ロボットジョイントのゲインチューニング:PID、カスケードループ、安定性

ロボットのジョイントゲインは測定誤差を電流、トルク、速度、位置補正に変換します。比例利得を高めることで誤差を減らし、見かけの剛性を高めることができますが、遅延、ノイズ、柔軟な共振も増幅します。積分作用は持続バイアスを除去しますが、限界に達することがあり、微分や速度フィードバックは減衰や測定品質の感度を高めます。

ほとんどのサーボジョイントはカスケードループを使用しています。高速電流ループは速度ループの中に位置し、速度ループは位置ループの中に位置することもあります。各ループはその下の層の閉じた挙動を感知します。内側のループが安定する前に外側ループをチューニングすると、誤解を招くゲインや隠れた飽和が生じます。

このガイドは FOC電流制御ガイド および ジョイントアクチュエーターテストガイドと併用してください。物理的な停止、電流制限、資格のある監督を伴い、低エネルギーでの試運転。

ゲインを変える前に、メカニクスやフィードバックを確認する

エンコーダーの方向、スケール、ゼロ、位相順序、トルクサイン、コマンドユニットを確認してください。ベアリング、ファスナー、トランスミッションの遊び、ブレーキリリース、ケーブルフォース、荷重器具をチェックしてください。緩んだ機構や誤った標識はPID値では修理できません。

保守的な電流、トルク、速度、加速度、作業スペースの制限を設定しましょう。緊急停止と安全試験の位置を確立してください。小さな励起を使い、まず無電力または低利得の機械的応答を記録します。共振周波数と摩擦が後のすべての結果を形作ります。

サーボモーターレールの負荷機構と制御装置は実験室での応答試験用に準備されました
制御負荷ベンチは、力学、入力波形、測定条件を一定に保つことで利得の変化を比較可能にします。出典: のArr4(Wikimedia Commons)。ライセンス: CC BY 3.0

電流ループがモータートルクを生み出します

内側ループは位相またはトルクを生み出す電流を高く決定的な速度で調整します。その帯域幅はモーターの電気的力学、PWM、電流検出、計算、電圧マージンによって制限されます。ローター角度や電流サンプリングが悪いと利得の問題として現れることがあります。

測定されたd-q電流、またはドライブの記載された方法に基づいてチューニングしてください。ステップ応答、オーバーシュート、沈降、飽和ノイズ、スイッチングノイズを点検してください。複数のローター角度、バス電圧、温度で検証してください。より清潔な区画のために、モーターやインバーターの電流と熱制限を超えないでください。

ループ制御変数メインライン証拠
現在モーター電流電圧、PWMおよびセンシングD-Q応答
速度関節速度またはモーター速度慣性と摩擦スピードステップかスイープか
位置ジョイント角遵守と遅延トラッキングと剛性
課題またはインピーダンスデカルト関係または力関係運動学と接触レンチ動作試験
軌道フィードフォワード望ましい運動項モデル誤差と極限残差還元

速度ループはプラント周辺に減衰を加えます

安定した電流ループの場合、速度コントローラーはトルクや電流を指示して速度誤差を減らします。比例速度利得は多くのジョイントモデルで減衰のように振る舞います。積分速度利得は定常荷重誤差を除去できますが、飽和時に蓄積されます。

エンコーダからの速度推定には量子化やノイズが含まれており、特に低速時にはそうです。フィルタリングはノイズを減らすが位相遅延を増やします。推定器とループを合わせて調整します。両方向にテストしてください。摩擦と重力で植物が非対称になります。

位置ループはトラッキングと見かけの剛性を設定します

外側位置ループは位置誤差から速度またはトルク関連の要求を生み出します。利得を上げることで低周波トラッキング誤差を減らし、関節が硬く感じられますが、遅延モードや弾性モードは安定した帯域幅を制限します。

強力な関節で不連続な大きなステップではなく、速度と加速度に制限のある軌道を使いましょう。上昇時間、オーバーシュート、沈降、定常誤差、フォローイング誤差、ピーク努力を測定します。電流と速度の飽和を点検し、遅い応答が誤って低い位置利得のせいにならないようにしましょう。

P、I、Dの各項は異なる行動を扱います

現在の control_toolbox PIDリファレンス では、比例項、積分項、微分項に加え、出力限界やアンチ巻き上げオプションが定義されています。比例的な作用は現在の誤差に続き、積分は過去の誤差を積み、微分は誤差率に応答します。

微分作用は減衰を加えることができますが、測定ノイズを増幅し、サンプル時間に敏感です。多くのカスケードドライブは、位置誤差を直接微分するのではなく、測定速度を使用します。積分作用は、比例的な挙動と飽和が理解された後にのみ追加されるべきです。

5段階カスケードロボットジョイント利得チューニングシーケンス
ステップ応答、周波数証拠、飽和ログはすべてのゲイン変更をサポートするべきです。出典:Physical AI Lab。

飽和には明示的なアンチ・ゼンドアップが必要です

電流、トルク、速度、電圧のコマンドには制限があります。積分器がアクチュエーターが飽和状態のまま蓄積を続けると、コマンドが達成可能になった後にコントローラーがオーバーシュートまたはゆっくりと回復することがあります。出力クランプだけでは蓄積された積分状態は消せません。

バック計算や条件付き積分は一般的な戦略です。プラントとコマンドリミットからトラッキング定数とクランプを選択し、飽和からの入り出を両方向にテストします。モード変更時にはコマンドジャンプを避けるために、インテグレーターの状態を慎重にリセットまたは転送してください。

症状可能な原因証拠訂正
高速振動共振近距離の利得または遅延周波数と位相帯域幅やノッチを減らしてください
オーバーシュート低減衰または巻き上げ飽和状態と積分状態減衰とアンチ巻き上げを追加
遅い反応低利得またはアクティブリミットコマンド対クランプボトルネックを安全に除去しましょう
ノイズのある電流微分ノイズまたは速度ノイズスペクトラムと生エンコーダフィルターまたは推定量のレビュー
負荷依存誤差モデルまたはイングラル・スタイガーペイロード掃走フィードフォワードまたは有界積分

帯域幅の分離で内側から外側からチューニングします

まず電流ループを安定化し検証し、次に速度、そして位置を確認しましょう。各外側ループは内側の閉ループよりも十分に遅く保ち、そのコマンドを実現できるようにします。正確な比率は遅延、メカニクス、制御設計によって異なります。測定なしにユニバーサル帯域幅ルールをコピーしないでください。

各段階終了後、飽和度と故障挙動をテストしてから次の段階を有効化します。サンプルレート、フィルター、ペイロード、伝送、ファームウェアを含むバージョン制御ゲインセットを保存してください。数値利得は、これらの単位や条件なしには携帯可能な意味を持ちません。

周波数応答は柔軟なモードを明らかにします

ステップ応答は、他の軌道によって刺激される狭い共鳴を隠しながらも許容範囲に見えることがあります。安全な場合は、有界サインスイープ、チープ、または周波数応答テストを使用してください。コマンド位置、速度、トルクを比較して共振、反共鳴、位相損失を特定します。

機械式モード周波数はペイロード、姿勢、ケーブル、ジョイント温度によって変化します。ノッチフィルターは既知のモードを抑制できますが、位相を加え、モードが動くと誤りが生じることがあります。全動作範囲でフィルターとゲインを検証してください。

フィードバックはフィードバックにかかる作業量を削減します

ジョイント軌道コントローラのパラメータには、サポートされたインターフェース向けのフィードバックゲインと速度フィードフォワードが含まれます。モデルベースの重力、速度、加速度フィードフォワードは、フィードバック剛性を上げることなくトラッキング誤差を低減できます。

フィードフォワードには正確な単位、タイミング、プラントパラメータが必要です。アクチュエーターが飽和したり、符号エラーを強化したりすることがあります。足し算前後のフィードバック努力を比較し、修正範囲を保持します。工具が変わったらペイロードモデルや重力モデルを更新してください。

ペイロード、姿勢、温度を超えたゲインの検証

ゆっくりと速い軌道、リバーサル、ホールド、重力を帯びたポーズ、そして代表的な接触を走りましょう。最小・最大ペイロード、コールド・ウォームジョイント、予想されるバス電圧、通信遅延で繰り返します。誤差、作業量、飽和度、ノイズ、温度を監視してください。

受け入れ限界を定義し、保守的なゲインセットへの自動ロールバックを行います。フリートや本番環境のデプロイメントには、設定のアイデンティティと変更制御が必要です。1回の実験室ポーズが安定したフルワークスペースパフォーマンスの証拠にはなりません。

  • 標識、ユニット、センサー、機械の状態を確認してください。
  • 電流を調整し、次に速度、そして位置を調整します。
  • ログコマンド、リミット、インテグレーターの状態。
  • 周波数の証拠を使って柔軟な共鳴を生み出しましょう。
  • ポーズ、ペイロード、速度、温度で繰り返します。

よくある質問

比例的な利益はどのくらい高くすべきでしょうか?

単に振動を下回るだけではなく、動作範囲全体で測定された安定性マージンを保ちながら、トラッキングと剛性の要件を満たすのに十分な高さを要求します。

積分利得は常に必要ですか?

いいえ。持続的なバイアスを除去し、飽和およびアンチゼンドアップ挙動が定義された後に追加します。

微積分の利得が増えると、常に発振は減少しますか?

いいえ。減衰を加えるだけでなく、ノイズを増幅させ、フィルタリングや遅延によって効果を失うこともあります。

すべての関節が同じゲインを使えますか?

通常はそうではありません。慣性、伝達力、摩擦力、構造、感知、荷重は関節や姿勢によって異なります。

自動チューニングで試運転を完了できますか?

初期モデルや利点を提供できますが、ハードウェアの制限、柔軟なモード、タスクの軌跡、ペイロードや故障挙動は依然として検証を必要とします。

サーボチューニング境界注記

ゲインチューニングは危険な動きや大電流を引き起こす可能性があります。保守的な限界と治具を使用し、駆動およびロボット手順に従い、安定性、飽和度、熱挙動、故障を全動作範囲にわたって検証します。