摘要
服务机器人和特种机器人需要在非结构化的山地、森林和城市家庭等环境中进行行走奔跑，代替或协作人类完成移动抓取、敲击加工等物理交互工作。这要求机器人必须具有优异的柔顺特性来保证人类、环境、物品和自身的安全，同时当具有较大的负载能力和准确的力控精度以便能够完成更多的工作和提供更有效的服务。磁流变液关节通过在传统机器人关节输出端串联一磁流变液离合器赋予了机器人关节优异的柔顺特性，同时具备了大负载和力控精度高的优点，特别适用于大负载的需要进行频繁物理交互的服务机器人和特种机器人。研究磁流变液关节的准确快速的设计方法和高精度的力控方法对研发高性能的服务机器人和特种机器人具有重要的理论和实际工程意义。 磁流变液离合器作为磁流变液关节最为关键的模组，其设计的关键在于设计其各零部件尺寸、线圈匝数和电流大小等来使得其产生的内部非线性磁场能够产生最大的离合力矩并能够长期安全地工作。有限元分析方法（FEA）只能进行“黑箱”建模，计算量巨大，设计精度受设计者的工程经验和软件使用技巧的影响较大，十分不利于磁流变液离合器的快速分析、设计和工程实现。而传统的等效磁路（MEC）法无法得到非线性磁场分布而只能得到其近似均值，计算简单但精度差，没有考虑线圈发热，无法得到准确、安全的设计。本文通过分析非线性磁场在各零部件内的分布特性和非线性程度，基于传统MEC方法对离合器进行了分割建模，通过建立非线性磁场的磁动势差分方程推导提出了磁流变液离合器的非线性等效磁路模型，实现了与FEA方法几乎一致的建模精度而且计算效率更高。通过分析线圈产生的热量在离合器内的传导和辐射路径，建立了磁流变液离合器的热路学模型，求解出各个零部件的工作温度；最后，以最大化离合器力矩为目标，基于非线性等效磁路模型和热路学模型，同时考虑实际的工程约束，提出了磁流变液离合器的机-电-磁-热一体化的优化设计方法，采用遗传算法求解得到最优的零部件尺寸、线圈匝数和电流大小等。 磁流变液离合器的输入电流与离合力矩之间存在严重的率相关磁滞和蠕变非线性，使得一个输入电流对应无限多种可能的离合力矩，给磁流变液关节的准确力矩控制带来了巨大的难题。对此，本文首先在磁流变液离合器中嵌入一个磁传感器来对其率相关磁滞和蠕变非线性的影响因素进行了探究，并提出了一种传感器模型和离合器的力矩估计方法，实现了无需进行样机实验的情况下对离合器中的真实磁场和力矩进行较为准确的估计。为了提高力矩估计的精度，本文采用神经网络对磁流变液离合器复杂的率相关磁滞进行了建模。与前人采用神经网络进行“黑箱”建模的方式不同，本文通过对经典磁滞模型Preisach模型的重新推导和改写，提出了Preisach模型的对角自回归神经网络（diagonalrecurrentneuralnetwork，dRNN）形式，并进一步给出了一般dRNN在磁滞非线性建模中可行性、收敛性、对称性和率相关性的数学证明，提出了dRNN对磁滞非线性的“白箱”建模方法，明确了网络参数对磁滞建模结果的作用与影响，在神经网络的惩罚函数中引入可行性条件来保证每个神经元都能够对离合器的率相关磁滞非线性进行稳定的建模。针对dRNN对蠕变非线性建模效果较差以及计算量较大的问题，本文通过构建具有与离合器类似的力矩饱和特征的多状态微分方程，并引入分数阶微积分，提出了分数阶多状态微分磁滞蠕变模型，该模型具有结构和计算简单的优点，实现了对磁流变液离合器的率相关磁滞与蠕变非线性的同时准确建模。 为了实现对磁流变液关节输出力矩的准确控制，同时降低机器人的成本，本文基于分数阶多状态微分模型研究了模型参考PID前馈控制方法；针对模型参考PID前馈控制方法在严重的率相关磁滞非线性影响下出现控制带宽低和控制误差大的问题，本文提出了基于dRNN的逆乘法结构前馈控制方法，通过选取优化选取最优的神经元来使得控制误差最小，实现了控制带宽和控制精度的成倍提高，在免力/力矩条件下的开环力矩控制精度可达97%。针对开环控制中由于参数辨识不准确等模型误差导致控制精度下降的问题，提出采用（Super-TwistingAlgorithm，STA）滑模观测器对多状态微分磁滞模型的建模误差进行准确估计和补偿，采用STA滑模控制方法实现对磁流变液离合器力矩进行准确的闭环力控。磁流变液关节的输出力矩由电机转速和磁流变液离合器力矩同时控制，是一个典型的两输入单输出的控制系统。对此，本文建立了磁流变液关节的两输入单输出的动力学模型，提出磁流变液关节的速度反馈力矩控制律，并将磁流变液关节应用于四足机器人大负载柔顺腿机构，实现了腿机构能够承受高达50kg的大负载并进行免力/力矩传感器的准确力矩控制和大范围柔顺控制。
NETL