柔性機械臂的擴展基函數(shù)迭代學習控制.pdf

1、本文以柔性機械臂(flexible manipulator)末端軌跡跟蹤控制為應(yīng)用背景，針對柔性機械臂的欠驅(qū)動、非最小相位特性和精確建模難以實現(xiàn)等特點，基于穩(wěn)定逆理論、基函數(shù)迭代學習控制等方法，提出了一種新的擴展基函數(shù)迭代學習控制方法。該方法由于采用基函數(shù)模型的“灰盒”設(shè)計思路，可以利用辨識得到的降維模型的信息設(shè)計迭代學習律，選取可以逼近穩(wěn)定逆的擴展基函數(shù)，大大減輕了對系統(tǒng)精確模型的依賴，從而可以解決非最小相位的迭代學習控制中，基于精確

2、模型的“白盒”和不需要模型的“黑盒”設(shè)計方法各自的缺陷。
　　 本文的主要工作分述如下：
　　 1．對柔性機械臂的建模理論，建模與仿真工具的現(xiàn)狀以及末端軌跡跟蹤控制的現(xiàn)狀進行了綜述，分析指出了當前在上述領(lǐng)域的主要問題。引述迭代學習控制理論在柔性機械臂非最小相位問題解決中的優(yōu)勢，并概述了非最小相位迭代學習控制的各種方法的優(yōu)缺點，引出本文的思路。
　　 2．為了解決柔性臂控制中，難以找到方便易用的建模與仿真工具的問題

3、，本文介紹了一種新型的基于Scilab/Scicos的建模與仿真工具箱，闡述了該工具箱的建模理論，簡要介紹了工具箱的軟件組織結(jié)構(gòu)，并通過算例的仿真結(jié)果驗證了該工具箱的有效性。
　　 3．針對線性時不變的非最小相位系統(tǒng)進行基函數(shù)迭代學習控制律的設(shè)計。在頻域中對Laguerre基函數(shù)進行擴展，使之可以在雙邊Laplace變換的意義下，逼近穩(wěn)定逆。從而可以通過基函數(shù)迭代學習控制的方法，不需要系統(tǒng)的精確模型信息就可以實現(xiàn)對非最小相位系統(tǒng)