Controllo di un

manipolatore seriale RRRRRR

completamente attuato
UNIVERSITÀ DI PISA
_______________________

SCUOLA DI INGEGNERIA

DIPARTIMENTO DI
INGEGNERIA
DELL’INFORMAZIONE

Corso di Laurea Magistrale

in Ingegneria Robotica e
dell’Automazione

CONTROLLO DEI ROBOT

Livio Bisogni Anno Accademico 2021-2022
Overview
– Descrizione del manipolatore
– Controllo cinematico
– Sintesi
– Simulazione (Metodo del gradiente — Controllo di postura)
– Simulazione (Metodo di Levenberg-Marquardt — Controllo di postura)
– Simulazione (Metodo di Levenberg-Marquardt — Inseguimento di traiettoria
circolare)

– Controllo dinamico
– Controllore PD
– Sintesi
– Simulazione (Pick and place)

– Controllore computed torque

– Sintesi
– Simulazione (Pick and place)
– Simulazione (Inseguimento di traiettoria circolare)
1/31
Overview
– Controllore backstepping
– Sintesi
– Simulazione (Pick and place)
– Simulazione (Inseguimento di traiettoria circolare)

– Controllo adattivo
– Controllore computed torque adattivo
– Sintesi
– Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
– Stima dei parametri

– Controllore backstepping adattivo

– Sintesi
– Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
– Stima dei parametri

2/31
Descrizione del manipolatore
– Manipolatore a 6 giunti rotoidali Puma 560
P. I. Corke and B. Armstrong-Helouvry, "A search for consensus among model parameters reported for the
PUMA 560 robot" Proceedings of the 1994 IEEE International Conference on Robotics and Automation, 1994,
pp. 1608-1613 vol.2, doi: 10.1109/ROBOT.1994.351360.

3/31
Descrizione del manipolatore

– Tabella di Denavit-Hartenberg

Linki 𝒂𝒊 𝜶𝒊 𝒅𝒊 𝜽𝒊

1 0 𝜋⁄2 0 𝑞"
2 0.4318 0 0 𝑞#
3 0.0203 − 𝜋⁄2 0.15005 𝑞$
4 0 𝜋⁄2 0.4318 𝑞%
5 0 − 𝜋⁄2 0 𝑞&
6 0 0 0 𝑞'

4/31
Controllo cinematico
Sintesi
– I metodi di controllo cinematico sfruttano il fatto di poter scegliere il valore della
variabile 𝑢 in:
𝑞̇ = 𝑢
– Il task è di posizionare l’end effector nella posizione e orientazione desiderata:
– 𝜉! (controllo di postura)
– 𝜉! (𝑡) (inseguimento di traiettoria)

– La dimensione del task è pari al numero di giunti del manipolatore (𝑚 = 6 = 𝑛)

– Lo scopo è annullare, rispettivamente:
– l’errore di posizionamento: 𝑒(𝑡) = 𝜉! − 𝜉(𝑡) (controllo di postura)
– l’errore di inseguimento: 𝑒(𝑡) = 𝜉! (𝑡) − 𝜉(𝑡) (inseguimento di traiettoria)

– L’approccio del metodo di Newton-Raphson ha lo svantaggio di essere instabile

nelle configurazioni che rendono singolare il jacobiano 𝐽, per cui qui non verrà
usato:
𝑢 = 𝐽(" 𝑒
5/31
Controllo cinematico
Sintesi
Approcci alternativi (numericamente stabili) qui usati sono:
– Il metodo di discesa del gradiente (steepest descent), per il controllo di postura:
𝑢 = 𝐾𝐽) 𝑒

dove 𝐾 è una matrice definita positiva.

– Il metodo di Levenberg-Marquadt (pseudoinversa smorzata), per
– il controllo di postura:
(" )
𝑢 = 𝐽) 𝐽 + 𝜇* 𝑑𝑖𝑎𝑔 𝐽) 𝐽 𝐽 𝑒
– e l’inseguimento di movimento:
(" )
𝑢 = 𝐽) 𝐽 + 𝜇* 𝑑𝑖𝑎𝑔 𝐽) 𝐽 𝐽 𝜉+̇ + 𝐾𝑒
dove 𝐾 è una matrice definita positiva (ad es. diagonale, per semplicità) e 𝜇* > 0
(il caso 𝜇* = 0 degenera nel metodo della pseudoinversa).

6/31
Controllo cinematico — Metodo del gradiente
Simulazione (Controllo di postura) )
Configurazione desiderata: 𝜉+ = 0.2 0.4 0.6 0 0 0
End-e,ector error
0.6
e1 = 9d;1 ! 91
Translation Error [m]

e1 = 9d;2 ! 92
0.4
e3 = 9d;3 ! 93

0.2

-0.2

-0.4
0 10 20 30 40 50 60
t [s]

0.8
e4 = 9d;4 ! 94
Rotation Error [rad]

0.6
e5 = 9d;5 ! 95
0.4 e6 = 9d;6 ! 96

0.2

-0.2

-0.4

-0.6

-0.8
0 10 20 30 40 50 60
7/31
t [s]
Controllo cinematico — Metodo di Levenberg-Marquardt
Simulazione (Controllo di postura) )
Configurazione desiderata: 𝜉+ = 0.2 0.4 0.6 0 0 0
End-e,ector error
0.6
e1 = 9d;1 ! 91
Translation Error [m]

e1 = 9d;2 ! 92
0.4
e3 = 9d;3 ! 93

0.2

-0.2

-0.4
0 2 4 6 8 10 12 14 16 18 20
t [s]

1
e4 = 9d;4 ! 94
Rotation Error [rad]

0.8 e5 = 9d;5 ! 95
e6 = 9d;6 ! 96
0.6

0.4

0.2

-0.2

-0.4
0 2 4 6 8 10 12 14 16 18 20
8/31
t [s]
Controllo cinematico — Metodo di Levenberg-Marquardt
Simulazione (Inseguimento di traiettoria circolare) )
! # ! ! #
Configurazione desiderata: 𝜉+ (𝑡) = "
sin 𝑡$ " "
cos 𝑡$
0 0 0
End-e,ector error
0.8
e1 = 9d;1 ! 91
Translation Error [m]

0.6 e1 = 9d;2 ! 92
e3 = 9d;3 ! 93
0.4

0.2

-0.2

-0.4

-0.6
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t [s]

1
e4 = 9d;4 ! 94
Rotation Error [rad]

0.8 e5 = 9d;5 ! 95
e6 = 9d;6 ! 96
0.6

0.4

0.2

-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
9/31
t [s]
Controllo dinamico
– Si basa sull’equazione dinamica:
𝑀 𝑞 𝑞̈ + 𝐶 𝑞, 𝑞̇ 𝑞̇ + 𝐺 𝑞 = 𝜏

Dove:
– 𝑞: vettore degli angoli di giunto del seriale
– 𝑀 𝑞 : matrice di inerzia
– 𝐶 𝑞, 𝑞̇ : matrice delle forze centrifughe e di Coriolis
– 𝐺 𝑞 : matrice dei termini gravitazionali
– 𝜏: vettore delle forze generalizzate

– Le forze generalizzate 𝜏 sono legate alle forze sugli attuatori 𝑓 dalla seguente
equazione lineare:
𝜏=𝐹 𝑞 𝑓
– Il numero di attuatori è pari al numero di giunti (𝑙 = 6 = 𝑛) per cui la matrice
𝐹(𝑞) è quadrata e, supponendola invertibile nelle configurazioni 𝑞 di interesse,
(rank 𝐹(𝑞) = 𝑛), il sistema è completamente attuato.
10/31
Controllore PD
Sintesi
– Si basa sul far coincidere le forze generalizzate con termini proporzionali
all’errore di posizione e alla sua derivata:
𝜏 = 𝐾, 𝑒 + 𝐾- 𝑒̇
con 𝐾, e 𝐾- matrici diagonali definite positive.
– Per compensare l’azione di gravità agente sui giunti si preferisce aggiungere il
termine 𝐺, ottenendo un controllore PD indipendente con compensazione di
gravità (legge di Arimoto):
𝜏 = 𝐾, 𝑒 + 𝐾- 𝑒̇ + 𝐺 𝑞
– Se la configurazione desiderata è costante ( 𝑞̇ + = 𝑞̈ + = 0) allora il punto
𝑒(𝑡) = 𝑒(𝑡)
̇ = 0 è di equilibrio poiché si ha:
𝑀 𝑞+ 𝑞̈ + + 𝐶 𝑞+ , 𝑞̇ + 𝑞̇ + = 0

altrimenti ciò non è più garantito.

– Pertanto, va bene solo per controlli punto a punto.
11/31
Controllore PD
Simulazione (pick and place) $ # # # )
Configurazione pick: 𝑞+," = 𝜋 % %
𝜋 0 % "
# # # )
Configurazione start and place: 𝑞+,# = 0 %
𝜋 0 % "
Joint errors
2.5
e1
e2
2 e3
e4
e5
1.5
e6

0.5
e [rad]

-0.5

-1

-1.5

-2

-2.5
0 2 4 6 8 10 12 14 16 18 20
12/31
t [s]
Controllore computed torque
Sintesi
– Nell’ipotesi di:
– poter calcolare un modello esatto per la dinamica del manipolatore
– poter misurare 𝑞 𝑡 e 𝑞̇ 𝑡
la coppia di controllo da applicare è:
𝜏(𝑞, 𝑞,̇ 𝑒, 𝑒)̇ = 𝑀 𝑞 𝑞̈ + + 𝐶 𝑞, 𝑞̇ 𝑞̇ + 𝐺 𝑞 + 𝐾′, 𝑒 + 𝐾′- 𝑒̇

– Scegliendo i guadagni come matrici diagonali definite positive 𝐾′, = 𝑀(𝑞)𝐾,

e 𝐾′- = 𝑀(𝑞)𝐾- , si ha la convergenza a zero per la dinamica dell’errore di
inseguimento:
𝑒̈ + 𝐾- 𝑒̇ + 𝐾, 𝑒 = 0
– Se 𝐾- e 𝐾, sono matrici diagonali, si hanno 𝑛 = 6 sistemi del secondo ordine
disaccoppiati ed indipendenti.
– Inoltre, se definite positive si ha che il punto 𝑒̇ = 𝑒 = 0 è di equilibrio
asintoticamente stabile (anche nel caso di inseguimento).
13/31
Controllore computed torque
Simulazione (Pick and place) $ # # # )
Configurazione pick: 𝑞+," = 𝜋 % %
𝜋 0 % "
# # # )
Configurazione start and place: 𝑞+,# = 0 %
𝜋 0 % "
Joint errors
2.5
e1
e2
2 e3
e4
e5
1.5
e6

0.5
e [rad]

-0.5

-1

-1.5

-2

-2.5
0 2 4 6 8 10 12 14 16 18 20
14/31
t [s]
Controllore computed torque
Simulazione (Inseguimento di traiettoria circolare)
#10!4
Joint errors
5
EE translation EE orientation
0.6 4 e1
Spatial coordinates [m]

x Roll
0.5
y
3
Pitch e2

RPY angles [rad]

0.4 z 2 Yaw e3
0.3 1 e4
4 0.2 0
e5
0.1 -1
e6
0 -2

-0.1 -3

-0.2 -4
0 5 10 15 20 0 5 10 15 20
3 t [s] t [s]
XY view 3D view
0.1
e [rad]

#10!9
0.05
0
2
y [m]

-2
0
z [m]

-4

-6
-0.05 0.1
-8
0
1 -10
-0.1 0.35
0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.4 0.45 0.5 0.55 -0.1
0.6 0.65 y [m]
x [m] x [m]

-1
0 2 4 6 8 10 12 14 16 18 20
15/31
t [s]
Controllore backstepping
Sintesi
– Si suddivide il problema di controllo in due fasi:
1. controllare il modello cinematico usando le velocità come ingressi nominali
2. design di un controllore tale che le velocità reali del manipolatore (𝑞)̇ tendano
a quelle di riferimento (𝑞̇ " ) usate per il controllo in velocità

– Definendo:
– 𝑒 = 𝜉! − 𝜉, l’errore di inseguimento nello spazio operativo
– 𝑠 = 𝑞̇ " − 𝑞̇ = 𝐽#$ 𝑞 𝑒̇ + Λ𝑒 , l’errore in velocità ( Λ matrice di guadagni
simmetrica e definita positiva)

si applica la seguente legge di controllo:

𝜏 = 𝑀 𝑞 𝑞̈ / + 𝐶 𝑞, 𝑞̇ 𝑞̇ / + 𝐺 𝑞 + 𝐾+ 𝑠 + 𝐽) 𝑒
– Si dimostra via Lyapunov che la legge così definita rende l’equilibrio 𝑒, 𝑠 =
0,0 g.a.s. e pertanto la traiettoria dell’end-effector convergerà
asintoticamente a quella desiderata.
16/31
Controllore backstepping
Simulazione (Pick and place) $ # # # )
Configurazione pick: 𝑞+," = 𝜋 % %
𝜋 0 % "
# # # )
Configurazione start and place: 𝑞+,# = 0 %
𝜋 0 % "
Joint errors
2.5
e1
e2
2 e3
e4
e5
1.5
e6

0.5
e [rad]

-0.5

-1

-1.5

-2

-2.5
0 2 4 6 8 10 12 14 16 18 20
17/31
t [s]
Controllore backstepping
Simulazione (Inseguimento di traiettoria circolare)
#10!4
Joint errors
4.5
EE translation EE orientation
0.6 4 e1
Spatial coordinates [m]

0.5
x
3
Roll e2
y Pitch
e3

RPY angles [rad]

4 z Yaw
0.4 2
e4
0.3 1 e5
3.5
0.2 0 e6
0.1 -1

0 -2

3 -0.1 -3

-0.2 -4
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
2.5
XY view 3D view
e [rad]

2 #10!6
0.05
10
y [m]

1.5 0
5
z [m]

-0.05 0 0.1

1 0
-5
-0.1 0.4
0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.45 0.5 -0.1
0.55 0.6 y [m]
x [m] x [m]
0.5

-0.5
0 2 4 6 8 10 12 14 16 18 20
18/31
t [s]
Controllo adattivo
Sintesi

– Nella realtà, (purtroppo) non conosciamo con esattezza il modello dinamico

del sistema (le matrici dinamiche): 𝑀 𝑞 , 𝐶 𝑞, 𝑞̇ , 𝐺 𝑞
X 𝑞 , 𝐶Y 𝑞, 𝑞̇ , 𝐺Z 𝑞
– Conosciamo soltanto sue approssimazioni: 𝑀
– Le loro differenze sono le matrici di errore di modello:
\ 𝑞 =𝑀
𝑀 X 𝑞 −𝑀 𝑞
[𝐶] 𝑞, 𝑞̇ = 𝐶Y 𝑞, 𝑞̇ − 𝐶 𝑞, 𝑞̇
𝐺^ 𝑞 = 𝐺Z 𝑞 − 𝐺 𝑞
– Il controllo è basato sulle matrici approssimate

19/31
Controllore computed torque adattivo
Sintesi
C. D. Sousa, SymPyBotics software (available at [Link] an opensource
Python package for symbolic robot dynamics, based on SageRobotics (Sousa and Cortesão, 2012), doi:
10.5281/zenodo.11365

– È ancora possibile controllare il sistema mediante la legge di controllo:

X 𝑞 𝑞̈ + + 𝐾- 𝑒̇ + 𝐾, 𝑒 + 𝐶Y 𝑞, 𝑞̇ 𝑞̇ + 𝐺Z 𝑞
𝜏 𝑞, 𝑞,̇ 𝑒, 𝑒̇ = 𝑀
X 𝑞 , 𝐶Y 𝑞, 𝑞̇ , e 𝐺Z 𝑞 stime delle matrici del sistema.
con 𝑀
– Esprimendo la dinamica del sistema via regressore, la dinamica dell’errore
X 𝑞 invertibile):
d’inseguimento diviene (supponendo 𝑀
X (" 𝑞 𝑌 𝑞, 𝑞,̇ 𝑞̈ 𝜋` = 𝜂
𝑒̈ + 𝐾- 𝑒̇ + 𝐾, 𝑒 = 𝑀

dove 𝜋` = 𝜋 − 𝜋b rappresenta l’errore di stima dei parametri non noti.

A causa di 𝜂 non è garantita la convergenza a zero dell’errore d’inseguimento 𝑒(𝑡)

20/31
Controllore computed torque adattivo
Sintesi

– Si fa in modo che la stima dei parametri dinamici 𝜋b venga aggiornata durante

l’esecuzione del controllo stesso, con legge di aggiornamento:
𝜋ḃ = 𝑢0 = 𝑅(" 𝑌 ) 𝑞,𝑞,̇ 𝑞̈ 𝑀
X () 𝑞 𝐵) 𝑃ξ

con 𝐵 = 0 𝐼 ) , 𝜉 = (𝑒, 𝑒)̇ ) , 𝑅 matrice quadrata definita positiva, e 𝑃

soluzione dell’equazione di Lyapunov:
𝐴) 𝑃 + 𝑃𝐴 = −𝑄, 𝑄>0

Il sistema in ciclo chiuso tende ad azzerare l’errore di inseguimento 𝑒(𝑡), ma

nulla è garantito sulla convergenza dell’errore di stima 𝜋`

21/31
Controllore computed torque adattivo
Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
Traiettoria desiderata:
)
𝑎%,' 𝑏%,'
𝑞%,! 𝑡 =5 sin 𝜔* 𝑙𝑡 − cos 𝜔* 𝑙𝑡
𝜔* 𝑙 𝜔* 𝑙
'($
)

𝑞̇ %,! 𝑡 = 5 𝑎%,' cos 𝜔* 𝑙𝑡 + 𝑏%,' sin 𝜔* 𝑙𝑡 𝑖 = 1, … , 𝑛

'($
)

𝑞̈ %,! 𝑡 = 𝜔* 𝑙 5 −𝑎%,' sin 𝜔* 𝑙𝑡 + 𝑏%,' cos 𝜔* 𝑙𝑡

'($

dove:
– 𝜔1 è la frequenza fondamentale (comune a tutti i giunti, per rendere periodica
la traiettoria eccitante)
– 𝑎2,3 e 𝑏2,3 sono i coefficienti della serie di Fourier
– 𝐿 è l’ordine della serie di Fourier
22/31
Controllore computed torque adattivo
Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
S. Krishnamoorthi, "Model-Based Compensation for Serial Manipulators through Semi-Parametric Gaussian
Process Regression" Master of Science Thesis, 2018, Faculty of Mechanical, Maritime and Materials
Engineering (3mE), Delft University of Technology, Delft, Netherlands

𝜔1 = 1 Hz
𝐿=4

23/31
Controllore computed torque adattivo
Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
Joint errors
0.6
e1
e2
e3
0.4
e4
e5
e6
0.2

-0.2
e [rad]

-0.4

-0.6

-0.8

-1

-1.2
0 2 4 6 8 10 12 14 16 18 20
24/31
t [s]
 Controllore computed torque adattivo
Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
Joint trajectories
2 2
q1 q2
Joint 1 [rad]

Joint 2 [rad]
q1;d 1 q2;d
1
0
0
-1

-1 -2
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
1 1
q3 q4
Joint 3 [rad]

Joint 4 [rad]
q3;d 0.5 q4;d
0.5

0
0
-0.5

-0.5
-1
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
1
2
q5 q6
Joint 5 [rad]

Joint 6 [rad]

0.5 q5;d q6;d

1
0
0
-0.5
-1
-1
-2
0 5 10 15 20 0 5 10 15 20
25/31
t [s] t [s]
Controllore computed torque adattivo
Stima dei parametri
𝒎𝟏 [kg] 𝒎𝟐 [kg] 𝒎𝟑 [kg] 𝒎𝟒 [kg] 𝒎𝟓 [kg] 𝒎𝟔 [kg]
𝜋 0 17.4 4.8 0.82 0.34 0.09
𝜋, , 0.05 16 5 0.7 0.5 0.15
Mass Estimation
0.06 17.5
b1
m b2
m
Mass 1 [kg]

Mass 2 [kg]
m1 m2
0.04 17

0.02 16.5

0 16
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
5 0.85
b3
m b4
m
Mass 3 [kg]

Mass 4 [kg]
4.95 m3 0.8 m4

4.9 0.75

4.85 0.7

4.8 0.65
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
0.6 0.25
b5
m b6
m
Mass 5 [kg]

Mass 6 [kg]

m5 m6
0.5 0.2

0.4 0.15

0.1
0.3
0 5 10 15 20 0 5 10 15 20
26/31
t [s] t [s]
Controllore backstepping adattivo
Sintesi

– È ancora possibile controllare il sistema mediante la legge di controllo:

𝜏 = 𝑌 𝑞, 𝑞̇ / , 𝑞̈ / 𝜋b + 𝐾+ 𝑠 + 𝑒
con 𝑒 = 𝑞/ − 𝑞, 𝑠 = 𝑒̇ + Λ𝑒 = 𝑞̇ / − 𝑞.̇
– Si aggiornano i parametri dinamici 𝜋b con legge di aggiornamento:
𝜋ḃ = 𝑢0 = 𝑅(" 𝑌 ) 𝑞, 𝑞̇ / , 𝑞̈ / 𝑠
dove 𝑅 è una matrice simmetrica definita positiva di design.
– Si ha convergenza dell’errore di inseguimento 𝑒(𝑡), tuttavia anche in questo
caso non è garantita circa la convergenza dei parametri.
– Non è richiesto il computo di 𝑀 X (" 𝑞 , il che rende il metodo numericamente
più semplice (oltre al fatto che possa non esistere).

27/31
Controllore backstepping adattivo
Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
Joint errors
0.6
e1
e2
e3
0.4
e4
e5
e6
0.2

-0.2
e [rad]

-0.4

-0.6

-0.8

-1

-1.2
0 2 4 6 8 10 12 14 16 18 20
28/31
t [s]
 Controllore backstepping adattivo
Simulazione (Inseguimento di traiettoria da FFS - Finite Fourier Series)
Joint trajectories
2 2
q1 q2
Joint 1 [rad]

Joint 2 [rad]
q1;d 1 q2;d
1
0
0
-1

-1 -2
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
1 1
q3 q4
Joint 3 [rad]

Joint 4 [rad]
q3;d 0.5 q4;d
0.5

0
0
-0.5

-0.5
-1
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
1
2
q5 q6
Joint 5 [rad]

Joint 6 [rad]

0.5 q5;d q6;d

1
0
0
-0.5
-1
-1
-2
0 5 10 15 20 0 5 10 15 20
29/31
t [s] t [s]
Controllore backstepping adattivo
Stima dei parametri
𝒎𝟏 [kg] 𝒎𝟐 [kg] 𝒎𝟑 [kg] 𝒎𝟒 [kg] 𝒎𝟓 [kg] 𝒎𝟔 [kg]
𝜋 0 17.4 4.8 0.82 0.34 0.09
𝜋, , 0.05 16 5 0.7 0.5 0.15
Mass Estimation
0.06 17.5
b1
m b2
m
Mass 1 [kg]

Mass 2 [kg]
m1 m2
0.04 17

0.02 16.5

0 16
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
0.85
5 b3
m b4
m
Mass 3 [kg]

Mass 4 [kg]
m3 m4
4.95 0.8

4.9
0.75
4.85

4.8 0.7
0 5 10 15 20 0 5 10 15 20
t [s] t [s]
0.5 0.16
b5
m b6
m
Mass 5 [kg]

Mass 6 [kg]

m5 m6
0.45 0.14

0.4
0.12
0.35
0.1
0.3
0 5 10 15 20 0 5 10 15 20
30/31
t [s] t [s]
Controllo adattivo
Stima dei parametri
– Né col controllo a coppia calcolata né col controllo backstepping adattivi si è
ottenuta la convergenza dei parametri ai valori reali – cosa in effetti non garantita
– Pertanto, i riferimenti usati nelle simulazioni non eccitano sufficientemente la
dinamica dell’errore di stima tanto da permettere il raggiungimento di stima
esatta nell’intervallo di tempo considerato
– In generale, l’errore di stima 𝜋` tende a un valore costante 𝜋p̀ tale per cui, ad ogni
istante 𝑡 considerato:
𝑌 𝑞,𝑞,̇ 𝑞̈ 𝜋p̀ = 0
– La matrice di regressione varia nel tempo, per cui 𝜋p̀ deve stare nell’intersezione
di tutti i nulli delle varie matrici 𝑌
– Inoltre, poiché la colonna di 𝑌 corrispondente alla stima della massa del primo
link è sempre nulla, la sua stima 𝑚
q " rimarrà sempre invariata rispetto al valore di
stima iniziale 𝑚
q ",*
– Ciò con qualsiasi riferimento, anche qualora fosse sufficientemente eccitante
31/31
–Grazie per l’attenzione