贝加莱动态惯量前馈技术

      在这个模型中，当设定位置、设定速度及加速度值给出后，则将根据当前值和机械常数来计算出整个运动过程的惯量变化，并计算出力矩输出的前馈值给电机，该值与控制器给定值在电流环中的控制输出进行叠加，使得扭矩输出可以快速的实现稳态调整，从而降低扭矩输出的偏差。
     该前馈输出需要在偏差产生之前给出，并且以每50us的周期不断地刷新，由于其高速刷新，确保了扭矩输出值高速与高精度，并能够同步地跟随机械惯量的变化，达到较好的控制状态。
基于MATLAB/Simulink的前馈模型设计
     MATLAB/Simulink是目前最为流行的建模工具，由于与Mathworks公司的合作，贝加莱控制系统与MATLAB/Simulink建模仿真软件建立了接口连接，经过MATLAB/Simulink仿真工具建模生成的控制器模型可以通过代码自动生成技术产生控制器的C代码，而这一代码无需手工重写即可导入到B&R控制器中，从而实现在环测试。

       机器人可表征为一个通过欧拉-拉格朗日方程建立的空间运动学方程，通过MATLAB，将系统的静态参数，如机械臂长度、质量、关节减速比等以及动态参数，如旋转角度、加速度、起始与终点位置等输入到模型中，它提供了笛卡尔关节操作空间的动力学模型，反应了操作力与关节力之间的关系、操作空间与关节空间的速度与加速度关系，建立了关节输入力矩与输出力矩之间的关系。
     这个模型是一个二次微分方程，可以通过欧拉-拉格朗日法进行解析，可解析得出以下值：惯量项、离心式和科里奥利项、引力项。
     当建立模型后，我们可以进行如下动作：
     建立未知参数的识别：在系统中建立静态参数，通过AS的力矩跟踪来定义动态参数的识别，并计算出基础参数。
激活前馈控制：将所计算的基础值输出给B&R PLC，通过AS软件，在PLC中建立了一个运动模型，将这些基础值给出后，系统将计算出一个附加力矩输出值。
     将该附加力矩输出给驱动器，驱动器将在其电流环计算中，预先给出电流值，即可实现前馈控制，而这个附加值是通过系统不断的计算，以微秒级的周期循环并提供给驱动器的电流环计算的。

      图3为在Automation Studio中前馈控制的模型和，TrqFF为前馈周期写入，6AxATrqFF是采用C代码写出的前馈实现代码段。

控制效果
      图4是实际通过B&R Automation Studio的轴监测的示波器功能对整个输出进行采样得到的扭矩控制过程变化曲线，其中蓝色曲线为关闭前馈控制的情况，可以看到，其扭矩变化的波动较大；而红色曲线则表明了采用了前馈控制后的效果，明显地提高了力矩输出的稳定性。
       该项技术代表了机器人控制技术的最高水平，所设计的机器人系统精度更高、运行过程平稳、抖动较小，显然优于同类机器人系统的设计。