Neural Network Adaptive Force Tracking Admittance Control for Spinning Yarn Piecing Robot

Abstract

摘要： 环锭纺细纱工序中断纱自动接头一直是业界难题，细纱强力低易断裂、纱线张力受环境因素影响明显等因素导致机器人接头过程中纱线张力控制困难。为解决接头过程纱线张力控制问题，提出了基于交互力预测的神经网络自适应导纳控制方法。首先设计了导纳控制器参数的神经网络自适应调整策略来解决接头过程环境模型参数动态变化导致恒导纳控制器力跟踪效果差的问题；其次针对现有自适应控制器跟踪时变期望力时由于控制滞后产生的误差突变问题，提出了一种交互力预测方法，通过加入未来控制周期交互力的预测值来完成导纳控制器参数的提前调整，进而避免期望力突变时较大的力跟踪误差产生；最后进行了仿真试验，结果表明神经网络自适应控制器在动态环境下的力跟踪任务中有很好的鲁棒性，基于交互力预测的神经网络自适应控制器在动态环境下的时变期望力跟踪任务中最大误差和总体误差相比未加入交互力预测时分别降低了78.3%和29.7%，证明了所提出方法在机器人接头过程中纱线张力跟踪控制的可靠性。