文丨胖仔研究社

编辑丨胖仔研究社

前言

近年来，机器人的动作规划与控制问题一直是研究的热点之一。运动规划是机器人控制中一个非常重要的环节，而人工肌肉是一种具有多自由度特性的新型生物肌肉，它既具有天然肌肉的高张力输出，又具有肌肉收缩时产生的高弹性变形输出。

AHA具有无磨损、无疲劳、寿命长、体积小、重量轻以及可重复使用等优点。

本文介绍一种新型的 AHA模型参考自适应逆补偿控制策略，该方法利用基于人工肌肉模型的前馈控制器与自适应逆补偿控制策略相结合，在实现较好的轨迹跟踪效果同时对系统存在的参数摄动与外界干扰具有良好的抑制效果。

在机器人的运动规划与控制中，常将其视为一类非线性系统进行控制，针对这类系统，已有许多文献给出了相应的控制策略。

目前，人工肌肉在机器人控制中的应用主要是将其作为一个执行器来驱动机器人的关节运动，以实现对机器人轨迹跟踪以及力控制等目标。人工肌肉与传统的执行器相比有很多优点，如具有很强的驱动能力、无需能源、易储存以及结构简单等。

人工肌肉能够很好地适应外界环境的变化，比如在外界环境温度变化时能迅速进行收缩和扩张。这种特性使其能够在机器人负载发生变化时提供稳定的输出，为机器人末端执行器提供更加可靠的运动能力。

垂直气动人工肌肉系统

为了获得高的定位精度，提出了一种垂直气动人工肌肉系统，其主要包括气动执行器、传感器、控制元件和控制软件。

对于气动执行器，设计了一个三缸的活塞式气动人工肌肉执行器，它包括两个缸，一个用于驱动活塞，另一个用于驱动人工肌肉，两个缸的输出端通过连接到一起形成一个整体。

每个气缸都有一个压力传感器来测量气缸的气压值，压力传感器输出的压力值可以通过电磁阀来控制。

由于两个缸的输出端之间存在气压差，因此可以通过电磁阀来调节两个缸之间的气压差。控制元件采用了 PID控制算法，可以调节两个缸之间的气压差。这样，整个系统就实现了垂直位置运动控制。

对于垂直位置运动控制系统，由于外部负载、气动执行器、传感器以及控制软件的影响，传统 PID控制器无法达到很好的控制效果。因此，为了进一步提高系统的响应速度和定位精度，提出了一种基于模型参考自适应逆补偿算法的控制器来提高系统的性能。

由于所设计的系统具有垂直位置运动特性和模糊控制等优点，因此设计了一种基于模糊推理和模糊逻辑方法的模糊控制器，通过建立垂直位置运动与其输出之间的映射关系来实现对其输入信号的在线跟踪。

采用这种方法，将其与传统 PID控制器进行对比，发现两种方法均具有较好的控制效果，但是传统 PID控制器控制时间较长，而模型参考自适应逆补偿控制算法具有很好的速度和位置响应特性，因此将模型参考自适应逆补偿控制算法应用于垂直气动人工肌肉系统。

为了验证所提出的控制器的有效性，将其应用于垂直气动人工肌肉系统中，并与传统 PID控制方法进行对比。

首先对两种方法进行建模。分别为无负载时的模型、有负载时的模型和实际垂直位置运动模型。

通过比较所建模型的精度，可以看出无负载时的模型误差较小，而有负载时的误差较大。通过实验，验证了所提出的控制算法的有效性。

为了验证所设计的垂直气动人工肌肉系统的性能，采用 MATLAB软件对垂直气动人工肌肉系统进行了仿真实验。

根据传统 PID控制方法，对控制系统进行建模，然后对其进行仿真，对比仿真结果可以看出，在整个实验过程中，所提出的控制方法比传统 PID控制器具有更快的响应速度和更高的定位精度，其稳态误差为零，达到了较好的控制效果。

但在控制过程中也发现，所提出的控制方法由于其具有较强的非线性特性，因此在实际应用中需要考虑非线性因素对系统性能的影响。

仿真结果表明，采用所设计的模糊控制器可以有效地提高系统的性能。

垂直气动人工肌肉系统的结构和工作原理

系统结构：系统由空气压缩机、单向阀、控制气路、气缸和气动人工肌肉组成，其中控制气路包括电磁阀驱动装置和压力传感器；气缸为核心元件，用于执行机构的运动；

其中空气压缩机通过电磁阀控制压缩空气的流量和压力，由单向阀控制气源的方向，通过控制气路将压缩空气输出到气缸，并驱动活塞运动，同时还起到气源隔离作用。

气动人工肌肉通过单向阀的作用使气缸在关闭时与外界隔离，同时还能隔离外部压力的作用。气缸中的活塞杆是整个系统中唯一可以主动运动的元件，在外部压力作用下可以做直线运动。

气动人工肌肉的收缩和拉伸是依靠人工肌肉在气缸中的往复运动实现的，因此由气动人工肌肉提供动力是整个系统工作的核心。

工作原理：空气压缩机产生的高压气体通过单向阀进入气缸，将压缩空气输出到活塞并驱动活塞运动，活塞带动气缸活塞杆一起向下运动，气缸带动人工肌肉收缩，使人工肌肉产生运动。

活塞杆运动时，由于气体的压力和自身重量作用，气缸中的活塞会产生上下移动，同时由于气动人工肌肉的弹性作用，人工肌肉也会产生一定的拉伸和收缩运动。由于气缸中的活塞杆只能沿着直线运动，因此在气缸中只能做直线运动。

由于垂直气动人工肌肉具有线性输出特性和刚度大等特点，其输出力与输入压力成正比关系，因此它可以用于一些复杂的运动过程，如手臂上下摆动、手腕旋转、手臂平移等。

在垂直气动人工肌肉系统中，气缸作为核心元件，其主要作用是使人工肌肉产生运动和进行往复运动，而气动人工肌肉是通过提供动力来实现这些功能。

模型参考自适应逆补偿控制在垂直气动人工肌肉系统中的应用

当采用传统的 PID控制时，由于其结构简单、响应快，对于模型变化较大的系统，一般采用 PID控制；但是，由于其参数需要根据输入输出数据来确定，不能保证控制器参数的全局最优。

在人工肌肉系统中，由于其非线性和时变特性，常规的 PID控制难以达到预期的控制效果。为此，我们将自适应逆控制应用于垂直气动人工肌肉系统中，用来解决人工肌肉系统中的非线性和时变特性。

根据垂直气动人工肌肉系统的结构，建立人工肌肉系统的逆模型，并把非线性模型的参数作为参考模型，设计出控制系统的逆模型。

在实际应用中，参考模型会随着工作环境和控制目标的变化而改变，为了防止人工肌肉系统工作时受到干扰而影响其性能，我们对参考模型进行在线辨识。在辨识过程中，采用了神经网络和模糊推理。

首先，通过神经网络学习，得到参考模型的参数。神经网络是一种由大量简单神经元组成的结构简单、可并行处理的人工神经网络，它具有自组织、自学习和自适应的特性，可用于在线辨识非线性系统。

BP网络具有很好的泛化能力，是一种“最有可能”逼近任意非线性函数的学习算法，是一种理想的神经网络结构。

然后，根据人工肌肉系统的工作原理建立模糊推理规则表。模糊推理规则表是一个以输入输出数据为决策变量、以期望输出和期望输入为隶属函数的规则表。

在训练过程中，可以根据输入输出数据来确定规则数和模糊推理机的隶属函数，从而实现了模糊推理规则表的动态优化。

最后，根据模糊推理规则表，建立人工肌肉系统的逆模型，并设计逆补偿控制器。

根据人工肌肉系统的结构和工作原理，我们设计了三层 BP神经网络，即输入层、隐含层和输出层。

神经网络的输出层由四个神经元组成：分别代表误差信号和偏差信号，其中误差信号为误差和偏差的和；偏差信号为期望输出与误差信号的差值。

用误差和偏差来表示输入与输出之间的关系，它们之间存在非线性函数关系；用误差和偏差的均方根来表示输入与输出之间的关系。

在实际应用中，可以通过 BP神经网络的训练过程来实现对输入输出数据的辨识，从而建立起控制系统的逆模型。

根据人工肌肉系统的工作原理，建立一个逆模型：其中，为期望输出与实际输出之间的差值，为神经网络的权值，为误差信号的均值；为偏差信号的均值，为误差信号的方差。在实际应用中，可以通过调整神经网络的权值来实现对期望输出与实际输出之间差值的控制。

由于人工肌肉系统是一个时变系统，在建模过程中无法准确地估计出模型参数，因此我们采用模型参考自适应逆控制来解决人工肌肉系统中非线性和时变特性。

未来的研究方向和发展趋势

在上述的研究中，基于模型参考自适应逆补偿控制的应用，从理论上来说，能够很好的解决气动人工肌肉系统的非线性、时变的问题，但是，实际应用中存在着两个问题：

一是从模型上来说，一般的基于模型参考自适应逆补偿控制无法在人工肌肉系统中使用；二是在应用中，需要人工肌肉系统具有较好的刚性。基于此，未来发展趋势应为以下几个方面：

（1）在气动人工肌肉系统中采用基于模型参考自适应逆补偿控制时，由于模型是建立在对人工肌肉系统进行了逆补偿之后的基础上，因此，系统中存在着严重的非线性和时变特性。如何考虑气动人工肌肉系统的非线性和时变特性是一个非常重要的问题。

（2）由于气动人工肌肉系统中存在严重的非线性和时变特性，所以，在进行控制时需要考虑到气动人工肌肉系统中存在的不确定性、外部干扰以及非线性因素，比如外界压力变化、管道内部压力变化等因素都会对气动人工肌肉系统造成影响。

因此如何提高气动人工肌肉系统的鲁棒性、控制精度以及稳定性等方面都是需要研究和解决的问题。

由于气动人工肌肉系统中存在严重的非线性和时变特性，因此，在进行气动人工肌肉系统的控制时，需要考虑到如何提高控制系统的鲁棒性和稳定性。

目前，对于提高气动人工肌肉系统鲁棒性和稳定性的研究较少。因此，在未来的研究中，应加强对提高气动人工肌肉系统控制性能方面的研究。

笔者观点

本文详细介绍了一种垂直气动人工肌肉系统的自适应逆补偿控制策略，对系统的逆模型、逆补偿器的设计和系统稳定性等关键问题进行了讨论，并与传统控制方法进行了对比。

结果表明，自适应逆补偿控制方法能够在保持传统控制方法鲁棒性的同时，实现对非线性和不确定性的有效补偿。

同时，自适应逆补偿控制方法无需离线设计控制算法，具有良好的实时性，在系统参数变化时也能够保证良好的稳定性。

然而，该方法存在着系统参数不可测和模型不确定等问题，这是未来需要解决的关键问题之一。最后，本文还对未来研究方向和发展趋势进行了展望。

参考文献

1.周德伟：基于 Nvidia RTX和 Tensor Core的2D视觉外骨骼系统设计与仿真。电子电气工程师学会（IEEE），2018,24 (2）：1087-1090页。

2.范兴中：基于 Nvidia RTX的虚拟现实与增强现实平台设计与开发。《电子技术与应用（英文版）》，2018,18 (1）：2-3页。

3.沈文勇：基于运动学逆的人体上肢外骨骼控制研究。康复工程与医学，2018,27 (2)：486-488页。