学位论文 > 优秀研究生学位论文题录展示

机械手系统轨迹跟踪混合控制算法的研究

作　者: 王晨光
导　师: 高强
学　校: 天津理工大学
专　业: 控制理论与控制工程
关键词: 机械手系统 轨迹跟踪 滑模控制 模糊神经网络 鲁棒自适应控制
分类号: TP241
类　型: 硕士论文
年　份: 2013年
下　载: 4次
引　用: 0次
阅　读: 论文下载
 

内容摘要


机械手系统作为机器人学科的一个重要分支,它已经发展成为工业控制领域内应用最广泛的设备装置。机械手的核心是控制系统,针对机械手运动控制最受关注的两个问题是关节路径规划问题和轨迹跟踪问题。本文主要针对四自由度双关节机械手轨迹跟踪控制算法开展了研究。轨迹跟踪问题是针对机械手在工作过程中的角位移、角速度和角加速度等参数的研究；主要目的是通过系统控制器给定双关节的驱动力矩,使得机械手双关节的角位移、角速度等状态变量跟踪给定的理想轨迹,最终实现系统手部末端能平稳的完成规定的作业流程。机械手轨迹跟踪常用控制算法有PID控制算法、自适应控制算法、神经网络控制算法、鲁棒自适应控制算法、滑模变结构控制算法、迭代学习控制算法、模糊NN控制算法等,本文给出了各个算法在应用时存在的优缺点。方法的选用要考虑系统的结构参数以及系统本身存在的参数不确定性和非参数不确定性的影响。因为机械手系统动态性能很难用精准数学模型表示出来,所以给机械手在控制方法的应用上带来了很多难题。针对机械手系统实际复杂精确模型中存在的典型问题及常用典型控制方法和现代控制方法的优缺点,采用了混合控制算法对机械手系统进行高精度轨迹跟踪控制。本文主要研究应用了三种混合控制算法,第一种是模糊增益系统与滑模控制相结合的混合控制算法,消除了系统中干扰、摩擦及不确定项的影响,克服了系统中滑模控制的抖动问题,实现了系统高精度的参数轨迹跟踪控制。第二种是模糊NN与鲁棒自适应相结合的混合控制算法,分别实现系统中仅受摩擦影响时、仅受外界干扰时和受到整个系统的不确定因素影响时的参数轨迹跟踪控制,得到了机械力臂精确的角位移轨迹跟踪曲线。第三种是RBF神经网络与自适应控制相结合的混合控制算法,引入了观测器的概念,实现了线性观测器估计系统的角速度及用RBF作为补偿控制器来逼近机械手模型的不确定部分,完成了机械手系统高精度的参数轨迹跟踪控制。在保证系统稳定性的前提下,经过对机械手仿真建模和运动分析,得到了机械手在各个混合控制算法应用下双关节角位移、角速度等参数的高精度轨迹跟踪控制。最终实现机械手末端的精确控制与精准定位。

全文目录


摘要  5-6
Abstract  6-10
第一章 绪论  10-22
  1.1 引言  10-11
  1.2 机械手系统的相关概念  11-12
    1.2.1 机械手的概念  11-12
    1.2.2 机械手的分类  12
  1.3 机械手系统的研究现状  12-14
    1.3.1 国外研究状况  12-14
    1.3.2 国内研究状况  14
  1.4 系统的结构构成和动力学模型  14-17
    1.4.1 系统的结构构成  14-16
    1.4.2 机械手动力学模型及其特性  16-17
  1.5 轨迹跟踪控制方法的综述  17-21
    1.5.1 经典控制方法  18-19
    1.5.2 现代控制方法  19-20
    1.5.3 混合先进控制方法的应用  20-21
  1.6 本文主要研究内容  21-22
第二章 基于模糊增益调整的机械手轨迹跟踪滑模控制方法的研究  22-29
  2.1 问题描述  22
  2.2 机械手动力学模型及结构特性  22-23
  2.3 自适应模糊增益调整的机械手滑模控制  23-26
    2.3.1 模糊系统设计  23
    2.3.2 模糊增益调整的滑模控制  23-26
      2.3.2.1 设计模糊规则  24-25
      2.3.2.2 模糊自适应滑模控制律的设计  25-26
  2.4 仿真实例  26-28
  2.5. 结论  28-29
第三章 基于模糊NN补偿的机械手轨迹跟踪鲁棒自适应控制方法的研究  29-44
  3.1 问题描述  29
  3.2 机械手系统描述及结构特性  29
  3.3 模糊NN补偿控制  29-31
  3.4 基于模型信息已知模糊NN补偿控制  31-43
    3.4.1 基于摩擦的模糊NN补偿控制  31-35
    3.4.2 基于外部扰动的模糊NN补偿控制  35-39
    3.4.3 基于系统不确定部分的模糊NN补偿控制  39-43
  3.5 结论  43-44
第四章 基于观测器的机械手系统NN稳定自适应轨迹跟踪控制方法的研究  44-52
  4.1 问题描述  44
  4.2 动力学机械手及性质  44-45
  4.3 多层神经网络应用  45-46
    4.3.1 NN的神经元模型  45
    4.3.2 多层神经网络  45-46
  4.4 应用结果  46-49
    4.4.1 机械手控制器-观测器的设计  46-47
    4.4.2 控制器—观测器的NN学习算法  47-49
  4.5 仿真研究与结论  49-52
第五章 总结与展望  52-54
  5.1 论文总结  52
  5.2 工作展望  52-54
参考文献  54-58
发表论文和科研情况说明  58-59
致谢  59

相似论文

  1. 三轴稳定卫星姿态控制方法研究,V448.22
  2. 卫星姿态的磁控制方法研究,V448.222
  3. 航天器姿态动力学系统鲁棒自适应控制方法研究,V448.22
  4. 角加速度控制系统设计研究,TP273
  5. 分离镜系统的滑模变结构控制及抖振抑制,TP273
  6. 模糊神经网络在扫雷犁系统中的应用研究,TJ518
  7. 车队的车道保持和换道的滑模控制研究,U461
  8. 神经网络与组合预测在高速公路路面管理系统的应用研究,TP315
  9. 机器人轨迹跟踪控制算法研究,TP242
  10. 基于Robocup足球机器人路径规划与轨迹跟踪的研究,TP242
  11. 潜艇空间运动的控制问题研究,U674.76
  12. 火灾早期探测分级预警系统研究,X928.7
  13. 信息融合技术在嵌入式驾驶疲劳检测中的应用研究,TP368.12
  14. 测量雷达智能诊断技术研究,TN957
  15. 空天飞行器的姿态控制及欠驱动控制研究,V249.1
  16. 基于滑模理论的四旋翼直升机的姿态控制研究,V249.1
  17. 智能型太阳能路灯控制器的应用研究,TM923.5
  18. 基于模糊神经网络的甲醇合成塔转化率软测量建模的研究,TP274
  19. 无人直升机鲁棒及自适应容错控制技术研究,V249.1
  20. 基于人工神经网络的镍氢电池智能充电研究,TM912
  21. 基于DGA的变压器智能故障诊断方法研究,TM407

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机械手
© 2012 www.xueweilunwen.com