《Smart Agricultural Technology》：Sliding Mode Trajectory Tracking of Dual-Manipulator Long-Staple Cotton Picking Robot with Disturbance Observer
编辑推荐：
在非结构化的长绒棉采摘环境中，外部干扰严重影响了双机械臂采摘机器人的轨迹跟踪精度。为此，本研究提出了结合扰动观测器和自适应非奇异快速积分终端滑模控制的轨迹跟踪方法。该方法利用扰动观测器实时估计模型不确定性和外部扰动，并将其补偿到控制系统中。自适应滑模控制器确保了快速收敛和鲁棒性。仿真和实验结果表明，所提方法显著提高了轨迹跟踪精度，证明了其在双机械臂机器人采摘作业中的有效性与实用性。
长绒棉，一种纤维长度可达33-39毫米的珍贵原料，是高端纺织品的基石。然而，其收获过程却面临挑战：传统的棉花收获机械在采摘时极易损伤棉纤维，严重影响最终的棉花品质。在劳动力成本上升和对高品质农产品需求增长的背景下，发展智能化的采摘机器人成为破局的关键。在众多机器人构型中，与单机械臂相比，双机械臂机器人因其在复杂采收条件下更出色的灵活性和适应性而备受关注。然而，现实很“骨感”：在实际的农业作业环境中，双机械臂的控制精度深受其自身建模参数准确性和多变采摘环境的影响。来自作物、风、地形等的外部干扰，以及机器人模型本身的不确定性，都让实现精确的轨迹跟踪变得困难重重。特别是在长绒棉采摘这类对动作精细度要求极高的任务中，如何设计一个既高精度又强鲁棒性的轨迹跟踪控制器，是实现自动化、高质量采摘必须跨越的技术门槛。
为解决上述难题，来自新疆大学机械工程学院的研究团队开展了一项深入的研究，并将成果发表在了《Smart Agricultural Technology》期刊上。他们提出了一种创新的控制策略，将扰动观测器与自适应非奇异快速积分终端滑模控制相结合，旨在显著提升双机械臂长绒棉采摘机器人在外部干扰下的轨迹跟踪精度。
为开展此项研究，研究人员综合运用了多项关键技术方法。首先，基于改进的D-H参数法对双机械臂机器人进行了几何与运动学建模，为后续控制设计奠定了理论基础。研究采用了扰动观测器技术，用于实时估计并补偿系统中的模型不确定性与外部干扰。核心控制算法为研究人员自行设计的自适应非奇异快速积分终端滑模控制器，该控制器在传统滑模控制基础上引入了积分项以增强鲁棒性，并设计了自适应指数趋近律以动态调整参数。研究的验证通过数值仿真和理论分析完成，对比了所提方法与传统自适应滑模控制等方法的性能。
研究结果
- •
控制器设计与收敛性分析
研究团队设计了一套完整的控制方案。首先，针对六关节机械臂的动力学模型，设计了一个非线性扰动观测器(DO)，用于实时估计并前馈补偿集总扰动。其次，设计了一种非奇异快速积分终端滑模控制(NFITSMC)面，通过引入积分项来抑制稳态误差，并结合扰动观测器的估计值来增强系统抗干扰能力。此外，还设计了一种自适应趋近律，能够根据系统跟踪误差实时调整趋近速度与切换增益。最后，通过李雅普诺夫稳定性理论严格证明了所设计的基于扰动观测器的自适应非奇异快速积分终端滑模控制(DOBANFITSMC)系统的收敛性，为后续仿真实验提供了理论保障。
- •
对比仿真实验
为了验证所提DOBANFITSMC方法的优越性，研究团队设置了对比仿真实验。他们将所提方法与自适应滑模控制(ASMC)、基于扰动观测器的自适应滑模控制(DOBASMC)、自适应快速终端滑模控制(ANFTSMC)以及基于扰动观测器的自适应快速终端滑模控制(DOBANFTSMC)进行了性能比较。仿真中，为左右机械臂设置了不同的期望轨迹（左臂为包含指数和三角函数的复合函数，右臂为多项式函数），并施加了相同的外部正弦/余弦扰动。性能指标聚焦于轨迹跟踪误差的收敛速度、稳态精度以及抗干扰能力。
- •
左机械臂仿真结果分析
轨迹跟踪图显示，所有方法均能跟踪期望轨迹，但性能差异明显。未集成扰动观测器的ASMC和ANFTSMC方法在收敛后表现出明显的稳态振荡。而集成了扰动观测器的DOBASMC和DOBANFTSMC则能有效抑制振荡。其中，本研究提出的DOBANFITSMC方法表现最佳，轨迹曲线最平滑，与期望轨迹的贴合度最高。轨迹跟踪误差图进一步量化了这一优势：DOBANFITSMC在各关节上的收敛时间短，且稳态误差的幅值波动最小。误差分布概率图表明，DOBANFITSMC的误差更集中地分布在零值附近，峰值高且分布窄，证明了其更高的控制精度和稳定性。
- •
右机械臂仿真结果分析
右机械臂的仿真结果与左机械臂呈现出相似的趋势。DOBANFITSMC在跟踪复杂的多项式期望轨迹时，依然展现了出色的性能，其轨迹误差显著小于其他对比方法。这证实了所提方法对于不同运动轨迹的普适性和鲁棒性。
- •
平均跟踪误差与性能提升量化
研究对左右机械臂所有关节的跟踪误差进行了统计分析。结果显示，无论是左机械臂还是右机械臂，DOBANFITSMC方法的平均跟踪误差均远低于其他四种方法。具体而言，论文指出，在外部干扰下，所提方法使左右机械臂的响应调整时间最大分别提高了52.9%和35.2%，平均误差最大分别降低了43.8%和44.5%。这些数据有力地证实了DOBANFITSMC在提升轨迹跟踪精度和收敛速度方面的显著效果。
研究结论与意义
本研究表明，将扰动观测器(DO)与自适应非奇异快速积分终端滑模控制(NFITSMC)相结合的策略，是解决双机械臂采摘机器人轨迹跟踪抗干扰问题的有效方案。该方法的核心贡献在于：利用扰动观测器对系统不确定性（如模型误差、关节摩擦）和外部扰动进行实时估计与补偿，从源头上减轻了干扰对控制系统的影响；所设计的NFITSMC控制器确保了系统状态在有限时间内快速收敛到滑模面，同时避免了控制律的奇异性问题，引入的积分项进一步增强了系统抵抗干扰和抑制稳态误差的能力；自适应趋近律的设计则能动态调整控制参数，有效缓解了固定参数趋近律带来的抖振现象。
通过详尽的仿真实验与对比分析，该研究验证了所提DOBANFITSMC方法在多种干扰和不同期望轨迹下的卓越性能。其重要意义在于，为解决农业机器人，特别是高价值经济作物（如长绒棉）采摘机器人所面临的高精度、强抗干扰轨迹跟踪控制难题，提供了一个切实可行且性能优越的解决方案。这项研究不仅推动了先进控制理论在农业工程领域的应用，也为未来开发更智能、更精准的农业收获装备奠定了坚实的技术基础，对提升农业生产自动化水平和农产品质量具有积极的促进作用。
