当前位置：首页 > news >正文

【MATLAB】二自由度机械臂参数辨识与自适应滑模控制仿真研究

news 2026/6/1 21:58:20

摘要

针对二自由度旋转关节机械臂转动惯量、质心位置等关键动力学参数难以直接测量的问题，本文设计基于最小二乘法（LS）的离线参数辨识方案，并构建滑模控制（SMC）非线性轨迹跟踪控制器。在 MATLAB/Simulink 中搭建含 PID 激励的参数辨识模型，以及带有限带宽白噪声扰动的滑模控制仿真模型。结果表明：最小二乘法可将 4 个关键参数辨识相对误差控制在0.5% 以内；无扰动时滑模控制跟踪精度优于 PID，但存在明显力矩抖振；噪声协方差从 0 增加到 1 时，关节角度标准差稳定在0.370 rad左右，验证了滑模控制的强鲁棒性。测量噪声方差在10⁻⁴以内时辨识精度保持稳定，当噪声标准差提升至 0.05 时，关节 1 转动惯量估计偏差超过40%，体现了最小二乘反解参数的链式误差放大特性。

关键词：二自由度机械臂；最小二乘辨识；滑模控制；鲁棒性；Simulink 仿真

1 引言

工业机械臂广泛应用于装配、焊接、医疗康复等领域，对关节位置跟踪精度与外部扰动抑制能力提出了严苛要求。机械臂动力学方程中，** 转动惯量\(J_i\)和质心位置\(l_{ci}\)** 是影响耦合项计算与重力补偿精度的核心参数，但装配完成后无法通过常规量具直接测量。因此，采用闭环激励采集运动数据，通过代数算法反演关键参数，是工程中最常用的参数辨识方案。

在轨迹跟踪控制领域，传统 PID 控制仅在系统线性化区域表现良好，对模型不确定性和外部扰动鲁棒性较差。滑模控制（SMC）通过设计滑模面和高速切换控制律，迫使系统状态在有限时间内到达并维持在滑模面上，对参数摄动和匹配扰动具备完全鲁棒性，非常适用于强非线性、强耦合的机械臂系统。

本文围绕二自由度机械臂，完成建模 — 辨识 — 控制 — 鲁棒性验证全流程研究：① 建立机械臂拉格朗日动力学模型并搭建 Simulink 仿真平台；② 采用最小二乘法离线辨识转动惯量与质心位置；③ 基于辨识参数设计滑模控制器，在噪声扰动下验证跟踪性能；④ 定量分析控制算法的抗扰能力与辨识算法的噪声敏感性。

2 研究方法

2.1 二自由度机械臂动力学建模

研究对象为平面二自由度旋转关节机械臂，关节角度\(\theta_1、\theta_2\)，连杆长度\(l_1=l_2=1\ \text{m}\)，连杆质量\(m_1=m_2=1\ \text{kg}\)，重力加速度\(g=9.81\ \text{m/s}^2\)。采用拉格朗日方程建立动力学模型：\(M(\theta)\ddot{\theta} + C(\theta,\dot{\theta})\dot{\theta} + G(\theta) = \tau\)式中：M为惯性矩阵，C为科氏力 / 离心力矩阵，G为重力项，\(\tau\)为关节驱动力矩。模型通过 MATLAB Function 模块在 Simulink 中实现。

2.2 最小二乘参数辨识

将动力学方程线性化为回归矩阵 + 参数向量形式：\(\Phi(\theta,\dot{\theta},\ddot{\theta}) \cdot p = \tau\)通过采集激励轨迹下的角度、角速度、角加速度和力矩数据，构建回归矩阵\(\Phi\)，采用最小二乘公式求解未知参数：\(\hat{p} = (\Phi^\top \Phi)^{-1}\Phi^\top \tau\)最终反解出 **\(J_1、J_2、l_{c1}、l_{c2}\)4 个核心动力学参数。辨识系统采用PID 闭环激励 **，采集 30s 运动数据用于参数估计。

2.3 滑模控制器设计

定义角度跟踪误差 \(e=\theta-\theta_d\)，选取一阶线性滑模面：\(s=\dot{e}+\lambda e\)控制律由等效控制项和鲁棒切换项组成，保证系统在扰动下仍能沿滑模面运动。控制器在 Stateflow 中实现，仿真系统加入带限白噪声模拟实际测量与执行器扰动。

2.4 仿真方案设计

基础仿真：时长 30s，固定步长求解；
控制对比：PID 与滑模控制跟踪性能对照；
鲁棒性测试：噪声协方差\(0\sim1.0\)梯度扫描；
辨识抗扰测试：高斯噪声标准差\(0\sim0.1\)，每组重复 30 次蒙特卡洛实验。

3 仿真结果

3.1 参数辨识精度

理想无噪声条件下，辨识结果与真值高度吻合：\(\hat{J}_1=0.0491\)、\(\hat{J}_2=0.0509\)、\(\hat{l}_{c1}=0.4009\)、\(\hat{l}_{c2}=0.3989\)，相对真值\([0.05, 0.05, 0.4, 0.4]\)的最大相对误差仅 1.82%，验证了最小二乘辨识的有效性。