本文選題：視覺反饋 + 迭代學習控制��； 參考：《西南科技大學》2017年碩士論文

【摘要】：針對進行重復(fù)作業(yè)的機械手臂控制系統(tǒng),傳統(tǒng)的基于系統(tǒng)模型的算法已很難處理系統(tǒng)參數(shù)不確定性和拒絕外部干擾,難以讓機械手臂的軌跡跟蹤誤差迅速收斂。通過視覺獲取的信息反饋到控制系統(tǒng)以提升機械手臂軌跡跟蹤精度,分析了圖像處理中的目標定位與坐標系統(tǒng)的轉(zhuǎn)換,為重復(fù)控制系統(tǒng)的期望軌跡提供了依據(jù)。通過對視覺反饋機械手臂控制算法學習研究后,本文采用基于增益矩陣估計的迭代學習算法來提高機械手臂在重復(fù)任務(wù)中的軌跡跟蹤精度。本文分析了機械手臂的正、逆運動學和動力學,通過對不同自由度的機械手臂仿真和不同增益矩陣的迭代學習控制算法的軌跡跟蹤誤差收斂速度對比分析,研究了控制系統(tǒng)對重復(fù)軌跡的跟蹤精度問題。針對PD型迭代學習控制軌跡跟蹤誤差收斂速度不理想問題,提出基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)迭代學習控制優(yōu)化控制律的增益參數(shù)。仿真對比PD型迭代學習控制的軌跡跟蹤的誤差收斂速度,結(jié)果表明優(yōu)化后的控制算法提升了機械手臂軌跡跟蹤誤差收斂速度。針對不同的增益矩陣對軌跡跟蹤控制誤差收斂的影響,采用了控制系統(tǒng)頻域特征方程求解方法,提出了將重復(fù)控制器中增益矩陣轉(zhuǎn)換成傾斜增益矩陣以提高系統(tǒng)的誤差收斂速度。仿真對比基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)迭代學習控制的軌跡跟蹤誤差的收斂速度,結(jié)果表明基于傾斜矩陣的控制系統(tǒng)提升了機械手臂軌跡跟蹤誤差收斂速度,并為控制系統(tǒng)的軌跡跟蹤精度分析提供了以提升誤差收斂速度的實際增益矩陣數(shù)據(jù)。本文通過完成優(yōu)化的迭代學習控制器設(shè)計,提高了機械手臂跟蹤重復(fù)軌跡的誤差收斂性能。在上述研究的基礎(chǔ)上,在可以與實際機械手臂無縫銜接的ROS操作系統(tǒng)與V-REP軟件平臺模擬,最后基于VS軟件平臺實現(xiàn)。
[Abstract]:The traditional algorithm based on system model is difficult to deal with the uncertainty of system parameters and reject external interference, and it is difficult to make the trajectory tracking error of robot arm converge rapidly. The information obtained by vision is fed back to the control system to improve the tracking accuracy of the robot arm. The transformation between target location and coordinate system in image processing is analyzed, which provides the basis for the desired trajectory of the repetitive control system. After studying the control algorithm of the manipulator with visual feedback, an iterative learning algorithm based on gain matrix estimation is proposed to improve the tracking accuracy of the manipulator in repeated tasks. In this paper, the forward and inverse kinematics and dynamics of the manipulator are analyzed. The convergence rate of trajectory tracking error is compared and analyzed through the simulation of the manipulator with different degrees of freedom and the iterative learning control algorithm with different gain matrices. The tracking accuracy of the control system to the repetitive trajectory is studied. Aiming at the problem that the convergence rate of trajectory tracking error of PD iterative learning control is not ideal, the gain parameters of optimal control law based on radial basis function neural network iterative learning control are proposed. The error convergence rate of PD iterative learning control is compared with that of PD type iterative learning control. The results show that the optimized control algorithm improves the convergence speed of trajectory tracking error of manipulator. Aiming at the influence of different gain matrices on the convergence of trajectory tracking control error, the method of solving the characteristic equation in frequency domain of the control system is adopted. In order to improve the error convergence rate of the system, the gain matrix in the repetitive controller is transformed into the tilted gain matrix. The convergence speed of trajectory tracking error based on radial basis function neural network iterative learning control is compared by simulation. The results show that the control system based on tilting matrix can improve the convergence speed of trajectory tracking error of robot arm. The actual gain matrix data to improve the convergence rate of the error are provided for the trajectory tracking accuracy analysis of the control system. In this paper, the optimal iterative learning controller is designed to improve the performance of error convergence in tracking repetitive trajectory of manipulator. On the basis of the above research, the simulation of ROS operating system and V-REP software platform, which can be seamlessly connected with the actual mechanical arm, is implemented based on vs software platform.
【學位授予單位】：西南科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP241

【相似文獻】

相關(guān)期刊論文 前10條

1 楊紅梅;機械手臂空間模擬的研究[J];遼寧工學院學報;2001年03期

2 ;連線[J];互聯(lián)網(wǎng)周刊;2005年06期

3 ;科技速覽[J];中國科技財富;2005年04期

4 楊松楷;;滾珠螺桿型單軸機械手臂應(yīng)用要領(lǐng)[J];金屬加工(冷加工);2010年06期

5 ;大腦意識控制機械手臂[J];機械;2012年06期

6 湯勇;;機械手臂在汽車玻璃企業(yè)的運用[J];上海建材;2012年04期

7 石偉;;兩節(jié)機械手臂控制系統(tǒng)的設(shè)計[J];工業(yè)控制計算機;2013年02期

8 杜剛;;關(guān)于機械手臂控制方案的研究[J];科技資訊;2013年29期

9 ;中美機器人手術(shù)臺上同場競技[J];機器人技術(shù)與應(yīng)用;2001年01期

10 高微;楊中平;趙榮飛;薛娟萍;;機械手臂結(jié)構(gòu)優(yōu)化設(shè)計[J];機械設(shè)計與制造;2006年01期

相關(guān)會議論文 前2條

1 高永洲;姜增如;戴亞平;;機械手臂遠程實驗系統(tǒng)的設(shè)計與實現(xiàn)[A];2004全國測控、計量與儀器儀表學術(shù)年會論文集（上冊）[C];2004年

2 李廣鑫;曹為;;基于solidworks的機械手臂虛擬設(shè)計與運動仿真[A];全國先進制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 華凌;美開發(fā)出靠意念操控的機械手臂[N];科技日報;2012年

2 見習記者 肖娟;機器人在深圳加速“上崗”[N];廣東科技報;2013年

3 彭俊勇;芯片植入腦 猴子用意識控制“機械手”進食[N];中國改革報;2009年

4 彭俊勇;大腦植入芯片,或可讓人“心想事成”[N];新華每日電訊;2009年

5 于偉;哈爾濱大學生發(fā)明爬樹機器人[N];中國知識產(chǎn)權(quán)報;2009年

6 劉鵬;日機器人會溫柔喂飯,為老齡社會造[N];新華每日電訊;2006年

7 李廣圻;走進機器人時代[N];光明日報;2000年

8 本報記者 高博 通訊員 李婧;“月球登陸器” 小學生制造[N];科技日報;2014年

9 記者 江卉　通訊員 呂惠;機器人“醫(yī)生”登上手術(shù)臺[N];湖北日報;2009年

10 記者 仇逸;目擊機器人怎樣做手術(shù)[N];新華每日電訊;2010年

相關(guān)博士學位論文 前1條

1 鐘琮瑋;仿人型乒乓球機械手運動學及動力學控制方法研究[D];浙江大學;2011年

相關(guān)碩士學位論文 前10條

1 喬偉哲;手機觸摸屏測試儀控制系統(tǒng)的開發(fā)與研究[D];中北大學;2016年

2 王緒全;六自由度機械手臂及移動機器人控制系統(tǒng)研究[D];燕山大學;2016年

3 吳宗森;基于機器視覺的Delta并聯(lián)機械手臂控制技術(shù)研究[D];電子科技大學;2016年

4 魏鵬;機械手臂系統(tǒng)的設(shè)計與研究[D];上海海洋大學;2016年

5 張宏平;魔方機器人手臂設(shè)計及運動學分析與動態(tài)特性研究[D];合肥工業(yè)大學;2016年

6 盛龍;拉線式蛇形機械手臂設(shè)計及仿真研究[D];長春理工大學;2015年

7 李亞文;基于FPGA的六自由度機器人機械手臂的插補控制系統(tǒng)研究[D];蘭州交通大學;2016年

8 王大超;6自由度機械手臂的研究與仿真[D];合肥工業(yè)大學;2017年

9 孫海波;六自由度機械手臂的力/位混合控制[D];沈陽工業(yè)大學;2017年

10 李學平;ROV水下作業(yè)培訓系統(tǒng)七功能機械手臂的設(shè)計與仿真[D];天津理工大學;2017年

，

本文編號：1888966