[论文解读] Cable Estimation-Based Control for Wire-Borne Underactuated Brachiating Robots: A Combined Direct-Indirect Adaptive Robust Approach

Siavash Farzan, Vahid Azimi+2 more|arXiv (Cornell University)|Aug 10, 2020

Soft Robotics and Applications参考文献 21被引用 5

一句话总结

本文提出了一种针对柔性电缆上欠驱动抓握机器人的直接-间接自适应鲁棒控制框架，将电缆动力学建模为参数不确定性，并采用边界层滑模控制结合直接自适应增益调节，以处理未建模扰动。仿真结果表明，速度跟踪误差降低了75%，且鲁棒性优于基线反馈线性化方法。

ABSTRACT

In this paper, we present an online adaptive robust control framework for underactuated brachiating robots traversing flexible cables. Since the dynamic model of a flexible body is unknown in practice, we propose an indirect adaptive estimation scheme to approximate the unknown dynamic effects of the flexible cable as an external force with parametric uncertainties. A boundary layer-based sliding mode control is then designed to compensate for the residual unmodeled dynamics and time-varying disturbances, in which the control gain is updated by an auxiliary direct adaptive control mechanism. Stability analysis and derivation of adaptation laws are carried out through a Lyapunov approach, which formally guarantees the stability and tracking performance of the robot-cable system. Simulation experiments and comparison with a baseline controller show that the combined direct-indirect adaptive robust control framework achieves reliable tracking performance and adaptive system identification, enabling the robot to traverse flexible cables in the presence of unmodeled dynamics, parametric uncertainties and unstructured disturbances.

研究动机与目标

• 解决在未建模电缆动力学与有限传感器反馈条件下，对欠驱动抓握机器人在柔性电缆上控制的挑战。
• 克服现有刚性支撑抓握控制方法的局限性，实现真实世界中如电力线或滑触线等柔性电缆上的部署。
• 开发一种控制框架，能够同时估计未知电缆参数并补偿时变扰动，且无需预先知晓不确定性边界。
• 在参数不确定性、有界扰动和执行器饱和条件下，确保系统稳定与可靠的跟踪性能。

提出的方法

• 提出一种低精度动力学模型，将柔性电缆的影响近似为带有参数不确定性的弹簧-阻尼力。
• 实施一种间接自适应控制方案，利用基于李雅普诺夫的自适应律在线估计电缆的弹簧与阻尼参数。
• 设计一种基于边界层的滑模控制（SMC），以鲁棒地处理残余未建模动力学与时变扰动。
• 在反馈回路中集成一种直接自适应机制，实时更新鲁棒控制增益，且无需预先知晓扰动边界。
• 利用李雅普诺夫稳定性分析推导自适应律，并正式证明闭环系统的渐近稳定性和跟踪收敛性。
• 将间接参数估计与直接增益自适应整合为统一的控制架构，确保性能与鲁棒性。

实验结果

研究问题

• RQ1 如何在实时控制中有效建模并估计柔性电缆的未知动力学效应？
• RQ2 当同时存在参数不确定性与非参数扰动时，混合自适应-鲁棒控制策略是否能提升跟踪性能与稳定性？
• RQ3 在无需预先知晓扰动边界的情况下，直接自适应增益调节能在多大程度上减少残余跟踪误差？
• RQ4 在具有显著振荡与状态跃迁的全长柔性电缆上进行连续抓握运动时，所提控制器的性能如何？
• RQ5 与基线反馈线性化控制器相比，所提控制器在跟踪精度与控制能量消耗方面有何性能提升？

主要发现

• 与基线反馈线性化控制器（42.84 deg/s）相比，所提控制器在速度跟踪方面将均方根误差（RMSE）降低了75%（10.55 deg/s）。
• 控制器将位置跟踪误差降低了45%（RMSEy: 4.29° vs. 7.83°），并使控制能量消耗降低23%（RMSu: 3.92 Nm vs. 5.08 Nm）。
• 机器人在五次连续摆动中成功 traversed 整个电缆长度，即使在大幅电缆振荡与初始动态状态下仍保持了精确跟踪。
• 弹簧-阻尼参数（ks 与 bs）的自适应估计随时间收敛，表明在未知动力学条件下具备有效的系统辨识能力。
• 所有操作中，转矩输入始终维持在±10 Nm范围内，证实了执行器的可行性与控制饱和的避免。
• 基于边界层的滑模控制有效减轻了未建模动力学与残余力的影响，即使在参数估计不完美时也确保了系统鲁棒性。