基于输出约束的机械臂自适应神经网络控制方法研究

摘要

机械臂系统是一个多变量的复杂非线性时变系统，具有高度的耦合性和诸多的不确定性因素，由于这些非线性特征的存在，对机械臂系统的精确建模和控制存在着很大的难度。本文针对由电液伺服系统驱动的二自由度机械臂系统，进行了拉格朗日动力学模型搭建，对障碍李雅普诺夫函数、误差转换函数、反步控制方法和径向基神经网络这几种关键方法进行组合研究，构造出性能良好的控制器，逐步实现对系统角位移输出约束限制以及对机械臂系统模型中存在的不确定性项的估计。 首先对拉格朗日方程、系统稳定性理论、反步控制理论、径向基神经网络、障碍李雅普诺夫函数和误差转换函数等理论知识做了详细地介绍；然后在此基础上根据拉格朗日方程对机械臂系统进行动力学模型搭建，并采取PID参数调节对系统进行控制，实验证明，PID控制器在假设系统中所有的参数已知，并且没有外界干扰，以及不要求存在输出约束的情况下能够有效地跟踪期望的输出轨迹曲线，跟踪误差能够收敛到一个很小的区间内。 其次，为了实现对机械臂系统的输出约束限制，分别采用障碍李雅普诺夫函数结合非线性反步控制方法和误差转换函数结合非线性反步控制方法构造控制器，并对控制效果进行比较，可以得到，角位移误差转换函数结合非线性反步控制控制方法的控制效果更好并且可以实时地改变约束的界限值。 最后，考虑到机械臂系统数学模型中存在不确定性项，采用径向基神经网络控制方法对其进行估计和补偿，分别采用障碍李雅普诺夫函数结合自适应神经网络控制方法以及误差转换函数结合自适应神经网络控制方法进行控制器的设计，可以证明，径向基神经网络控制可以使得跟踪误差和神经网络估计误差在短时间内达到了预期的精度，能够准确地逼近机械臂系统模型中的不确定项，由此可以证明本文设计的控制方案可行有效。

目录

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2 神经网络控制方法的国内外研究历史与现状

1.3 输出约束控制的国内外研究历史与现状

1.4 本文的主要贡献与创新

1.5 本论文的结构安排

第二章 机械臂系统理论知识和方法分析

2.1 拉格朗日方程

2.2 系统稳定性理论及反步控制理论分析

2.2.1 系统稳定性理论

2.2.1 反步控制理论

2.3输出约束控制的实现

2.3.1 障碍李雅普诺夫函数介绍

2.3.2 误差转换函数介绍

2.4 径向基神经网络介绍

2.4.1 径向基网络算法设计

2.4.2 径向基神经网络逼近

2.5 本章小结

第三章 二自由度机械臂系统建模与PID控制分析

3.1 二自由度机械臂数学模型构建

3.1.1 机械臂模型构建

3.1.2 主动力臂的计算模型

3.1.3 基于电液伺服驱动的机械臂完整模型

3.2 二自由度机械臂的PID控制方法研究

3.2.1 PID控制方法介绍

3.2.2 PID控制二自由度机械臂的实现

3.3 本章小结

第四章 反步控制下两种不同输出约束方法的研究

4.1 障碍李雅普诺夫函数实现输出约束

4.1.1 反步控制结合障碍李雅普诺夫函数设计控制器

4.1.2 控制器的实现

4.2 基于误差转换函数实现输出约束

4.2.1 反步控制结合转换函数设计控制器

4.2.2 控制器的实现

4.3 本章小结

第五章 在神经网络控制下两种不同输出约束方法的研究

5.1 自适应神经网络控制简介

5.2 神经网络控制下障碍李雅普诺夫函数实现输出约束

5.2.1 控制器设计

5.2.2 控制器的实现

5.3 神经网络控制下转换函数实现输出约束

5.3.1 控制器设计

5.3.2 控制器的实现

5.4 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果