task-space trajectory tracking under different payloads. The controller outperforms the state-of-the-art method both in terms of accuracy and robustness. Moreover, the proposed model-based control design is flexible and can be generalized to any continuum robotic arm with an arbitrary number of continuum segments.

研究动机与目标

• 为解决由于柔性连续体机械臂固有的柔顺性与复杂动力学特性，导致其鲁棒、基于模型的控制策略开发困难的问题。
• 消除先前动力学模型中为简化而做的假设，这些假设会损害惯性表征的准确性。
• 设计一种任务空间自适应控制器，能够处理模型参数不确定性与未知输入干扰。
• 在不同负载与动态条件下，于实物柔性机械臂上验证控制器的性能。

提出的方法

• 使用欧拉-拉格朗日方法重新推导柔性连续体机械臂的动力学，以获得更精确的模型，且无需对惯性做简化假设。
• 基于李雅普诺夫稳定性分析，设计一种任务空间自适应控制律，以补偿参数不确定性与外部干扰。
• 在具有多个关节段的实物柔性连续体机械臂上实现该控制器，以支持实时轨迹跟踪。
• 采用参数投影技术，确保参数估计有界，提升自适应过程中的鲁棒性。
• 将控制器与运动学模型集成，实现从关节级驱动到末端执行器任务空间运动的映射。
• 设计不同负载条件下的实验，以测试在真实世界干扰下的鲁棒性与适应能力。

实验结果

研究问题

• RQ1 如何改进柔性连续体机械臂的动力学模型，以更准确地捕捉其惯性特性，同时避免简化假设？
• RQ2 在任务空间中，自适应控制方案是否能有效处理柔性机器人系统中的参数不确定性与未知干扰？
• RQ3 在实物柔性机械臂上，不同负载条件下，所提出的控制器在轨迹跟踪精度与鲁棒性方面表现如何？
• RQ4 所提出的控制框架在多大程度上可推广至具有任意数量关节段的柔性机械臂？

主要发现

• 所提出的基于欧拉-拉格朗日的动力学模型相较于先前带有简化假设的模型，能更准确地表征柔性机械臂的惯性特性。
• 与现有最先进方法相比，该自适应控制器在所有测试负载下均展现出更优的轨迹跟踪性能，兼具更高的精度与更强的鲁棒性。
• 控制器在未知输入干扰与参数不确定性下仍保持稳定性能，展现出强大的鲁棒性。
• 该方法已在实物柔性连续体机械臂上成功实现并验证，证实了其实际可行性。
• 由于其模块化设计，该控制框架可推广至任意数量连续段的柔性机械臂。
• 实验结果表明，在不同负载条件下，跟踪误差指标均持续改善，证实了控制器的适应能力。