基于RBF神经网络的机械手轨迹跟踪控制方法研究

摘要

工业机器人（机械手）在世界工业生产中占据着非常重要的位置，对其关节轨迹的跟踪控制一直是研究的热点。但机械手是一种多输入多输出系统，具有非线性，强耦合等特性，所以在高精度、高速度的轨迹跟踪中，开发出高性能的控制算法是一项重大的挑战。
　　本文对RBF神经网络的结构特点、学习算法以及在机械手控制中的应用进行了全面的分析，并将RBF神经网络的非线性逼近特性进行了理论验证。分析了机械手系统的基本结构，采用拉格朗日-欧拉法推导了二自由度串联机械手的动力学方程，分析了惯量特性、哥氏力和向心力特性、重力矩特性。在MATLAB中建立了基于S函数的机械臂非线性系统模型，并将动力学模型转化为二阶微分方程的形式，以便所设计算法的引入。若机械手系统不存在外部干扰，且动力学方程的重力项精确已知，传统PD控制即可获得理想的跟踪效果。但完全不受外力，没有任何干扰的系统是不存在的。针对此问题，设计了一种新的具有外界干扰和不确定性机械手定点跟踪控制策略：基于传统PD控制，引入RBF神经网络实现了对机械手重力项的补偿，并采用一个鲁棒控制项，用于克服神经网络的逼近误差，运用李雅普诺夫方法对其进行了稳定性分析。针对一个双关节刚性机械手进行了轨迹跟踪仿真，仿真结果显示了该控制算法收敛速度，跟踪精度，抗干扰等方面都具有较强的适应性。分析了滑模变结构控制在机械手中的优缺点，单独的滑模控制在机械手力矩的输出上会出现抖动，造成轨迹跟踪的偏差。针对此问题，设计了一种基于径向基函数神经网络(RBFNN)的自适应滑模控制器。其中滑模变结构控制用来克服扰动以保证系统稳定，RBFNN通过自学习能力克服系统不确定性以减小切换增益。将滑模函数作为网络的输入，切换项增益作为网络输出，实现了切换项增益的自适应调节。通过MATLAB软件分别对两自由度、空间三自由度刚性机械手进行了仿真，其结果表明，在存在模型误差和外部扰动的情况下，本算法既能达到高精度快速跟踪的目的，又能有效消除滑模控制的抖动。

目录

声明

第1章 绪论

1.1 课题研究背景及意义

1.2 机器人发展概述

1.3 机器人的分类

1.4 工业机器人控制方法

1.5 本文研究内容

第2章 机械手运动学和动力学方程的构建

2.1 坐标的空间描述

2.2 运动学方程的建立

2.3 动力学方程的建立

2.4 Matlab建立机械手模型

2.5 本章小结

第3章 基于重力补偿的RBF神经网络PD控制

3.1 神经网络介绍

3.2 RBF神经网络

3.3 理想模型控制方法

3.4 存在干扰及不确定项的控制方法

3.5 本章小结

第4章 RBFNN的机械手滑模控制

4.1 滑模变结构简介

4.2 基于径向基函数神经网络的机械手滑模控制

4.3 RBF神经网络滑模控制器的设计

4.4 仿真及结果对比

4.5 三自由度空间机械手仿真

4.6 本章小结

第5章 结论

参考文献

致谢

攻读学位期间的研究成果