用跟蹤微分器實現機器人自抗擾控制

李殿起，段勇

（1.沈陽工業大學機械工程學院，遼寧沈陽110870；2.沈陽工業大學信息科學與工程學院，遼寧沈陽110870）

用跟蹤微分器實現機器人自抗擾控制

李殿起1，段勇2

（1.沈陽工業大學機械工程學院，遼寧沈陽110870；2.沈陽工業大學信息科學與工程學院，遼寧沈陽110870）

建立基于干擾估計的機器人非線性反饋控制系統并證明其穩定性，在此基礎上提出一種適用于機器人跟蹤控制的新型自抗擾控制器。該控制器不需實時計算復雜的機器人動態模型，由兩個跟蹤微分器（TD）構成：一個用于安排系統的過渡過程；另一個用來估計速度和加速度，TD的濾波特性使其對量測噪聲具有抑制作用。由被控對象的控制量與所估計加速度的反饋構成的“擴張狀態”來自動檢測系統模型和外擾的實時作用并實時進行動態補償。除了和以往的自抗擾控制器一樣具有很好的適應能力和很強的魯棒性外，它還具有需整定參數少的特點。仿真結果表明，該控制器是有效的且具有很強的魯棒性，而且系統響應快且超調小。

控制科學與技術；機器人；自抗擾控制器；加速度估計；跟蹤微分器；擴張狀態

0　引言

機器人控制器設計按是否考慮動態模型可分為兩類［1］。

一類是完全不考慮機器人的動態模型，只是按機器人實際軌跡與期望軌跡的偏差進行負反饋控制。這類控制器常采用PD或PID控制，它的主要優點是控制律簡單，易于實現。但對于控制高速高精度的機器人來說，這類方法有兩個明顯的缺點:一是難于保證受控機器人具有良好的動態和靜態品質；二是需要較大的控制能量。

另一類控制器設計方法是以模型為基礎的控制方法，被稱為動態控制。用動態控制方法設計的控制器可使被控機器人具有良好的動態和靜態品質。然而由于各種動態控制方案中都無一例外地需要實時進行機器人動力學計算，而機器人又是一個復雜的多變量強耦合非線性系統，這就需要較大的在線計算量，給實時控制帶來困難。

機器人動態控制的基本方案是計算力矩方法，也稱為逆動力學算法。在此基礎上又發展了機器人自適應控制、變結構控制和各種魯棒控制設計方法等。上述方法要么依賴復雜的數學模型，要么設計方法復雜，實用性差。

在不計算復雜的機器人動態模型的前提下，如何實現機器人的高速高精度控制是一個值得研究的問題。而自抗擾控制器（ADRC）正是這樣一種不依賴于系統模型的新型控制技術。

ADRC從其設計思想產生至今已經經歷了20多年的曲折發展過程［2-4］，它的明確提出并形成完整的理論［5-6］僅僅發生在十幾年前。目前，將其用于機器人控制的研究［7-9］較少，這些研究只是將ADRC原來的控制結構用在了機器人控制方面，沒有針對機器人控制的特點有所改進。本文的目的就是根據ADRC的原理，設計一種適用于機器人控制的新型ADRC.

1　用干擾估計實現機器人單關節控制

機器人的動力學方程為

式中:子=［τ1，τ2，…，τn］T是加在各關節上的n×1廣義力矩矢量，n是機器人的關節數；q=［q1，q2，…，qn］T是機器人的n×1關節矢量；D（q）是機器人的慣量矩陣，是n×n的實對稱陣是n×1的非線性哥氏力和離心力矢量；G（q）為n×1重力矢量；F表示未建模動態和未知外擾作用。

將（1）式重寫為

式中:M=diag［m11，m22，…，mnn］是n×n的實常量對角矩陣外，所有其他來自模型（已建模和未建模動態）和未知外擾的實時作用一并計入由（1）式和（2）式得

同時得到理想情況下的誤差方程

現在的關鍵問題是在不通過計算復雜動態模型（1）式的情況下，如何得到H的估計文獻［11］提出用（8）式計算:

由（4）式得出如下控制律:

綜上所述，（9）式能夠實時估計所有來自模型和未知外擾的實時作用H，控制器（10）式使機器人動力學方程（1）式解耦和線性化，這樣機器人多關節控制被轉化為單關節控制。

2　非線性反饋控制系統的穩定性分析與證明

定義誤差矢量

式中:ε（t）=［ε1（t），ε2（t），…，εn（t）］T。在控制律為（10）式的情況下，閉環系統的誤差方程（5）式被重寫為

ε（t）被認為是干擾輸入，若ε（t）有界，則誤差方程（12）式的解e（t）亦有界，這也是通常所說的有界輸入、有界輸出（BIBO）穩定性［10］。實際上，對于連續時間線性時不變系統，系統平衡狀態的漸進穩定包含了系統的輸入輸出穩定。這也就是說，若ε（t）有界，且解耦的線性定常系統（7）式的平衡狀態漸進穩定，則閉環系統（12）式是穩定的。用極點配置法，很容易保證系統（7）式的穩定性，目前的關鍵問題是如何保證ε（t）的有界性，文獻［11］對此進行了分析，并得出如下結論:只要對角矩陣M的取值滿足下面條件中的任意一個，即可保證ε（t）的有界性:

1）對角矩陣M=ηI，I是n×n的單位矩陣，η為一正常數值，同時需滿足0＜η＜2ρ，其中ρ是慣量矩陣D（q）的特征值的下界。

2）如果慣量矩陣D（q）是對角陣，對角矩陣M=diag［η1，η2，…，ηn］，但需滿足ηi＜2ρi，其中ρi為D（q）的對角元素的下界。

文獻［12］對機器人的慣量矩陣的一致有界性進行了詳細的分析，在不需推導D（q）的情況下，可方便地得到它的特征值下界。

ADRC一般采用非線性反饋控制，為此這里設計如下機器人非線性反饋控制律:

式中:βi1、βi2為增益系數；0＜αj＜1（j=1，2）時誤差衰減速度最快，抑制擾動的能力最好［5］。若αj=1，（13）式變為（10）式，可見，機器人PD反饋控制是非線性反饋控制（13）式的特殊形式。

通過對角矩陣M的選取，保證了ε（t）的有界性。通過補償項^H，把機器人非線性系統化為了線性系統。然而，在控制律為（13）式時，如何保證閉環系統的穩定性呢？下面給出證明。

由（2）式和（13）式兩式得到閉環系統的誤差方程為

3　機器人自抗擾控制器

上述（9）式的控制思想與ADRC［6］自動檢測擾動并進行實時補償的方法是一致的。控制器（10）式在實施過程中，還存在著如下問題:首先時間延遲T在很小的情況下，估計值^H才能準確反映總干擾H，而且用（9）式計算^H時要用到加速度，眾所周知，量測位移中不可避免地含有噪聲，文獻［11］用1階微分求速度，2階微分求取加速度的方法勢必引起噪聲的放大，采樣時間T越小，噪聲放大越嚴重［13］，為此這里提出用跟蹤微分器（TD）跟蹤位移和估計速度的同時一并估計出加速度的新方法。另外，控制器（10）式采用PD控制無法很好地解決系統快速性和超調之間的矛盾。出于以上兩點考慮，將控制器（10）式改造成一種適用于機器人控制的ADRC.

在一般的控制系統中，比如上面的控制器（10）式采用PD控制，誤差直接取成e=v-y，式中: v為設定值；y為系統輸出。誤差的這種取法就意味著讓有一定慣性，不可能跳變的輸出量y來跟蹤可以跳變的量v，從而使初始誤差很大，易引起“超調”，很不合理。加上這種線性組合方式不易解決快速性和超調的矛盾。因此，用TD和非線性控制來克服PD控制的缺點。

ADRC是由如下3部分組成:用一個TD來安排系統的過渡過程并提取其微分信號；用擴張狀態觀測器（ESO）來估計對象的狀態變量和未知擾動的實時作用量并進行補償；由安排的過渡過程與對象狀態估計量之間誤差的適當非線性組合和未知擾動估計量的補償來生成控制信號。文獻［14］介紹了ADRC設計的分離性原理，即按各自的工程意義分別獨立地設計出以上3個組成部分，然后組合起來組成一個完整的ADRC.盡管目前還沒能給出分離性原理的理論證明，但是大量仿真研究說明，對ADRC的設計完全可以使用這一分離性原理。

第2節證明了機器人非線性反饋控制系統的穩定性，在控制器（13）式的基礎上設計的機器人ADRC如圖1所示，圖中所有變量的下標i表示機器人的關節號，以下敘述中i=1，2，…，n.圖1中NLC表示非線性反饋控制，z-1表示時間延遲。與ADRC的3個組成部分相對應，機器人ADRC的組成分以下3個小節來介紹。

圖1　機器人自抗擾控制結構圖Fig.1 Structure drawing of active disturbance rejection controller for robot

3.1安排過渡過程

TD的離散形式為

式中:T為采樣周期；v（t）為輸入信號；x1（t）跟蹤v（t）；x2（t）為v（t）的微分；r為決定跟蹤快慢的參數，稱作速度因子；而h為輸入信號被噪聲污染時，決定濾波效果的參數，稱作濾波因子；

觀察TD（15）式，若v（t）為輸入位移，則x1（t）跟蹤輸入位移，x2（t）為速度，而x2（t+T）為其后一時刻的速度，根據速度和加速度的關系，顯然（15）式中的fhan（x1（t），x2（t），v（t），r，h）就是加速度。

在圖1中有兩個TD（TD1和TD2）。為了區分TD1和TD2，給x1（t）、x2（t）、fhan加上標“1”、“2”，為了區分應用于不同的關節為其加下標“i”.

在這里使用離散TD有兩個好處，能保證系統有較短的過渡過程而不出現超調，即使跟蹤階躍信號也沒有超調［15］；在機器人控制過程中，軌跡規劃的參考軌跡通常是不可微的，TD可以從不可微信號或含有噪聲的信號中合理地提取連續可微的信號。因此，只要給定參考位移，即可由TD“自動規劃”出參考速度和加速度。

3.2估計速度和加速度

如果將ADRC中的擴張狀態觀測器直接運用到機器人自抗擾控制中，由于每個ESO中有3個參數需要整定，對于具有n個自由度的機器人來說，僅ESO部分就有3n個參數需要整定，其難度是可想而知的。為此這里提出用TD估計速度和加速度。

如圖1所示，當TD2的輸入為機器人關節角位移qi的量測值時，x21i（t）跟蹤機器人關節的實際轉見，在這里TD2實際上是一個速度、加速度估計器。為了盡可能好地提取出速度和加速度信號，通常速度因子r2取得大些。因為TD具有類似于線性低通濾波器的頻率特性［15］，所以用它來跟蹤機器人關節的輸出qi具有較好的噪聲抑制作用。一般系統的輸出均含有一定噪聲，因此濾波因子h2取適當大些的值。

3.3非線性反饋控制律

控制律（13）式中的非線性PD反饋為

當0＜αj＜1（j=1，2）時確定的誤差反饋律（16）式具有小誤差、大增益，大誤差、小增益的特點。

文獻［16］已經證明了非線性TD的收斂性，另外，TD的速度因子r越大，對位置和速度跟蹤得越快，就能越快地達到設定值。因此，當機器人非線性反饋控制律（13）式用在如圖1所示的機器人ADRC中時，機器人關節的位置誤差和速度誤差為ei=

從圖1可見本文的機器人ADRC與文獻［6］提出的ADRC的一般形式是不同的。在上述機器人控制器（13）式里“未知擾動”是由（17）式來確定的，它是由被控對象的控制量τi（t-T）與所估計加速度的反饋構成的。按著ESO的定義，為與其“擴張狀態”相對應，此處把稱作“擴張狀態”。用（17）式來檢測擾動，有兩點好處:1）和以往ADRC中的ESO相比，需要整定的參數很少；2）加速度是力最直接的反映，用它來檢測擾動物理意義更加明確。

所謂“自抗擾”就在于補償項^hi（t），系統的“未建模動態”和“未知外擾”的實時作用一并給予估計和補償，把非線性系統化為線性系統。當機器人的負載發生變化時，這種控制器具有很好的適應能力和很強的魯棒性。

4　仿真驗證與對比分析

下面以文獻［17］中的一個3自由度直接驅動機器人為例進行仿真研究，該機器人的3個關節均為旋轉關節，能進行高速運動。仿真中需要的機器人動態模型及相關參數請參見文獻［17］。

4.1仿真參數設置

在仿真或實際控制中，將TD（15）式寫成固定的功能模塊，如圖1所示，控制每個關節時直接進行函數調用，非常方便。

仿真中為了模擬量測噪聲，在圖1所示的機器人的每個關節位移輸出qi（i=1，2，3）中加入零均值高斯白噪聲，若量測裝置為脈沖編碼器，設其分辨率為θm，則白噪聲的方差為，這里的直接驅動機器人采用2 000 p/r的脈沖編碼器。

mii的取值很重要，它關系到機器人控制的穩定性，因這里是直接驅動機器人，可按第2節中關于M取值方法中的第二個結論來取值，事實上，轉動慣量大的關節所使用電機的轉動慣量也大，這樣此處mii分別取關節電機轉動慣量Ji的10倍左右，個別做適當調整。即mii（i=1，2，3）分別為0.028 kg·m2、0.028 kg·m2和0.002 5 kg·m2.

βi1、βi2的取值通常根據系統時間尺度整定［18］。在這里為了具有可比性，控制器（13）式的增益βi1、βi2可取為PD控制中的kpi、kdi，對誤差方程（7）式采用極點配置法得到PD控制中的kpi、kdi，此時βi1、βi2的取值分別為:β11=β21=β31=30，β12=β22=β32=12.

其他參數取值都比較容易，滿足前面小節中所述條件要求即可。在這里根據噪聲抑制和跟蹤速度情況，TD1中h1=0.01，r1為20～400；TD2中h2= 0.02，r2為80～800.非線性反饋控制律（13）式中α1=0.8，α2=0.5；采樣時間T=0.005 s，仿真時間為8 s.

4.2自抗擾控制仿真結果

4.2.1系統的階躍響應

為了驗證控制器（13）式的有效性，在圖1所示的控制系統中，為qri（i=1，2，3）分別設置單位階躍輸入，取r1=30，r2=80，其他值如上所述，得到該系統的階躍時間響應如圖2所示。從仿真中可以得出，3個關節的位移響應最大超調量均不到3％.實際上，r1和r2取上述范圍內的任意組合，只要r2比r1大幾倍，就能使3個關節的位移響應最大超調量都不超過6％.當然，通過調整參數也可以使系統的階躍時間響應無超調，這表明了采用TD1安排系統過渡過程的合理性。

圖2　3個關節的階躍響應Fig.2 Step responses of 3 joints

4.2.2軌跡跟蹤

根據實際情況，直接驅動機器人的3個關節均在一定轉角范圍內連續周期性地進行正、反向運動，在每個循環內機器人關節跟蹤下面的參考軌跡［19］:

式中:Δri=qri（tp）-qri（0），i=1，2，3，且tp是一個循環的終止時間，qri（0）是起始關節角度，qri（tp）是終止關節角度。（18）式所表示的參考軌跡充分考慮到了機器人的加減速狀態［20］，表示實際中較不利的輸入情況。

（18）式中的tp取不同的值，就得到不同振幅和頻率的參考軌跡。限于篇幅，仿真中tp=1.6 s，即要求機器人每個關節在1.6 s內從起始關節角度qri（0）運動到終止關節角度qri（tp），用（qri（0），表示。3個關節的起始和終止角度分別為

跟蹤過程中均給出8 s內5個周期的仿真結果。

圖3為軌跡跟蹤結果，e1、e2、e3分別為機器人各個關節的軌跡跟蹤誤差，從圖3可見跟蹤誤差較小，各關節相對于參考軌跡來說，跟蹤偏差的相對值不超過3％.注意這是在具有量測噪聲情況下的跟蹤誤差，若在沒有量測噪聲的情況下，跟蹤誤差是很小的。當然，改變上述仿真參數設置，可進一步提高跟蹤精度。

從圖2和圖3可以看出，第3個關節與其他兩個關節相比，跟蹤效果相對較差，為了清楚起見，下面只給出第3個關節的仿真結果。另外，需要說明的是以下各圖中虛線為由（18）式描述的期望軌跡，實線為跟蹤軌跡。

4.2.3魯棒性驗證

為了驗證控制器的魯棒性，保持上面的所有參數不變，在機器人運動開始2 s后，在機器人每個關節上加上階躍負載τdi:

式中:τdmaxi為上述機器人關節電機的最大峰值堵轉扭矩，為機器人手部承受負載達到最不利情況時，電機能夠承受的力矩，其中τdmax1=0.84 N·m，τdmax2= 6.66 N·m，τdmax3=6.66 N·m.

仿真結果發現，第1和第2個關節的軌跡跟蹤情況變化不大，只有第3個關節變化稍大（如圖4所示）。如果用e3L表示第3個關節加上階躍負載τdi后的跟蹤誤差，e3為未加τdi前的跟蹤誤差，二者之間的差值即跟蹤誤差的變化可以用來衡量控制器的魯棒性:Δe=e3-e3L.

圖3 3個關節的軌跡跟蹤誤差Fig.3 Tracking errors of 3 joints

圖5是Δe隨仿真時間變化的曲線，從圖5可見加上階躍負載τdi前后，跟蹤誤差變化Δe的最大值為0.15 rad，發生在加上或去掉τdi的瞬時，Δe從整個時間歷程來說較小。這說明控制器具有很強的魯棒性。

圖4　加上階躍負載后第3個關節的軌跡跟蹤Fig.4 Trajectory tracking of Joint3 under step load

圖5　Δe隨時間變化的曲線Fig.5 Time domain diagram ofΔe

4.3對比分析

為了進一步說明機器人ADRC（13）式的有效性和合理性，將其與控制器（10）式進行對比分析。

4.3.1跟蹤效果對比

圖6　第3個關節的軌跡跟蹤誤差（控制器為（10）式）Fig.6 Tracking errors of Joint3（controller is Eq.（10））

為了具有可比性，在（10）式中令位置增益kpi= βi1，速度增益kdi=βi2，其他參數亦不變。圖6為第3個關節的軌跡跟蹤結果，從圖6可見，跟蹤初始階段產生了很大誤差，調整增益，也沒有明顯改善。而當采用機器人ADRC（13）式時，自始至終的跟蹤誤差都不大（見圖3），這說明系統響應具有快速性，能夠解決快速性和超調之間的矛盾，這進一步說明了采用TD1安排系統過渡過程的合理性。

4.3.2對噪聲敏感程度對比

為了比較兩種控制器對噪聲的敏感程度，只改變量測白噪聲方差的取值，而保持上面的所有其他參數不變。前面白噪聲方差取值當放大到2.1R時，控制器（10）式由于噪聲的影響而失穩。然而，對于機器人ADRC（13）式，即使噪聲放大到10R甚至更高仍能進行有效的軌跡跟蹤，圖7為噪聲放大10倍時第3個關節的軌跡跟蹤結果。這充分說明了用TD2作為濾波估計器估計速度和加速度的合理性。

圖7　第3個關節的軌跡跟蹤（控制器為（13）式）Fig.7 Trajectory tracking of Joint3（controller is Eq.（13））

5　結論

本文提出了用TD跟蹤位移和估計速度的同時一并估計出加速度的新方法，拓展了TD的應用范圍。由被控對象的控制量與所估計加速度的反饋構成的“擴張狀態”實際上已使系統實現動態補償線性化，故無需建立并實時計算復雜的機器人模型，僅需知道機器人慣量矩陣的下界即可。由兩個TD構成的ADRC是針對非線性、強耦合的機器人系統而設計的，它在控制過程中只需給定期望位置。仿真與對比分析結果表明:用TD1安排系統的過渡過程使系統響應快且超調??；用TD2作為濾波估計器估計速度和加速度使這種控制器對量測噪聲具有很好的抑制作用；機器人在高速運動時，該控制器亦能實現較精確的跟蹤控制。這種ADRC也可用于其他運動控制當中。

（References）

［1］ 霍偉.機器人動力學與控制［M］.北京:高等教育出版社，2005:123-140. HUOWei.Robot dynamics and control［M］.Beijing:Higher Education Press，2005:123-140.（in Chinese）

［2］ 黃一，張文革.自抗擾控制器的發展［J］.控制理論與應用，2002，19（4）:485-492. HUANG Yi，ZHANG Wen-ge.Development of active disturbance rejection controller［J］.Control Theory＆amp;Applications，2002，19（4）:485-492.（in Chinese）

［3］ 高志強.自抗擾控制思想探究［J］.控制理論與應用，2013，30（12）:1498-1510. GAO Zhi-qiang.On the foundation of active disturbance rejection control［J］.Control Theory＆amp;Applications，2013，30（12）: 1498-1510.（in Chinese）

［4］ 夏元清，付夢印，鄧志紅，等.滑模控制和自抗擾控制的研究進展［J］.控制理論與應用，2013，30（2）:137-147. XIA Yuan-qing，FU Meng-yin，DENG Zhi-hong，et al.Recent developments in sliding mode control and active disturbance rejection control［J］.Control Theory＆amp;Applications，2013，30（2）: 137-147.（in Chinese）

［5］ 韓京清.控制系統的非光滑綜合［C］∥第十九屆中國控制會議論文集（二）.香港:中國自動化學會控制理論專業委員會，2000:483-488. HAN Jing-qing.Non-smooth feedback synthesis for control system［C］∥Proceedings of 19th Chinese Conference on Control.Hong Kong，China:Technical Committee on Control Theory，Chinese Association of Automation，2000:483-488.（in Chinese）

［6］ 韓京清.自抗擾控制器及其應用［J］.控制與決策，1998，13（1）:19-23. HAN Jing-qing.Auto-disturbances-rejection controller and its applications［J］.Control and Decision，1998，13（1）:19-23.（in Chinese）

［7］ Huang Y，Luo Z W，Svinin M，et al.Extended state observer based technique for control of robot systems［C］∥4th World Congress on Intelligent Control and Automation.Shanghai，China:Institute of Electrical and Electronics Engineers Inc，2002:2807-2811.

［8］ Su Y X，Duan B Y，Zheng C H，et al.Disturbance-rejection high-precision motion control of aStewart platform［J］.IEEE Transactions on Control Systems Technology，2004，12（3）:364-374.

［9］ 阮曉鋼，王旭，陳志剛.獨輪機器人的建模與自抗擾控制算法［J］.控制與決策，2015，30（12）:2253-2258. RUAN Xiao-gang，WANG Xu，CHEN Zhi-gang.Modeling and active disturbance rejection control algorithm of single wheel robot［J］.Control and Decision，2015，30（12）:2253-2258.（inChinese）

［10］ 熊有倫，丁漢，劉恩滄.機器人學［M］.北京:機械工業出版社，1993:200-219. XIONG You-lun，DING Han，LIU En-cang.Robotics［M］.Beijing:China Machine Press，1993:200-219.（in Chinese）

［11］ Hsia T C，Gao L S.Robot manipulator control using decentralized linear time-invariant time-delayed joint controllers［C］∥1990 IEEE International Conference on Robotics and Automation.Cincinnati，OH，US:IEEE，1990:2070-2075.

［12］ Ghorbel F，Srinivasan B，Spong MW.On the uniform boundedness of the inertia matrix of serial robot manipulators［J］.Journal of Robotic Systems，1998，15（1）:17-28.

［13］ Belanger PR，Dobrovolny P，Helmy A，et al.Estimation of angular velocity and acceleration from shaft-encoder measurements［J］.International Journal of Robotics Research，1998，17（11）:1225-1233.

［14］ 黃煥袍，武利強，韓京清，等.火電單元機組協調系統的自抗擾控制方案研究［J］.中國電機工程學報，2004，24（10）: 168-173. HUANG Huan-pao，WU Li-qiang，HAN Jing-qing，et al.A study of active disturbance rejection control on unit coordinated control system in thermal power plant［J］.Proceedings of the Chinese Society for Electrical Engineering，2004，24（10）:168-173.（in Chinese）

［15］ 韓京清，黃遠燦.二階跟蹤—微分器的頻率特性［J］.數學的實踐與認識，2003，33（3）:71-74. HAN Jing-qing，HUANG Yuan-can.Frequency characteristic of second-order tracking-differentiator［J］.Mathematics in Practice and Theory，2003，33（3）:71-74.（in Chinese）

［16］ Guo B Z，Zhao ZL.on convergence of racking differentiator［J］. International Journal of Control，2011，84（4）:693-701.

［17］ Li D Q，Xue D Y，Li T，et al.Dynamic model of a 3 DOF direct drive robot and its control mode［C］∥IEEE International Conference on Control and Automation.Guangzhou，China:IEEE Control Systems Society，2007:2694-2698.

［18］ 李述清，張勝修，劉毅男，等.根據系統時間尺度整定自抗擾控制器參數［J］.控制理論與應用，2012，29（1）:125-129. LI Shu-qing，ZHANG Sheng-xiu，LIU Yi-nan，et al.Parametertuning in active disturbance rejection controller using time scale［J］.Control Theory＆amp;Applications，2012，29（1）:125-129.（in Chinese）

［19］ Kane T R，Levinson D A.The use of Kane's dynamical equations in robotics［J］.International Journal of Robotics Research，1983，2（3）:3-21.

［20］ 李殿起，薛定宇，崔建國，等.一種新型的速度和加速度估計器［J］.系統仿真學報.2008，20（15）:4132-4135. LI Dian-qi，XUE Ding-yu，CUI Jian-guo，et al.Novel velocity and acceleration estimator［J］.Journal of System Simulation，2008，20（15）:4132-4135.（in Chinese）

Implementation of Active Disturbance Rejection Control of Robot by Tracking Differentiator

LI Dian-qi1，DUAN Yong2
（1.School of Mechanical Engineering，Shenyang University of Technology，Shenyang 110870，Liaoning，China；2.School of Information Science and Engineering，Shenyang University of Technology，Shenyang 110870，Liaoning，China）

A disturbance estimation-based nonlinear feedback control system for robots is presented，and its stability is demonstrated.On the basis of result，a novel active disturbance rejection controller（ARDC）is proposed，which avoids the burdensome online computation of robot inverse dynamics and implement the trajectory tracking of robots.The controller comprises two tracking differentiators（TDs），one is used to arrange the transient process of system，and the other is used to estimate velocity and acceleration.TD can attenuate measurement noise due to its filtering characteristic.“Extended state”，comprising the control input of controlled object and the feedback of estimated acceleration，is used to detect the real time effects of system model and the external disturbances，and then dynamically compensate their real-time effects.The proposed ARDC has the same good adaptability and expected robustness as previous ADRC，and it also has the characteristic of less parameters adjustment.Numerical results show that the control system has less overshoot，rapid response，and robustness.

control science and technology；robot；active disturbance rejection controller；acceleration estimation；tracking differentiator；extended state

TP24

A

1000-1093（2016）09-1721-09

10.3969/j.issn.1000-1093.2016.09.024

2015-12-24

國家自然科學基金項目（60905054）；遼寧省高等學校優秀科技人才支持計劃項目（LR2015045）；遼寧省自然科學基金項目（2015020010）

李殿起（1968—），男，副教授。E-mail:dianqi@126.com