基于输入加权复核回归的串联弹性驱动器机器人精密控制MIMO迭代学习控制
系统与控制
2020-10-27 v2 机器人学
系统与控制
摘要
本工作提升了带有串联弹性驱动器（SEA）的轻量型机器人的定位精度。轻量型SEA机器人配合低阻抗控制，可在不确定、受限空间（如飞机装配时飞机机翼内部）中机动而不造成损坏。然而，SEA机器人中显著的建模不确定性降低了基于模型的方法（如基于逆的前馈）所达到的精度。因此，本文通过多输入多输出（MIMO）迭代学习控制（ILC）方法，提升SEA机器人在指定工作点附近的精度。本文的主要贡献在于：(i) 引入输入加权复核，利用复高斯过程回归（c-GPR）估计局部MIMO模型；(ii) 基于Geršgorin定理推导迭代增益的条件，以确保ILC在估计模型存在误差时仍收敛至噪声相关限度内的精度；以及 (iii) 通过实验性SEA机器人展示精密定位。有无ILC的对比实验结果表明，使用MIMO ILC后定位精度提升约90%（接近机器人可重复性极限），且SEA机器人运行速度提高10倍。
引用
@article{arxiv.2010.04487,
title = {MIMO ILC for Precision SEA robots using Input-weighted Complex-Kernel Regression},
author = {Leon Yan and Nathan Banka and Parker Owan and Walter Tony Piaskowy and Joseph Garbini and Santosh Devasia},
journal= {arXiv preprint arXiv:2010.04487},
year = {2020}
}
备注
Submitted to Journal for review