多自由度機械臂軌跡跟蹤控制仿真研究.pdf

1、多自由度機械臂是機器人的重要組成部分,在人類的生產(chǎn)生活中具有廣泛的應用。本文以機械臂運動學、動力學等為基礎,重點對機械臂逆運動學求解問題及軌跡跟蹤問題進行了研究。并以六自由度機械臂為例,對其運動學、動力學及軌跡規(guī)劃進行用了仿真。
　　對于機械臂逆運動學的求解,可以通過遺傳算法或者BP算法來訓練神經(jīng)網(wǎng)絡的權值,從而得到問題的解。但這些方法在求解精度和收斂速度上有待進一步的改進。本文通過RBF神經(jīng)網(wǎng)絡與免疫系統(tǒng)存在相似性,采用人工免疫

2、原理對RBF神經(jīng)網(wǎng)絡訓練數(shù)據(jù)集的泛化能力,動態(tài)調整神經(jīng)網(wǎng)絡隱層結構。并采用遞推最小二乘法確定網(wǎng)絡連接權值。由此實現(xiàn)對神經(jīng)網(wǎng)絡的網(wǎng)絡結構和連接權進行自適應調整和學習。仿真結果表明用免疫原理訓練的神經(jīng)網(wǎng)絡收斂速度快,泛化能力強,可提高機械臂逆運動學求解精度。
　　軌跡跟蹤問題作為機器人控制學中的一個重要方面,在控制系統(tǒng)運行過程中,存在系統(tǒng)誤差、信號檢測誤差、高頻特性及關節(jié)摩擦等不確定因素。常規(guī)的傳統(tǒng)的基于對象的控制方法很難精確的控制運

3、動軌跡。同時無法獲得令人滿意的控制性能。本文利用RBF神經(jīng)網(wǎng)絡函數(shù)與模糊系統(tǒng)的相似性,將模糊控制與神經(jīng)網(wǎng)絡相結合,采用RBF模糊神經(jīng)網(wǎng)絡對機械臂進行控制。通過模糊控制對RBF神經(jīng)網(wǎng)絡各參數(shù)及結構進行調整,同時采用最近鄰聚類算法對模糊規(guī)則庫的進行更新,優(yōu)化神經(jīng)網(wǎng)絡隱層神經(jīng)元的數(shù)目。從而達到自適應調整控制器參數(shù)和結構的目的,并加快網(wǎng)絡訓練速度。仿真結果表明,該算法與傳統(tǒng)的神經(jīng)網(wǎng)絡算法相比具有較好的性能,學習速度快,跟蹤精度高,并具有良好的控