В статье рассматривается задача высокоточного слежения за траекторией трехзвенного нелинейного робототехнического манипулятора, функционирующего в условиях параметрической неопределенности и внешних возмущений. Классические ПИД-регуляторы и стандартные адаптивные методы управления демонстрируют ограниченную робастность и пониженную энергетическую эффективность при управлении динамически связанной многозвенной системой. Для преодоления указанных ограничений предложена гибридная адаптивно-оптимальная структура управления, объединяющая адаптивное вычислительное управление моментом с модифицированным алгоритмом роя частиц для систематической настройки коэффициентов регулятора. Динамическая модель получена на основе формализма Эйлера – Лагранжа и реализована в среде MATLAB методом численного интегрирования. Параметры регулятора оптимизируются по многокритериальной целевой функции, учитывающей ошибку слежения, управляющее воздействие и энергопотребление. Оптимизированные коэффициенты усиления затем применяются в рамках адаптивной компенсационной структуры в режиме реального времени для повышения устойчивости к неопределенностям моделирования. Результаты моделирования показывают, что предложенный подход обеспечивает снижение среднеквадратичной ошибки приблизительно на 26 % по сравнению со стандартным адаптивным управлением, уменьшение времени установления, снижение нормированного энергопотребления и уменьшение пульсаций крутящего момента, что подтверждает повышение точности, робастности и энергоэффективности системы.
This paper addresses the problem of high-precision trajectory tracking for a nonlinear three-link robotic manipulator operating under parametric uncertainties and external disturbances. Conventional PID and classical adaptive control methods often demonstrate limited robustness and suboptimal energy efficiency when applied to dynamically coupled multi-link systems. To overcome these limitations, a Hybrid Adaptive-Optimization Control Framework is proposed. The approach integrates Adaptive Computed Torque Control with a Modified Particle Swarm Optimization algorithm for systematic controller gain tuning. The manipulator dynamics are derived using the Euler – Lagrange formulation and implemented in MATLAB through numerical time-domain integration. Controller parameters are optimized offline using a multi-objective cost function that incorporates trajectory tracking error, control effort, and energy consumption. The optimized gains are then applied within an online adaptive compensation structure to enhance robustness against modeling uncertainties. The simulation results show that the proposed approach provides a reduction in the mean square error by approximately 26 % compared to the standard adaptive control, a reduction in the settling time, a reduction in the normalized energy consumption and a reduction in torque pulsation, which confirms the improvement in the accuracy, robustness and energy efficiency of the system.
The authors declare that there are no conflicts of interest present.