隨著中國智能制造的快速發(fā)展,機(jī)械臂的研發(fā)水平迅速成長,使得機(jī)械臂精確的跟蹤控制問題逐漸成為研究熱點(diǎn)。本文基于模型控制和無模型控制兩種方案研究了多輸入多輸出的n自由度的機(jī)械臂系統(tǒng)的軌跡跟蹤控制問題。同時(shí)結(jié)合機(jī)械臂的模型不確定性、存在擾動(dòng),以及輸出受限、事件觸發(fā)等非線性問題,設(shè)計(jì)了基于模型和無模型控制方法下的控制器,利用李雅普諾夫方程等方法從理論上證明控制系統(tǒng)的穩(wěn)定性,并進(jìn)行仿真驗(yàn)證所提方法的有效性。首先,介紹了機(jī)械臂動(dòng)力學(xué)建模過程及基本控制方法。以二連桿的機(jī)械臂系統(tǒng)為例推導(dǎo)出機(jī)械臂的歐拉-拉格朗日方程,并推廣到n自由度的機(jī)械臂系統(tǒng)的動(dòng)力學(xué)方程。同時(shí),介紹了自適應(yīng)控制、神經(jīng)網(wǎng)絡(luò)控制、迭代控制和無模型自適應(yīng)控制四種控制方法的設(shè)計(jì)思路,為后面控制器的設(shè)計(jì)奠定了理論基礎(chǔ)。其次,研究了一種存在輸出受限和外部擾動(dòng)情況下基于事件觸發(fā)的機(jī)械臂系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制方法。為滿足輸出具有時(shí)變非對(duì)稱的上下界,提出了一種tan類型的非對(duì)稱的障礙李雅普諾夫函數(shù)。同時(shí),考慮了固定閾事件觸發(fā)機(jī)制來減少能量消耗。利用擾動(dòng)觀測(cè)器和自適應(yīng)神經(jīng)網(wǎng)絡(luò),分別對(duì)外界擾動(dòng)和不確定性的系統(tǒng)模型進(jìn)行逼近。為驗(yàn)證了所提控制策略在軌跡跟蹤控... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

機(jī)械臂系

燕山大學(xué)工學(xué)碩士學(xué)位論文-14-診斷和控制等方面已具有良好的應(yīng)用。采用RBF神經(jīng)網(wǎng)絡(luò)來逼近函數(shù)f(x)，其算法表示為：22exp()2jijcbx(2-22)Tf()()+xWx(2-23)式中，x表示神經(jīng)網(wǎng)絡(luò)的輸入，j表示第j個(gè)網(wǎng)絡(luò)隱含層的節(jié)點(diǎn)，()=[]Tix為網(wǎng)絡(luò)的高斯基函數(shù)輸出，jc為高斯函數(shù)的中心值，jb為節(jié)點(diǎn)j的高斯函數(shù)寬度，W為網(wǎng)絡(luò)的理想權(quán)值，表示逼近誤差且具有上界。圖2-2徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖2.3.3迭代學(xué)習(xí)控制迭代學(xué)習(xí)控制于1978年提出，是智能控制中的一種，通過不斷的迭代修正來實(shí)現(xiàn)控制目標(biāo)的改善，其適用于解決具有重復(fù)性運(yùn)動(dòng)的非線性、建模困難及耦合強(qiáng)度高的控制問題。由于其不依賴于系統(tǒng)的精確模型，因此算法簡單且需要較少的先驗(yàn)知識(shí)。目前，迭代學(xué)習(xí)在收斂性、魯棒性、學(xué)習(xí)算法和速度上取得了巨大進(jìn)展。迭代學(xué)習(xí)的基本原理可描述為通過迭代修正逐步改善系統(tǒng)性能，達(dá)到控制目標(biāo)。其被控對(duì)象的動(dòng)態(tài)過程為：

第3章輸出受限和外部擾動(dòng)下基于事件觸發(fā)的機(jī)械臂系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制-27-絡(luò)，其網(wǎng)絡(luò)中心分布在1,11,11,11,11,1，參數(shù)選取分別為0.01，100�？刂圃鲆孢x取分別為11K=25，12K=20，2K=diag[35,25]。光滑函數(shù)設(shè)計(jì)為31()0.5e0.25tbt，32()0.3e0.2tbt。在擾動(dòng)觀測(cè)器設(shè)計(jì)中2Θ(e)選取為常數(shù)dK=diag[5,5]。至于事件觸發(fā)的參數(shù)，我們選取Tm[3,3]，m4，10。第一個(gè)連桿和第二個(gè)連桿的軌跡追蹤圖像分別如圖3-2和圖3-3所示。兩連桿的追蹤誤差圖像分別如圖3-4和圖3-5所示。從圖中，可以看出兩連桿都成功的追蹤上了期望軌跡，并且誤差均在給定的非對(duì)稱的上下界內(nèi)收斂。帶有事件觸發(fā)機(jī)制的控制輸入信號(hào)圖像分別如圖3-6和圖3-7所示，通過局部放大圖中的控制輸入信號(hào)，可以看出觸發(fā)機(jī)制的效果。圖3-8展示了神經(jīng)網(wǎng)絡(luò)逼近曲線圖像。圖3-2連桿1的軌跡跟蹤圖像圖3-3連桿2的軌跡跟蹤圖像

【參考文獻(xiàn)】：
期刊論文
[1]抑制抖振的醫(yī)療機(jī)械臂軌跡規(guī)劃方法與仿真[J]. 黃相錦.  電子技術(shù)與軟件工程. 2018(10)
[2]High-speed Nonsingular Terminal Switched Sliding Mode Control of Robot Manipulators[J]. Fengning Zhang.  IEEE/CAA Journal of Automatica Sinica. 2017(04)
[3]多末端蘋果采摘機(jī)器人機(jī)械手運(yùn)動(dòng)學(xué)分析與試驗(yàn)[J]. 李國利,姬長英,顧寶興,徐偉悅,董芒.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(12)
[4]帶有死區(qū)和摩擦補(bǔ)償?shù)臋C(jī)械臂伺服系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制[J]. 陳強(qiáng),余夢(mèng)夢(mèng),魏倩.  新型工業(yè)化. 2016(08)
[5]行星刷式株間鋤草機(jī)械手優(yōu)化與試驗(yàn)[J]. 陳子文,李南,孫哲,李濤,張春龍,李偉.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(09)
[6]基于PID的現(xiàn)代加工生產(chǎn)機(jī)械臂控制系統(tǒng)設(shè)計(jì)[J]. 歐艷華.  輕工科技. 2015(04)
[7]六自由度機(jī)械臂約束預(yù)測(cè)控制系統(tǒng)的設(shè)計(jì)[J]. 張曉穎,李德偉,席裕庚,陳衛(wèi)東.  控制理論與應(yīng)用. 2014(11)
[8]基于非線性干擾觀測(cè)器的機(jī)械臂自適應(yīng)反演滑�？刂芠J]. 席雷平,陳自力,齊曉慧.  信息與控制. 2013(04)
[9]模糊邏輯及神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)摩擦和死區(qū)補(bǔ)償?shù)臋C(jī)器人滑模變控制[J]. 李敏,王家序,肖科,秦毅,徐建春.  重慶大學(xué)學(xué)報(bào). 2013(06)
[10]機(jī)械手魯棒自適應(yīng)PD控制[J]. 白好杰,唐大放,曹建斌.  機(jī)械傳動(dòng). 2011(11)



本文編號(hào)：3429263