基于改进随机框架的机械臂操纵器滑模控制增益优化

《Scientific Reports》：Sliding mode control gain optimization for a robot arm manipulator using an improved stochastic framework

　　

摘要

我们提出了一种用于3自由度机械臂轨迹跟踪的优化控制框架，该框架采用了改进的随机涂色优化器（SPO-CL1）来自动调整滑模控制器的增益。该方法旨在解决机器人系统中的非线性、耦合效应以及干扰等问题，能够在保持简单性和对参数变化鲁棒性的同时，实现高精度跟踪、快速收敛、减少抖动，并降低驱动力需求。SPO-CL1在原有SPO架构的基础上加入了三种基于结构特性的改进措施：通过切比雪夫映射进行混沌初始化，以增加初始解的多样性；在聚类阶段后应用基于对抗的学习方法来加速收敛；以及对最优解施加周期性莱维飞行扰动，帮助其摆脱局部最优解。滑模控制器的增益则是通过最小化积分平方误差成本函数J = ∫?? e?(t)e(t)dt来自动调整的。研究共进行了两阶段的验证。首先，在CEC-2022测试集上，SPO-CL1与包括多种最新混合算法（IGWO、EWOA、MHHO、HSMA）在内的十余种算法进行了对比，其Friedman秩达到了1.83，且通过Wilcoxon秩和检验证实了其在统计上的显著优势（α=0.05）。其次，在伯努利涡线轨迹的路径规划实验中，SPO-CL1的积分平方误差最低，仅为1.51×10??，各次运行间的方差几乎为零，跟踪误差的收敛速度最快，末端执行器的轨迹也最为精确，优于其他十二种对比算法。这些结果表明，SPO-CL1是一种在复杂机器人应用中用于自动调整滑模控制器增益的极具竞争力且可靠的方法。