基于神经网络阻抗控制的机器人柔顺控制方法研究

摘要

机械臂作为一种先进、高效的控制装置已经在各个领域中得到了广泛的应用。随着当前机械臂所面临的工作任务愈加复杂，仅采用位置控制已经不能满足实际工作的柔顺需求，如何有效提高在存在系统建模误差和外部干扰下机械臂的柔顺性已经成为了一个严峻的挑战。本文将以阻抗控制方法为基础，重点研究了含有不确定性的刚性关节机械臂处于自由运动或与环境接触时的位置/力跟踪控制问题。 由于机械臂系统中存在不确定性以及末端执行器与环境接触时产生的接触力超调可能造成系统不稳定，论文第三章采用基于位置阻抗控制方法，将控制器设计为力阻抗控制外环和位置跟踪控制内环。在外环中，将PID控制方法与阻抗等式相结合，对机械臂末端接触力进行PID补偿，以实现快速消除力跟踪误差，并有效减小力超调。在内环中，考虑机器人运动学参数不确定性，采用自适应雅克比方法对不确定雅克比矩阵进行估计；然后，构造一个自适应径向基函数神经网络（RBFNN）对系统中的不确定项以及雅克比矩阵的估计误差进行逼近，RBFNN的逼近误差和外部扰动由鲁棒项来补偿。基于Lyapunov稳定性定理，保证了整个闭环系统的稳定且所有信号有界。最后，通过与传统自适应阻抗控制方法对比，验证了所提方法具有更好的位置/力跟踪性能。 针对机械臂关节速度信息未知的情况，论文第四章首先设计了一个非线性速度观测器对机械臂的关节速度进行估计，并采用自适应方法来补偿系统的模型不确定项以提高观测器性能；基于Lyapunov稳定性定理，保证了所设计观测器的观测误差全局渐近收敛到零。然后，对传统阻抗关系进行改进，使得机械臂可以同时工作在自由空间和接触空间；根据关节速度信息的估计值，提出了一种基于自适应RBFNN的位置/力跟踪阻抗控制器，其中RBFNN对系统中的不确定项进行逼近以提高位置和力的跟踪精度，鲁棒项用来补偿RBFNN的逼近误差和外部干扰。基于Lyapunov稳定性定理，保证了整个闭环系统的稳定性。最后，仿真对比实验验证了该控制方案的可行性。 考虑实际应用中电机驱动的关节机械臂系统，论文第五章在机械臂系统模型中加入了电机动态模型，并假设机械臂关节速度信息是未知的。首先构造了一个RBFNN自适应观测器对系统的未知关节速度状态信息进行估计。然后，在第四章的基础上，考虑到机械臂电机电压与驱动力矩之间的关系，提出了一种基于自适应RBFNN的反演（Back-stepping）阻抗控制方案，RBFNN用来补偿机器人系统和电机模型中的不确定性。基于Lyapunov稳定定理，证明了所设计的观测器和控制器都是稳定的。最后，仿真结果显示了所提方法的可行性。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 力/位置混合控制

1.2.2 阻抗控制

1.2.3 智能阻抗控制方法

1.3 论文主要研究内容及工作重点

2 机械臂模型的建立及阻抗控制策略

2.1 引言

2.2 机械臂的模型

2.2.1 模型的建立及相关性质

2.2.2 不确定性分析

2.2.3 笛卡尔坐标下机械臂动力学模型

2.3 径向基函数神经网络

2.4 阻抗控制

2.4.1 基于力的阻抗控制

2.4.2 基于位置的阻抗控制

2.4.3 两种控制方法对比

2.5 相关数学基础

2.6 本章小结

3 基于自适应雅克比与神经网络的机械臂PID位置/力跟踪阻抗控制

3.1 引言

3.2 力跟踪阻抗控制外环设计

3.2.1 阻抗关系与环境模型

3.2.2 改进的PID-阻抗关系

3.2.3 参考轨迹规划

3.2.4 基于位置的阻抗控制策略

3.3 位置跟踪控制内环设计

3.3.1 基于自适应雅克比和RBF神经网络的位置控制器设计

3.3.2 控制器稳定性分析

3.4 仿真实验及分析

3.4.1 机械臂仿真模型

3.4.2 实验步骤

3.4.3 实验结果与分析

3.5 本章小结

4 基于非线性速度观测器的机械臂自适应神经网络位置/力跟踪阻抗控制

4.1 引言

4.2 非线性速度观测器设计

4.2.1 观测器设计

4.2.2 观测器稳定性分析

4.3 基于观测器的自适应神经网络阻抗控制器设计

4.3.1 改进的阻抗关系

4.3.2 位置/力跟踪阻抗控制器设计

4.3.3 控制器稳定性分析

4.4 仿真实验及分析

4.4.1 实验步骤

4.4.2 实验结果与分析

4.5 本章小结

5 基于神经网络观测器的机械臂自适应神经网络反演位置/力阻抗控制

5.1 引言

5.2 包含电机的机械臂动力学模型

5.3 神经网络自适应观测器设计

5.3.1 神经网络观测器设计

5.3.2 观测器稳定性分析

5.4 基于自适应神经网络的反演阻抗控制器设计

5.4.1 反演阻抗控制器设计

5.4.1 控制器稳定性分析

5.5 仿真实验及分析

5.5.1 实验步骤

5.5.2 实验结果与分析

5.6 本章小结

6 总结与展望

6.1 本文总结

6.2 工作展望

参考文献

个人简历、在校期间发表的学术论文与研究成果

致谢