基于改进自抗扰控制的高空风机叶片打磨机器人被动柔顺控制方法研究

doi:10.3969/j.issn.1004-132X.2025.08.018

摘要/Abstract

摘要：

为了应对高空中未知干扰，保持高空风机叶片修复机器人末端打磨接触力的恒定，提出了一种基于改进自抗扰控制（ADRC）的机器人被动柔顺控制算法。该算法结合死区补偿和重力补偿算法，充分考虑气动系统气体压缩性、电气比例阀死区特性、打磨过程中倾角变化以及高空作业时未知扰动等问题，采用跟踪微分器过渡输入信号，利用状态观测器观测系统扰动，通过状态误差反馈控制律进行补偿。通过建立控制系统的数学模型并进行仿真分析得出，相比传统比例积分微分（PID）算法，该控制算法在力控制性能和响应速度上均有提升；搭建实验平台进行多种工况实验，实验结果表明，该控制算法系统调节时间缩短44.6%~51.4%，最大误差绝对值减小45.4%~69.4%，误差均方值减小56.5%~91.2%。由此可得，所提算法具有更好的动态响应性能和力控制精度，具有较强的抗干扰能力和鲁棒性，为工程实际应用打下理论基础。

关键词: 自抗扰控制, 机器人打磨, 柔顺控制, 气动系统建模, 风机叶片

Abstract:

To cope with unknown disturbances at high altitudes and maintain a constant contact forces at the end of a high-altitude wind turbine blade repair robots during polishing， a passive compliant control algorithm was proposed based on an improved ADRC approach. The algorithm combined dead-zone compensation and gravity compensation algorithms， fully considering issues such as gas compressibility in the pneumatic systems， characteristics of electrical proportional valve dead zones， changes in tilt angle during polishing processes， and unknown disturbances during high-altitude operations.A tracking differentiator was utilized for excessive input signals， a state observer was employed to monitor system disturbances， and compensated through a state error feedback control law. By establishing the mathematical model of the control systems and conducting simulation analysis， it is found that this control algorithm improves both force control performance and response speed compared to the traditional proportional-integral-derivative（PID） algorithm. An experimental platform was constructed to conduct experiments under various operating conditions. The experimental results show that the control algorithm systems achieve 44.6% to 51.4% reductions in settling time， a decrease in the absolute maximum error by 45.4% to 69.4%， and reductions in mean square error by 56.5% to 91.2%. Therefore， this algorithm demonstrates improved dynamic response performance and force control accuracy， along with strong disturbance rejection capabilities and robustness， providing a theoretical foundation for practical engineering applications.

Key words: active disturbance rejection control（ADRC）, robot polishing, compliant control, pneumatic system modeling, wind turbine blade

中图分类号:

TP273

李浩, 刘欣荣, 刘仪沁, 范狄庆. 基于改进自抗扰控制的高空风机叶片打磨机器人被动柔顺控制方法研究[J]. 中国机械工程, 2025, 36(8): 1832-1841.

Hao LI, Xinrong LIU, Yiqin LIU, Diqing FAN. Research on Passive Compliance Control Method of High Altitude Wind Turbine Blade Grinding Robots Based on Improved ADRC[J]. China Mechanical Engineering, 2025, 36(8): 1832-1841.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2025.08.018

https://www.cmemo.org.cn/CN/Y2025/V36/I8/1832

图/表 19

图1 机器人作业示意图

Fig.1 Schematic diagram of robot operation

图2 恒力控制装置受力简图

Fig.2 Simplified force diagram of constant force control device

图3 恒力控制装置气体流量原理

Fig.3 Schematic of gas flow in constant force control device

图4 控制系统框图

Fig.4 Control system block diagram

图5 末端执行器受力分析

Fig.5 Force analysis of end effector

图6 改进ADRC算法对比

Fig.6 Comparison of improved ADRC algorithms

图7 仿真分析对比

Fig.7 Simulation analysis and comparison

表1 仿真对比性能指标

Tab.1 Simulation comparison performance index

性能指标	PID			改进ADRC
性能指标	恒值	正弦	三角	恒值	正弦	三角
最大误差绝对值 $M e / N$	3.722	1.260	1.260	0.001	0.622	0.800
误差均方值 $μ e / N$	1.141	0.448	0.138	$6.498 × 10 - 12$	0.045	0.039

表1 仿真对比性能指标

Tab.1 Simulation comparison performance index

性能指标	PID			改进ADRC
性能指标	恒值	正弦	三角	恒值	正弦	三角
最大误差绝对值 $M e / N$	3.722	1.260	1.260	0.001	0.622	0.800
误差均方值 $μ e / N$	1.141	0.448	0.138	$6.498 × 10 - 12$	0.045	0.039

图8 试验台

Fig.8 Laboratory bench

表2 主要元器件与参数

Tab.2 Key components and parameters

元器件名称	参数
气源	最大输出压力：1.0 MPa
气动二联件	减压阀设置压力：0.9 MPa
电气比例阀	最高压力：0.9 MPa，精度： $0.2 %$
气缸倾角传感器	缸径：16 mm，行程：20 mm 量程： $0 ~ 180 °$ ，分辨率： $0.02 °$
压力传感器	量程： $0 ~ 100 N$ ，精度： $0.1 %$

表2 主要元器件与参数

Tab.2 Key components and parameters

元器件名称	参数
气源	最大输出压力：1.0 MPa
气动二联件	减压阀设置压力：0.9 MPa
电气比例阀	最高压力：0.9 MPa，精度： $0.2 %$
气缸倾角传感器	缸径：16 mm，行程：20 mm 量程： $0 ~ 180 °$ ，分辨率： $0.02 °$
压力传感器	量程： $0 ~ 100 N$ ，精度： $0.1 %$

图9 恒力加载实验

Fig.9 Constant force load experiment

表3 恒力加载实验对比

Tab.3 Contrast of constant force load experiment

步骤	控制算法	$T 0 / s$	$M p / N$	$μ e / N$
步骤一	PID	1.95	4.75	0.23
步骤一	改进ADRC	1.08	0.12	0.10
步骤二	PID	1.05	3.50	0.38
步骤二	改进ADRC	0.51	0.44	0.11

表3 恒力加载实验对比

Tab.3 Contrast of constant force load experiment

步骤	控制算法	$T 0 / s$	$M p / N$	$μ e / N$
步骤一	PID	1.95	4.75	0.23
步骤一	改进ADRC	1.08	0.12	0.10
步骤二	PID	1.05	3.50	0.38
步骤二	改进ADRC	0.51	0.44	0.11

图10 正弦波加载实验

Fig.10 Curve of sinusoidal load experiment

表4 正弦波加载实验对比

Tab.4 Contrast of curve of sinusoidal load experiment

步骤	控制算法	$M e / N$	μ $e / N$
步骤一	PID	4.05	8.26
步骤一	改进ADRC	1.24	3.55
步骤二	PID	1.96	1.01
步骤二	改进ADRC	1.07	0.40

表4 正弦波加载实验对比

Tab.4 Contrast of curve of sinusoidal load experiment

步骤	控制算法	$M e / N$	μ $e / N$
步骤一	PID	4.05	8.26
步骤一	改进ADRC	1.24	3.55
步骤二	PID	1.96	1.01
步骤二	改进ADRC	1.07	0.40

图11 三角波加载实验

Fig.11 Curve of triangular load experiment

表5 三角波加载实验对比

Tab.5 Contrast of curve of triangular load experiment

步骤	控制算法	$M p / N$	$μ e / N$
步骤一	PID	3.56	5.34
步骤一	改进ADRC	1.16	2.32
步骤二	PID	1.91	0.52
步骤二	改进ADRC	1.03	0.23

表5 三角波加载实验对比

Tab.5 Contrast of curve of triangular load experiment

步骤	控制算法	$M p / N$	$μ e / N$
步骤一	PID	3.56	5.34
步骤一	改进ADRC	1.16	2.32
步骤二	PID	1.91	0.52
步骤二	改进ADRC	1.03	0.23

图12 恒力加载实验（干扰）

Fig.12 Constant force load experiment（disturb）

表6 步骤一恒力加载实验对比

Tab.6 Step 1 contrast of constant force load experiment

	控制算法	$T 1 / s$	$M e / N$	$μ e / N$
干扰1	PID	0.68	5.58	9.94
干扰1	改进ADRC	0.54	1.89	1.05
干扰2	PID	0.67	5.33	9.85
干扰2	改进ADRC	0.61	1.69	0.87

表6 步骤一恒力加载实验对比

Tab.6 Step 1 contrast of constant force load experiment

	控制算法	$T 1 / s$	$M e / N$	$μ e / N$
干扰1	PID	0.68	5.58	9.94
干扰1	改进ADRC	0.54	1.89	1.05
干扰2	PID	0.67	5.33	9.85
干扰2	改进ADRC	0.61	1.69	0.87

表7 步骤二恒力加载实验对比

Tab.7 Step 2 contrast of constant force load experiment

	控制算法	$T 1 / s$	$M e / N$	$μ e / N$
干扰1	PID	0.52	2.92	1.84
干扰1	改进ADRC	0.43	1.07	0.60
干扰2	PID	0.61	2.45	1.72
干扰2	改进ADRC	0.58	1.21	0.37

表7 步骤二恒力加载实验对比

Tab.7 Step 2 contrast of constant force load experiment

	控制算法	$T 1 / s$	$M e / N$	$μ e / N$
干扰1	PID	0.52	2.92	1.84
干扰1	改进ADRC	0.43	1.07	0.60
干扰2	PID	0.61	2.45	1.72
干扰2	改进ADRC	0.58	1.21	0.37

参考文献 22

[1]	赵书强，吴博，李志伟，等. 风电-储能参与调频的高比例风电电力系统运行经济性分析［J］. 南方电网技术， 2023， 17（4）： 69-76.
	ZHAO Shuqiang， WU Bo， LI Zhiwei， et al. Operational Economic Analysis of High-proportion Wind Power System with Wind Power and Energy Storage Participating in Frequency Regulation［J］. Southern Power System Technology， 2023， 17（4）： 69-76.
[2]	汪泉，洪星，杨建忠，等. 低噪声风力机叶片气动外形优化设计［J］. 中国机械工程， 2018， 29（13）： 1574-1579.
	WANG Quan， HONG Xing， YANG Jianzhong， et al. Aerodynamic Optimal Design of Low Noise Wind Turbine Blades［J］. China Mechanical Engineering， 2018， 29（13）： 1574-1579.
[3]	陶永，刘海涛，王田苗，等. 我国服务机器人技术研究进展与产业化发展趋势［J］. 机械工程学报， 2022， 58（18）： 56-74.
	TAO Yong， LIU Haitao， WANG Tianmiao， et al. Research Progress and Industrialization Development Trend of Chinese Service Robot［J］. Journal of Mechanical Engineering， 2022， 58（18）： 56-74.
[4]	张月，董雷，宦荣华，等. 风电叶片管道内窥履带机器人的设计与运动分析［J］. 中国机械工程， 2021， 32（15）： 1884-1889.
	ZHANG Yue， DONG Lei， HUAN Ronghua， et al. Design and Kinematic Analysis of Crawler-type Pipeline Endoscope Robots for Wind Turbine Blades［J］. China Mechanical Engineering， 2021， 32（15）： 1884-1889.
[5]	葛吉民，邓朝晖，李尉，等. 机器人磨抛力柔顺控制研究进展［J］. 中国机械工程， 2021， 32（18）： 2217-2230.
	GE Jimin， DENG Zhaohui， LI Wei， et al. Research Progresses of Robot Grinding and Polishing Force Compliance Controls［J］. China Mechanical Engineering， 2021， 32（18）： 2217-2230.
[6]	蒋再男，刘宏，黄剑斌，等. 基于阻抗内环的新型力外环控制策略［J］. 航空学报， 2009， 30（8）： 1515-1520.
	JIANG Zainan， LIU Hong， HUANG Jianbin， et al. Novel Explicit Force Control Strategy Based on Impedance Inner Control［J］. Acta Aeronautica Et Astronautica Sinica， 2009， 30（8）： 1515-1520.
[7]	陈峰，费燕琼，赵锡芳. 机器人的阻抗控制［J］. 组合机床与自动化加工技术， 2005（12）： 46-47.
	CHEN Feng， FEI Yanqiong， ZHAO Xifang. The Impedance Control Method for Robots［J］. Modular Machine Tool & Automatic Manufacturing Technique， 2005（12）： 46-47.
[8]	郭万金，于苏扬，田玉祥，等. 机器人打磨自适应变阻抗主动柔顺恒力控制［J］. 哈尔滨工业大学学报， 2023， 55（12）： 54-65.
	GUO Wanjin， YU Suyang， TIAN Yuxiang， et al. Active Compliance Constant Force Control with Adaptive Variable Impedance for Robotic Grinding［J］. Journal of Harbin Institute of Technology， 2023， 55（12）： 54-65.
[9]	郭万金，于苏扬，赵伍端，等. 机器人主动柔顺恒力打磨控制方法［J］. 东北大学学报（自然科学版）， 2023， 44（1）： 89-99.
	GUO Wanjin， YU Suyang， ZHAO Wuduan， et al. Grinding Control Method of Robotic Active Compliance Constant-force［J］. Journal of Northeastern University （Natural Science）， 2023， 44（1）： 89-99.
[10]	ZHANG Tie， YU Ye， ZOU Yanbiao. An Adaptive Sliding-mode Iterative Constant-force Control Method for Robotic Belt Grinding Based on a One-dimensional Force Sensor［J］. Sensors， 2019， 19（7）： 1635.
[11]	DING Yufeng， MIN Xinpu， FU Weiwei， et al. Research and Application on Force Control of Industrial Robot Polishing Concave Curved Surfaces［J］. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2019， 233（6）： 1674-1686.
[12]	李小彭，尚东阳，陈仁桢，等. 基于机械臂位姿变换的柔性负载伺服驱动系统控制策略［J］. 机械工程学报， 2020， 56（21）： 56-69.
	LI Xiaopeng， SHANG Dongyang， CHEN Renzhen， et al. Control Strategy of Flexible Load Servo Drive System Based on Manipulator Position and Position Transformation［J］. Journal of Mechanical Engineering， 2020， 56（21）： 56-69.
[13]	王品章，田威，曾致贤，等. 叶片磨抛机器人力/位混合控制的设计与实现［J］. 航空制造技术， 2019， 62（11）： 83-89.
	WANG Pinzhang， TIAN Wei， ZENG Zhixian， et al. Design and Implementation of Force/Position Hybrid Control for Blade Grinding and Polishing Robot［J］. Aeronautical Manufacturing Technology， 2019， 62（11）： 83-89.
[14]	张铁，吴圣和，蔡超. 基于浮动平台的机器人恒力控制研磨方法［J］. 上海交通大学学报， 2020， 54（5）： 515-523.
	ZHANG Tie， WU Shenghe， CAI Chao. Constant Force Control Method for Robotic Disk Grinding Based on Floating Platform［J］. Journal of Shanghai Jiao Tong University， 2020， 54（5）： 515-523.
[15]	XU Xiaohu， ZHU Dahu， ZHANG Haiyang， et al. Application of Novel Force Control Strategies to Enhance Robotic Abrasive Belt Grinding Quality of Aero-engine Blades［J］. Chinese Journal of Aeronautics， 2019， 32（10）： 2368-2382.
[16]	WEI Yuzhang， XU Qingsong. Design of a New Passive End-effector Based on Constant-force Mechanism for Robotic Polishing［J］. Robotics and Computer-Integrated Manufacturing， 2022， 74： 102278.
[17]	CHEN Fan， ZHAO Huan， LI Dingwei， et al. Contact Force Control and Vibration Suppression in Robotic Polishing with a Smart End Effector［J］. Robotics and Computer-Integrated Manufacturing， 2019， 57： 391-403.
[18]	DU Huapeng， SUN Yuwen， FENG Deyang， et al. Automatic Robotic Polishing on Titanium Alloy Parts with Compliant Force/Position Control［J］. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2015， 229（7）： 1180-1192.
[19]	LI Dingwei， YANG Jixiang， ZHAO Huan， et al. Contact Force Plan and Control of Robotic Grinding towards Ensuring Contour Accuracy of Curved Surfaces［J］. International Journal of Mechanical Sciences， 2022， 227： 107449.
[20]	MOHAMMAD A E K， HONG Jie， WANG Danwei. Design of a Force-controlled End-effector with Low-inertia Effect for Robotic Polishing Using Macro-mini Robot Approach［J］. Robotics and Computer-Integrated Manufacturing， 2018， 49： 54-65.
[21]	黄婷，孙立宁，王振华，等. 基于被动柔顺的机器人抛磨力/位混合控制方法［J］. 机器人， 2017， 39（6）： 776-785.
	HUANG Ting， SUN Lining， WANG Zhenhua， et al. Hybrid Force/Position Control Method for Robotic Polishing Based on Passive Compliance Structure［J］. Robot， 2017， 39（6）： 776-785.
[22]	梁青，王传榜，潘金文，等. 线性自抗扰控制参数b₀辨识及参数整定规律［J］. 控制与决策， 2015， 30（9）： 1691-1695.
	LIANG Qing， WANG Chuanbang， PAN Jinwen， et al. Parameter Identification of b₀and Parameter Tuning Law in Linear Active Disturbance Rejection Control［J］. Control and Decision， 2015， 30（9）： 1691-1695.