MIMO ILC using complex-kernel regression and application to Precision SEA robots
MIMO ILC using complex-kernel regression and application to Precision SEA robots
复制标题
使用复杂内核回归的 MIMO ILC 及其在 Precision SEA 机器人中的应用
DOI：
10.1016/j.automatica.2021.109550
复制
发表时间：
2021
期刊：
影响因子：
6.4
通讯作者：
Devasia, Santosh
中科院分区：
文献类型：
--
作者：
Yan, Leon;Banka, Nathan;Owan, Parker;Piaskowy, Walter Tony;Garbini, Joseph L.;Devasia, Santosh
该工作提高了具有串联弹性驱动器的轻型机器人的定位精度。轻型SEA机器人，沿着低阻抗控制，可以在不确定的有限空间（如飞机装配期间的机翼内部）中进行机动而不会造成损坏。然而，大量的建模不确定性SEA机器人降低了精度实现基于模型的方法，如基于反演的前馈。因此，本文通过多输入多输出（MIMO）迭代学习控制（ILC）方法提高SEA机器人在指定操作点附近的精度。本文的主要贡献是：（i）引入输入加权复核，使用复高斯过程回归（c-GPR）来估计局部MIMO模型;（ii）在迭代增益上开发基于Geršgorin定理的条件，以确保ILC在噪声相关限制内收敛到精度，即使估计模型中存在误差;以及（iii）用实验SEA机器人演示精确定位。比较实验结果，有和没有ILC，显示约90%的改善定位精度（接近机器人的可重复性极限）和10倍的SEA机器人的操作速度增加与使用的MIMO ILC。
This work improves the positioning precision of lightweight robots with series elastic actuators (SEAs). Lightweight SEA robots, along with low-impedance control, can maneuver without causing damage in uncertain, confined spaces such as inside an aircraft wing during aircraft assembly. Nevertheless, substantial modeling uncertainties in SEA robots reduce the precision achieved by model-based approaches such as inversion-based feedforward. Therefore, this article improves the precision of SEA robots around specified operating points, through a multi-input multi-output (MIMO), iterative learning control (ILC) approach. The main contributions of this article are to (i) introduce an input-weighted complex kernel to estimate local MIMO models using complex Gaussian process regression (c-GPR); (ii) develop Geršgorin-theorem-based conditions on the iteration gains for ensuring ILC convergence to precision within noise-related limits, even with errors in the estimated model; and (iii) demonstrate precision positioning with an experimental SEA robot. Comparative experimental results, with and without ILC, show around 90% improvement in the positioning precision (close to the repeatability limit of the robot) and a 10-times increase in the SEA robot’s operating speed with the use of the MIMO ILC.
登录
查看更多内容
平方离散时间线性系统基于反演的输出跟踪和未知输入重构
DOI：
10.1016/j.automatica.2018.05.005
发表时间：
2016
期刊：
Autom.
影响因子：
--
作者：
E. Naderi;K. Khorasani
通讯作者：
K. Khorasani
用于估计广义频率响应函数的高斯过程回归
DOI：
10.1016/j.automatica.2019.05.010
发表时间：
2019
期刊：
Autom.
影响因子：
--
作者：
Jeremy G. Stoddard;Georgios Birpoutsoukis;J. Schoukens;J. Welsh
通讯作者：
J. Welsh
使用频率响应数据的多变量学习：一种基于迭代反演的鲁棒控制方法及其应用
DOI：
10.23919/acc.2019.8814971
发表时间：
2019
期刊：
2019 American Control Conference (ACC)
影响因子：
--
作者：
R. Rozario;Juliana Langen;T. Oomen
通讯作者：
T. Oomen
使用串联弹性执行器进行精确轨迹跟踪的迭代机器学习
DOI：
10.1109/amc.2019.8371094
发表时间：
2017
期刊：
2018 IEEE 15th International Workshop on Advanced Motion Control (AMC)
影响因子：
--
作者：
N. Banka;W. T. Piaskowy;J. Garbini;S. Devasia
通讯作者：
S. Devasia
多关节柔性连杆机械臂的指数稳定跟踪控制
DOI：
10.1115/1.2897407
发表时间：
1993
影响因子：
1.7
作者：
B. Paden;D. Chen;R. Ledesma;E. Bayo
通讯作者：
E. Bayo