柔性機械臂的智能控制方法研究.pdf

1、隨著機器人技術(shù)的發(fā)展，柔性機械臂的研究日益受到重視，但由于存在建模和測量不精確、負載變化以及外部擾動等不確定性，其控制方法是關(guān)鍵。本文將模糊控制、神經(jīng)網(wǎng)絡(luò)等智能控制方法融入到柔性機械臂非線性系統(tǒng)的控制中，與經(jīng)典的控制算法相結(jié)合，能有效克服不確定性帶來的影響，因此柔性機械臂的智能控制方法研究具有十分重要的理論和實踐意義。主要內(nèi)容如下：： ⑴充分調(diào)研了國內(nèi)外平面柔性機械臂的建模及智能控制方法，分析了平面雙連桿、單連桿柔性機械臂動力學(xué)

2、模型，以后者為仿真對象，利用Matlab Simulink工具箱建立了模型仿真平臺，并且做了較多的仿真驗證工作，結(jié)果表明數(shù)學(xué)模型是合理有效的。 ⑵為使控制系統(tǒng)在負載變化時仍能快速準(zhǔn)確地跟蹤期望軌跡，基于奇異攝動方法將柔性機械臂動力學(xué)模型分解為慢、快變子系統(tǒng)，提出對于慢變子系統(tǒng)采用模糊神經(jīng)、PD控制相結(jié)合的控制方法，對于快變子系統(tǒng)采用模糊神經(jīng)、最優(yōu)控制相結(jié)合的控制方法。當(dāng)負載變化時，采用模糊神經(jīng)控制器根據(jù)實際負載對PD參數(shù)及最優(yōu)控

3、制參數(shù)進行調(diào)整，比傳統(tǒng)方法采用PD控制和最優(yōu)控制組合達到更優(yōu)的控制效果，仿真實驗結(jié)果證明了算法的可行性。文中也給出了慢、快變子系統(tǒng)模糊神經(jīng)控制器在變負載條件下訓(xùn)練參數(shù)的獲取方法。 ⑶針對柔性機械臂的卡爾曼濾波模型帶來的模型線性化損失及復(fù)雜環(huán)境下噪聲的不確定性，將適用于強非線性、非高斯場合的粒子濾波方法應(yīng)用到機械臂的狀態(tài)估計中。以雙連桿柔性機械臂為對象，將末端位置和關(guān)節(jié)角度作為觀測量，在噪聲不確定環(huán)境下做了仿真實驗并比較了兩種方法