邱志成 肖駿 劉金國

摘要：針對柔性臂的振動問題，設(shè)計并搭建了一套基于雙目視覺檢測，以伺服電機驅(qū)動控制的柔性臂實驗平臺進行研究。根據(jù)電機的運行狀態(tài)將柔性臂振動分為定點振動和旋轉(zhuǎn)振動，通過雙目視覺對柔性臂上的特征點進行三維重建，進而獲取柔性臂的定點和旋轉(zhuǎn)振動信號。對振動信號進行模態(tài)分析獲取柔性臂的振動特性，并據(jù)此設(shè)計基于蟻群優(yōu)化參數(shù)的PD控制器抑制柔性臂的彎曲振動，然后與常規(guī)PD控制效果進行比較。實驗結(jié)果表明，基于蟻群優(yōu)化參數(shù)的PD控制能夠在較短時間內(nèi)有效抑制柔性臂的定點振動，相較于常規(guī)PD控制抑振效果有明顯改善，并且旋轉(zhuǎn)振動的抑制效果也很顯著，以此驗證了蟻群PD控制算法在快速抑振上的有效性。

關(guān)鍵詞：柔性臂;雙目視覺;三維重建;蟻群優(yōu)化;振動控制

DOI：10.15938/j.emc.2019.10.015

中圖分類號：TP241文獻標志碼：A 文章編號：1007-449X（2019）10-0129-10

0引言

柔性材料由于質(zhì)量輕、靈活度高等特點，在航空航天領(lǐng)域中被廣泛應(yīng)用于柔性關(guān)節(jié)和太陽能帆板等結(jié)構(gòu)上，其中不乏細長的柔性臂結(jié)構(gòu)。此類結(jié)構(gòu)易受激產(chǎn)生持續(xù)振動從而影響航天器的正常工作。因此對柔性臂結(jié)構(gòu)的振動控制研究具有重要意義。

目前對于柔性臂結(jié)構(gòu)的振動問題國內(nèi)外已有大量相關(guān)研究和文獻，包含了各種動力學(xué)建模思想和振動檢測控制方法等。Chu和Cui采用壓電驅(qū)動器和應(yīng)變儀，基于輸入整形器和自適應(yīng)正位置反饋，研究了雙連桿柔性臂的振動控制問題。Qiu等使用壓電片檢測旋轉(zhuǎn)雙連接柔性梁的振動信號，使用有限元法對系統(tǒng)進行動力學(xué)建模分析，并設(shè)計了智能主動控制算法進行振動抑制。朱曉錦等利用光纖光柵材料研究了太空柔性多關(guān)節(jié)機械臂，仿真實現(xiàn)了柔性結(jié)構(gòu)的振動形態(tài)三維擬合和可視化顯示。

以上方法多采用壓電陶瓷片或者加速度計作為柔性臂振動檢測的傳感器，這些接觸式測量手段帶來的附加質(zhì)量會在一定程度上改變?nèi)嵝员鄣慕Y(jié)構(gòu)特性，影響實驗效果。而雙目視覺作為一種非接觸式的測量手段可以有效避免前者的缺陷，同時獲取視場范圍內(nèi)的多特征點的三維信息。楊唐文等研究了一種基于雙目視覺的運動物體實時跟蹤與測距的實現(xiàn)方法，提出了一種無需重新標定即能實現(xiàn)運動目標搜索和測量的算法。張春芳針對大型柔性在軌結(jié)構(gòu)，探索了基于雙目視覺進行振動測量的方法，但是并沒有探討振動抑制的問題。

蟻群算法是一種最新發(fā)展的仿生優(yōu)化算法，最初在解決著名的旅行商問題（travelling salesmanproblem，TSP）上得到有效應(yīng)用。蟻群算法是通過內(nèi)部信息的積累和多次迭代更新而收斂于最優(yōu)路徑，因此具有全局的收斂能力，但是由于尋優(yōu)開始階段信息素不足，從而導(dǎo)致了尋優(yōu)初期內(nèi)部信息累積時間相對較長，求解相對緩慢。該算法采用正反饋并行自催化機制，具有較強魯棒性、優(yōu)良的分布計算機制、易于與其他算法結(jié)合等優(yōu)點。K.V.Laksh-mi Narayana等針對錐形頂儲罐開發(fā)了基于蟻群參數(shù)優(yōu)化的PID參數(shù)自調(diào)節(jié)控制器，改進了設(shè)定值的跟蹤效果。然而目前還沒有將蟻群優(yōu)化算法用于優(yōu)化控制器參數(shù)，以控制柔性臂結(jié)構(gòu)振動的相關(guān)研究。

針對現(xiàn)有研究中的不足，本文基于雙目相機和伺服電機搭建了一套用于柔性臂振動測控的實驗平臺，驅(qū)動電機的起停使柔性臂產(chǎn)生定點振動和旋轉(zhuǎn)振動;然后采用雙目三維重建的方法對柔性臂的定點和旋轉(zhuǎn)振動信號進行檢測和分析，獲取臂結(jié)構(gòu)的振動特性，并據(jù)此設(shè)計了基于蟻群優(yōu)化參數(shù)的PD控制器，通過實驗觀察控制效果并與常規(guī)PD控制進行比較。實驗結(jié)果驗證了提出控制算法的有效性。

1實驗控制系統(tǒng)構(gòu)成

圖1顯示了實驗系統(tǒng)控制結(jié)構(gòu)示意圖。柔性臂一端通過輪轂固定在行星減速器輸出軸上，另一端表面粘貼有黑色圓片承載振動信息，整體通過伺服電機經(jīng)由減速器減速后驅(qū)動;2個工業(yè)相機固定在滑軌上，采集圖片經(jīng)由網(wǎng)線傳輸至計算機進行相應(yīng)處理;電機驅(qū)動信號由計算機生成，經(jīng)由運動控制卡傳遞到伺服驅(qū)動器上，以速度模式驅(qū)動電機旋轉(zhuǎn)。

本實驗中的數(shù)據(jù)是以一定的采樣頻率采集的，故需將狀態(tài)空間方程按對應(yīng)的采樣周期T_s進行離散化處理;離散化狀態(tài)空間方程模型可根據(jù)采集好的輸入輸出數(shù)據(jù)，用MATLAB辨識工具箱進行辨識。

2雙目三維重建

雙目立體視覺模擬人眼對空間的感知，利用兩臺攝像機同時獲取同一場景的圖像對，進而進行場景重建、目標定位和測距等。圖2所示為雙目視覺的三維重建過程的幾個主要步驟。

由于雙目三維重建的特征點提取不受柔性臂姿態(tài)的影響，因此非常適用于相機視場范圍內(nèi)柔性臂大范圍運動時的定點和旋轉(zhuǎn)振動檢測。

2.1針孔攝像機模型及其標定

根據(jù)攝像機標定原理，像素坐標系O_o-UV中的像素點（u，v）和世界坐標系O_w-X_wY_wZ_w中的三維點（x_w，y_w，Z_w）之間存在轉(zhuǎn)換關(guān)系為

其中z_c表示目標點在相機坐標系O_c-X_cY_cZ_c中Z_c軸的坐標，f_x和f_y分別是圖像坐標系O₁-XY中X軸和Y軸方向的歸一化焦距，（u_o，v_o）是光心在像素坐標系O_o-UV下的坐標;R=（r_ij）_3×3和T=（t_x，t_y，t_z）^T分別為旋轉(zhuǎn)矩陣和平移矩陣，用來描述O_c-X_cY_cZ_c和O_w-X_wY_wZ_w之間的轉(zhuǎn)換關(guān)系。式中，f_y，f_y，u_o，v_o4個參數(shù)只與相機內(nèi)部結(jié)構(gòu)有關(guān)，稱為相機內(nèi)部參數(shù);而矩陣R和向量T與相機的位置及姿態(tài)有關(guān)，而與相機結(jié)構(gòu)無關(guān)，稱為相機外部參數(shù);確定相機內(nèi)、外部參數(shù)的過程，就是相機標定。本文采用基于棋盤格標定板的張正友標定法，通過MATLAB標定工具箱對相機進行標定。

2.2雙目空間坐標測量模型

圖3為兩臺相機組成的雙目測量模型示意圖。其中，O_w-X_wY_wZ_w下空間中任意一點P（x，y，Z）在兩相機拍攝下的像素坐標為p₁（u₁，v₁）和p₂（u₂，U₂）。

上標表示相機編號，采用最小二乘法求解得到

P=（A_TA）^-1A_TB。

（6）

這樣在已知兩相機內(nèi)外參以及特征點投影的一對像素坐標的情況下，便可由式（6）重建出空間任意一點的三維坐標。

2.3柔性臂振動檢測方案

2.3.1特征點三維坐標測量

柔性臂表面粘附的兩塊黑色圓片跟隨柔性臂一起振動，作為承載振動信息的特征圖樣，其圓心便是需要進行三維重建的特征點。

對于實時采集的圖像，首先需要校正因鏡頭產(chǎn)生的圖像畸變，降低圖像像素誤差。然后進行圖像預(yù)處理，包括圖像感興趣區(qū)域（region of interest，ROI）提取、圖像濾波和閾值分割等，目的是降低圖像噪聲，突出特征圖樣，提高圖像處理的速度和準確性。接著進行邊緣檢測和提取，以便分離和提取出黑色圓片的輪廓，并對其輪廓以橢圓擬合，從而得到圓心的像素坐標。圖4顯示了ROI提取和橢圓擬合的效果。

最后對左右相機采圖得到的特征點進行立體匹配，利用得到的像素坐標對根據(jù)式（6）求出特征點的三維坐標，完成三維重建。

2.3.2振動信號獲取

1）柔性臂定點振動檢測。

柔性臂的定點振動是指當伺服電機在靜止狀態(tài)下由外力激振而產(chǎn)生的振動。首先任取一圓片的圓心P為特征點，作為柔性臂振動信息的反饋。對于定點振動，首先需要明確臂的初始狀態(tài)，故在激振前先拍攝60幀臂的靜止狀態(tài)的圖像，依次處理得到特征點的三維坐標后，取平均值作為初始點的初始世界坐標P_o（x_o，y_o，z_o），即：

激振之后，對采集到的t時刻的圖像進行處理得到圓心P的世界坐標P（t）=（x（t），y（t），Z（t）），對于小幅值振動，振動位移S（t）可用點P和P_o之間的歐式距離來衡量，由于世界坐標系的Z軸基本與柔性臂表面垂直，故正負基于z（t）-Z_o的符號來判定，即

2）柔性臂旋轉(zhuǎn)振動檢測。

柔性臂的旋轉(zhuǎn)振動是指當伺服電機帶動中心剛體旋轉(zhuǎn)時被自身力矩激勵而產(chǎn)生持續(xù)振動。圖5為柔性臂旋轉(zhuǎn)振動示意圖。

為了求解P′點的坐標，需要確定中心轉(zhuǎn)軸在世界坐標系O_w-X_wY_wZ_w下的表達，假設(shè)轉(zhuǎn)軸通過一點Q=（x_q，y_q，Z_q）且方向為n=（n_x，n_y，n_z），則該轉(zhuǎn)軸被完全定義。利用相機采集柔性臂以初始位置為基準，轉(zhuǎn)角在±45°范圍內(nèi)（視場范圍內(nèi)）均布的一系列圖像，然后通過圖像處理得到包含P點位于不同位置時的空間點集S={P_i（x_iy_iz_i|i=1，2，…}（在空間中實際上呈一段圓弧狀）。對點集S按公式Ax+By+Cz+D=0進行平面擬合，顯然轉(zhuǎn)軸應(yīng)垂直于擬合平面π，故可令

n=（n_x，n_y，n_z）=（A，B，C）。（10）

然后按公式（x_c-x）²+（y_c-y）²+（Z_c-z）²=r²進行圓錐擬合，其中r為一定值且應(yīng)比點P的旋轉(zhuǎn)半徑大。擬合得到的點C（x_c，y_c，z_c）和S包含點的連線實際上構(gòu)成了某一圓錐的一系列母線，顯然點C作為錐頂應(yīng)在轉(zhuǎn)軸上，故可令

Q=（x_q，y_q，Z_q）=（x_c，y_c，Z_c）。（11）

擬合過程可用MATLAB的cftool工具箱完成。

將式（13）代入式（9）中，可求出臂的旋轉(zhuǎn)振動位移。

3基于蟻群優(yōu)化的PD控制器設(shè)計

蟻群算法是一種針對離散優(yōu)化問題的元啟發(fā)式算法，它利用一群人工螞蟻的協(xié)作進行尋優(yōu)。針對PD控制參數(shù)的蟻群優(yōu)化，首先需要定義一個有向圖，并且使得圖中的完整路徑所包含的節(jié)點和PD參數(shù)具有——映射關(guān)系;然后單個螞蟻對爬過的路徑所對應(yīng)的PD參數(shù)根據(jù)事先定義好的適度函數(shù)評價其優(yōu)劣，接著在路徑上留下相應(yīng)的信息素，作為螞蟻之間互相協(xié)作的媒介;隨著螞蟻路徑尋優(yōu)過程的迭代，那些優(yōu)良的解所包含的路徑將會有更多的信息素沉積，從而有更大機會吸引螞蟻通過，進而加強路徑的吸引力;最后在迭代末期，整個蟻群將逐漸向包含最優(yōu)路徑的參數(shù)收斂，達到自動優(yōu)化PD參數(shù)的目的。圖6所示為基于蟻群優(yōu)化的PD控制器的算法框圖。

3.1PD參數(shù)的蟻群優(yōu)化問題抽象

圖7所示為將PD參數(shù)抽象而成的包含一系列節(jié)點的有向圖。

圖中共有7列節(jié)點，每列的編號如圖上方的數(shù)字所示，其中位于第0列的s節(jié)點為起始結(jié)點，其余6列各自包含從0到9共10個節(jié)點。人工螞蟻從S節(jié)點開始，從左往右依次選擇各列的一個節(jié)點爬行，直到第6列某一節(jié)點后停止，完成一次完整路徑的構(gòu)建。由此可見，一條完整的路徑即為一個6位數(shù)的數(shù)字序列，假設(shè)該6位數(shù)前三位組成的十進制數(shù)N_p代表參數(shù)K_p，后三位組成的十進制數(shù)N_d代表參數(shù)K_d，兩者的轉(zhuǎn)換關(guān)系為：

其中的[K_pmin，K_pmax]和[K_dmin，K_dmax]分別用于限制K_p和K_d的取值范圍。至此PD參數(shù)的優(yōu)化過程便轉(zhuǎn)化為了人工螞蟻在有向圖上尋找最優(yōu)路徑的過程。

3.2適度函數(shù)建立

適度函數(shù)用于評價PD參數(shù)的優(yōu)劣，其選擇合理性關(guān)乎系統(tǒng)的控制性能，為了獲得較好的控制效果，可以將系統(tǒng)的輸出量和控制誤差作為考量指標。因此，采用適度函數(shù)為

J=w₁|e（k）|+w₂u²（k）。（15）其中k表示當前迭代次數(shù)，w₁和w₂為權(quán)值，視具體實驗情況而定。

3.3節(jié)點選擇

螞蟻爬行節(jié)點的選擇是路徑構(gòu)建的基礎(chǔ)。約定第m列第i節(jié)點的編號為（m，i），且起始結(jié)點S的編號為（0，0），記τ_m（k）_ij表示節(jié)點（m，i）和節(jié)點（m+1，j）之間路徑的信息素濃度，η（k）_mj表示節(jié)點（m，j）對第m-1列所有節(jié)點的可見度，則螞蟻從節(jié)點（m，i）進入節(jié)點（m+1，j）的概率P_m=（k）_ij規(guī)定如下

其中：M_m+1表示第m+1列節(jié)點的集合;α和β分別表示信息素濃度和可見度的影響因子。

而螞蟻選擇下一節(jié)點S的規(guī)則為：

其中：M_m+1表示第m+1列節(jié)點的集合;α和β分別表示信息素濃度和可見度的影響因子。

而螞蟻選擇下一節(jié)點S的規(guī)則為：

其中k（為全局信息素更新系數(shù)。

當所有螞蟻都完成了各自的路徑后，首先對最優(yōu)和最劣路徑上的信息素單獨更新：

然后對有向圖中所有路徑的信息度和節(jié)點的可見度進行更新，全局更新規(guī)則如下：

其中：λ為信息素蒸發(fā)常數(shù);N_mi（j）表示第j輪迭代中節(jié)點（m，i）被所有螞蟻經(jīng)過的次數(shù)。

3.5算法流程

1）初始化蟻群優(yōu)化系統(tǒng)參數(shù)，開始迭代循環(huán);

2）置m只螞蟻于S結(jié)點，依式（17）讓每只螞蟻先后依次自行尋徑至終點;

3）所得路徑依式（14）算出對應(yīng)PD參數(shù)，計算目標函數(shù)值，并依式（18）更新局部信息素濃度;

4）尋徑全部完成后更新當前全局最優(yōu)解，并依式（19）和式（20）更新全局信息素濃度和節(jié)點可見度;

5）將本輪迭代全局最優(yōu)解輸出給PD控制器;

6）進入下輪迭代，重復(fù)2）-5），直至控制停止。

4柔性臂振動控制實驗

4.1實驗裝置

系統(tǒng)實驗裝置如圖8所示，該實驗平臺由柔性臂、2個工業(yè)相機（位于左下角的小圖中）、三菱伺服組件、行星減速器、運動控制卡和計算機組成。伺服電機額定功率100w，以速度控制模式工作;減速器減速比為1：25;柔性臂為環(huán)氧樹脂材料制成，彈性模量E=34.64GPa，密度ρ=1840kg/m²，長度l=750mm，寬度b=97mm，厚度d=2mm;運動控制卡采用固高運動控制器，型號為GTS-400-PV-PCI;雙目相機使用映美精型號為DFK 21BU04的CCD工業(yè)相機，分辨率640×480，最高拍攝幀率60Hz。

本實驗中，柔性臂振動檢測和抑制過程如下：首先利用雙目相機采集柔性臂的實時振動圖像，獲得含有振動信息的圖像序列并經(jīng)由Gige網(wǎng)線傳輸至其中g(shù)為（0，1）之間的一個隨機數(shù)，g_o為貪心規(guī)則的概率值。

3.4信息素和可見度更新

在一輪迭代中，當一只螞蟻爬完一條完整路徑后，需要對所經(jīng)過路徑上的信息素濃度進行局部更新，局部更新的規(guī)則為計算機中;然后基于標定的雙目視覺模型和OpenCV計算機視覺庫，通過相應(yīng)的圖像處理算法對采集的圖像進行處理以獲取柔性臂的振動位移信息;接著以此作為振動主動控制算法的輸入量，運行算法得到實時的抑振信號，經(jīng)由運動控制卡的D/A模塊輸出到電機伺服驅(qū)動器中，驅(qū)動伺服電機的運轉(zhuǎn)從而抑制柔性臂的振動。整個實驗裝置便是通過這樣的負反饋閉環(huán)控制環(huán)節(jié)對柔性臂振動進行抑制，其控制算法使用C++編程語言在VS2010環(huán)境下編寫MFC界面控制程序?qū)崿F(xiàn)。

本實驗使用的柔性臂二階固有頻率約為15Hz，對于二階以上的高階頻率，由于頻率高且振動位移小，對于60Hz頻率的相機而言檢測精度難以達到要求，故本文暫且只對一階頻率的檢測和控制進行探討，而高頻振動的檢測有賴于相機硬件配置的提升和相關(guān)技術(shù)的發(fā)展。本實驗中的計算機對相機實時采集的單張圖片的處理耗時約為4ms，相對于相機16.6ms的采樣間隔而言，具有充足的時間對雙目相機采集的兩幅圖像進行處理，進而可以保證實時性的要求。

4.2定點振動控制實驗結(jié)果和比較

首先通過實驗采集柔性臂的自由振動信號，采樣頻率為60Hz，激勵方式為用激振小錘敲打。

圖9為柔性臂定點自由振動的位移曲線。由圖可知，柔性臂的初始最大振幅約為40mm，經(jīng)過2.5s衰減為50%，經(jīng)過4.5s衰減為20%，且依然有較持久的殘余振動;另外柔性臂的一階振動頻率約為2.0Hz，根據(jù)采樣定律，相機60Hz的采樣頻率完全滿足要求。綜上，自由振動在不受控制的情況下將持較長時間。以下實驗為了方便比較控制效果，統(tǒng)一在振動位移約40mm時施加控制。

4.2.1常規(guī)PD控制實驗結(jié)果

進行試驗研究時，通過多次實驗調(diào)整的方法確定以下較好的控制參數(shù)：k_p=2.8，k_d=6.4，信號由于采樣和時間延遲等因素，移動相位10個采樣周期。采用PD控制算法進行柔性機械臂振動主動控制試驗研究，圖10顯示了柔性臂的常規(guī)PD控制振動位移曲線。

實驗結(jié)果顯示，臂的大幅值振動在前2個振動周期內(nèi)就已經(jīng)明顯衰減，且電機的控制量相對較大。振動經(jīng)過1.6S衰減至20%，對比自由振動4.5S的衰減時間，表明大幅值振動在短時間內(nèi)得到了有效抑制;但是小幅值振動依然持續(xù)了較長時間，且經(jīng)過長達6s的時間振動才被基本抑制下來，這也反映了常規(guī)PD控制的局限性所在。

4.2.2蟻群PD控制實驗結(jié)果

針對本實驗平臺，通過實驗調(diào)試可以確定以下蟻群優(yōu)化系統(tǒng)參數(shù)：信息啟發(fā)因子α=1.3，期望啟發(fā)因子β=5.0，貪心概率q_o=0.05，信息素蒸發(fā)常數(shù)λ=0.95，全局信息素更新系數(shù)k=10;另外限定k_p。的取值范圍是[0，6]，k_d的取值范圍是[0，12]，移相12個采樣周期。圖11顯示了柔性臂的蟻群PD控制實驗結(jié)果，其中圖11（a）為振動位移曲線，圖11（b）為PD參數(shù)的動態(tài)調(diào)整變化趨勢。

實驗結(jié)果顯示，柔性機械臂的大幅值振動同樣在前2個振動的振幅周期內(nèi)明顯衰減，而這種情況下電機的控制量也相對較大。振動經(jīng)過1.6s后衰減至20%，表明大幅值振動的短時間抑制有效性。并且經(jīng)過3.3S后振動基本被抑制下來，表明算法對于小幅值振動抑制同樣具有較好效果，體現(xiàn)了控制算法的非線性特性。

控制過程中，PD參數(shù)值根據(jù)反饋的振動信息實時調(diào)整變化，反映了蟻群算法優(yōu)化的效果。對比常規(guī)PD控制效果可知，蟻群PD控制在大幅值振動控制方面效果基本相近，但在小幅值振動控制方面具有明顯的優(yōu)越性。

4.3旋轉(zhuǎn)振動控制實驗結(jié)果

給伺服電機輸入正弦電壓信號，驅(qū)動柔性臂的中心剛體做簡諧旋轉(zhuǎn)擺動，設(shè)定擺動周期為10s，幅值約為15°，擺動一個來回。圖12顯示了當不施加任何控制效果時柔性臂自由振動信息，其中虛線代表了中心剛體的旋轉(zhuǎn)角度位置。

由圖12可見剛體的旋轉(zhuǎn)會持續(xù)激勵柔性臂的振動，且振動的整體偏向和剛體旋轉(zhuǎn)方向相反，而當剛體旋向改變時，容易引起大幅值的振動。這種現(xiàn)象主要是由于傳動和嚙合間隙的存在，使得電機反轉(zhuǎn)時產(chǎn)生沖擊而造成的。

針對以上問題，采用本文提出的蟻群PD控制算法對臂的旋轉(zhuǎn)振動進行抑制。其中蟻群優(yōu)化系統(tǒng)參數(shù)和4.2.2節(jié)相同，設(shè)定k_p的取值范圍是[3，15]，k_d的取值范圍是[6，30]，移相14個采樣周期。圖13顯示了對柔性臂的旋轉(zhuǎn)振動施加蟻群PD控制的實驗結(jié)果，其中圖13（a）為振動時域響應(yīng)，虛線為中心剛體的旋轉(zhuǎn)角度位置，圖13（b）為PD參數(shù)的動態(tài)調(diào)整變化趨勢。

實驗結(jié)果表明，在剛體單向旋轉(zhuǎn)過程中，臂有一定的和旋向反向的彎曲撓度，但是撓度幾乎沒有變化或者變化緩慢而不呈現(xiàn)出周期性，說明振動基本被抑制下來了;當剛體旋向發(fā)生改變時，臂的撓度會有較大變化從而產(chǎn)生振動現(xiàn)象，但是也能在較短時間內(nèi)抑制下來;最后當正弦信號輸入停止時，產(chǎn)生的振動亦可以在4個振動周期內(nèi)進行完全抑制。綜合而言，相比于旋轉(zhuǎn)自由振動，施加蟻群PD控制后柔性臂的振動得到了明顯的抑制。

5結(jié)論

本文利用雙目視覺這種非接觸式的測量方式研究了柔性臂的振動特性，由于雙目三維重建可以在視場范圍內(nèi)直接獲取特征點的三維坐標，避免了柔性臂姿態(tài)對振動檢測的影響，體現(xiàn)出其對柔性臂大范圍可達空間內(nèi)的定點和旋轉(zhuǎn)振動檢測的優(yōu)越性。然后利用蟻群優(yōu)化算法對PD控制器的控制參數(shù)進行優(yōu)化，并通過伺服電機驅(qū)動對柔性臂振動進行抑制。實驗結(jié)果表明，基于蟻群優(yōu)化參數(shù)的PD控制能夠在5個振動周期內(nèi)對柔性臂的振動進行有效抑制，相較于常規(guī)PD控制抑振效果有一定改善，并且旋轉(zhuǎn)振動的抑制效果也比較顯著，以此驗證了蟻群PD控制算法在快速抑振上的有效性。