阻抗控制?

阻抗控制（eImpedance?Controling），線路板中的導體中會有各種信號的傳遞，為提高其傳輸速率而必須提高其頻率，線路本身若因蝕刻，疊層厚度，導線寬度等不同因素，將會造成阻抗值得變化，使其信號失真。故在高速線路板上的導體，其阻抗值應控制在某一范圍之內(nèi)，稱為“阻抗控制”。?

PCB?跡線的阻抗將由其感應和電容性電感、電阻和電導系數(shù)確定。影響PCB走線的阻抗的因素主要有：?銅線的寬度、銅線的厚度、介質(zhì)的介電常數(shù)、介質(zhì)的厚度、焊盤的厚度、地線的路徑、走線周邊的走線等。PCB?阻抗的范圍是?25?至120?歐姆。?

在實際情況下，PCB?傳輸線路通常由一個導線跡線、一個或多個參考層和絕緣材質(zhì)組成。跡線和板層構(gòu)成了控制阻抗。PCB?將常常采用多層結(jié)構(gòu)，并且控制阻抗也可以采用各種方式來構(gòu)建。但是，無論使用什么方式，阻抗值都將由其物理結(jié)構(gòu)和絕緣材料的電子特性決定：?

信號跡線的寬度和厚度??跡線兩側(cè)的內(nèi)核或預填材質(zhì)的高度??跡線和板層的配置??內(nèi)核和預填材質(zhì)的絕緣常數(shù)?

PCB傳輸線主要有兩種形式：微帶線（Microstrip）與帶狀線（Stripline）。

阻抗控制的特點

在實現(xiàn)力控制時，阻抗控制、力/位置混合控制、顯式力控方法，各有其獨特的特點。力/位置控制方法是基于將末端執(zhí)行器的坐標空間按其是否被環(huán)境約束而分為位置子空間和力子空間，力/位置控制方法通過控制末端執(zhí)行器在位置子空間的位置和在力子空間的力來實現(xiàn)順應控制，這種方法的優(yōu)點是可以直接控制末端執(zhí)行器和環(huán)境間的相互作用力，這在有些場合是很重要的。其缺點是需要很多任務規(guī)劃以及需要在力控和位置控制之間切換。

而阻抗控制是靠調(diào)節(jié)末端執(zhí)行器的位置和接觸力之間的動態(tài)關(guān)系來實現(xiàn)順應控制的。這種方法為避碰、有約束和無約束運動提供了一種統(tǒng)一的方法。其優(yōu)點是需要很少離線任務規(guī)劃，對擾動和不確定性有很好的魯棒性。能實現(xiàn)系統(tǒng)由無約束到有約束運動的穩(wěn)定轉(zhuǎn)換。因此阻抗控制被認為更適合完成裝配工作。其缺點是在實際中難于準確得到末端執(zhí)行器的參考軌跡和環(huán)境的位置、剛度。從而既無法準確實現(xiàn)位置控制又無法準確實現(xiàn)力控制。近年來提出了基于阻抗控制的力跟蹤算法，文獻［2］通過調(diào)節(jié)參考軌跡Xr給出了存在環(huán)境不確定性時的力跟蹤阻抗控制算法。

阻抗控制與顯式力控的相比，證明了在剛性環(huán)境，二階阻抗控制和有前饋的比例顯式力控的等價性。說明阻抗控制是較顯式力控更一般的方法，阻抗控制的主要特性是使機器人與環(huán)境的交互不受接觸的物體影響，而力控卻易受接觸物體的影響。

阻抗控制的實現(xiàn)方法

在阻抗控制的早期，使用了固定增益的PD控制，這種方法實現(xiàn)簡單，但在機器人位形、速度變化時無法保持理想阻抗。經(jīng)過學者們的努力，發(fā)展了多種阻抗控制方法，總的看來有兩類實現(xiàn)阻抗控制的方法，一類是基于動力學模型的阻抗控制方法，另一類是基于位置的阻抗控制方法。

基于動力學模型的阻抗控制方法

基于動力學模型的控制方法是應用最為廣泛的方法。這種方法檢測位置和接觸力，使用機器人動力學模型作為前饋輸入，所以這種控制策略依賴于動力學模型的精確性。同基于位置的阻抗控制方法相比，這種方法能提供為減小接觸力所需的較小的理想的阻尼和剛度?；谖恢玫淖杩箍刂品椒ㄍǔＫ芴峁┲荒苁谴蟮睦硐氲淖枘岷蛣偠龋@不利于減小機器人和約束之間的接觸力。

在基于動力學模型的控制方法中，首先提出基于動力學模型的控制方法，該方法在用計算力矩法實現(xiàn)理想阻抗時，需要知道機器人動力學模型。后來的學者進一步發(fā)展了基于動力學模型的控制方法，利用適當選取的狀態(tài)反饋和前饋來實現(xiàn)魯棒阻抗控制，提出了基于精確機器人動力學模型的阻抗控制方法，其優(yōu)點是不需檢測力和避免了高增益。提出了把阻抗控制和力/位置混合控制器結(jié)合在一起混合阻抗控制器。引入目標阻抗參考軌跡，將自適應方法直接應用到阻抗控制方法，不要求精確的動力學模型，缺點是由于測量噪音的影響，由自適應方法難以得到足夠精度的阻抗控制參數(shù)。使用魯棒性控制來克服模型的不確定性，但需要大量的計算和很大的增益，這在實際中受到限制。

隨著人工智能研究的發(fā)展，運用智能控制的研究成果，發(fā)展了多種控制策略來提高基于動力學模型的阻抗控制方法的控制性能，使基于動力學模型的控制器在存在動力學模型的不確定性時也能達到好的控制效果。

提出學習阻抗控制方法，給定目標阻抗，學習控制器能通過學習，使操作機能夠隨著操作的重復進行使閉環(huán)響應達到目標阻抗。其缺點是假定每次操作取同樣的初始位置和速度，且假定無動力學波動和測量噪聲。給出具有魯棒性的學習阻抗控制方法，使阻抗誤差在存在動力學波動和測量噪聲初始位置誤差的情況下收斂到趨于零的范圍內(nèi)。提出用神經(jīng)網(wǎng)絡(luò)來補償機器人動力學和環(huán)境的不確定，通過訓練使神經(jīng)網(wǎng)絡(luò)收斂從而實現(xiàn)阻抗控制函數(shù)。

基于位置的阻抗控制方法

基于位置的阻抗控制方法在實施時是通過跟蹤理想阻抗模型的位置來實現(xiàn)的。這種方法要檢測位置、速度和接觸力，將檢測到的接觸力施加到理想阻抗模型，從而可以獲得理想位置矢量，使用內(nèi)部位置控制環(huán)來跟蹤這個理想位置矢量。這種方法不依賴于動力學模型。由于位置控制器的大增益會帶來關(guān)節(jié)的高剛度，這種方法的缺點是當機器人的實際位置和模型理想位置矢量不同時將帶來大的阻抗誤差，從而將這種方法限制在簡單任務中。

為工業(yè)機器人設(shè)計了一個基于位置的阻抗控制來提高工業(yè)機器人的性能。使用了基于位置的阻抗控制來實現(xiàn)力跟蹤。在內(nèi)環(huán)使用位置反饋來提高魯棒性，在外環(huán)使用位置反饋來跟蹤理想阻抗來提高基于位置的阻抗控制器的性能。使用了模糊補償器來產(chǎn)生位置補償達到減小在力控方向的超調(diào)和抖動。

在阻抗控制的穩(wěn)定性方面，中系統(tǒng)討論了基本的基于動力學模型的阻抗控制方法和基于位置的阻抗控制方法的穩(wěn)定性質(zhì)，獲得了阻抗控制的參數(shù)穩(wěn)定性邊界。