基于函数逼近的柔性机械臂变轨迹迭代学习控制

摘要

柔性机械臂系统是高度复杂、高度非线性、非最小相位系统，且具有诸多的不确定性，因此，柔性机械臂末端轨迹跟踪问题有很大难度，再加上庞大的计算量和设备成本，成为了很多理论算法投入生产实践应用的“瓶颈”。这些制约了机械臂进行更高精度、更高速度的工作。 本文我们应用迭代学习算法控制机械臂，可以在无法准确建模的情况下，通过逐次学习，逐渐完成对期望轨迹的完全跟踪。但是，机械臂在现实工作中存在很多限制，可能导致跟踪的期望轨迹发生改变，这就不满足迭代学习算法的前提假设，给迭代学习控制算法的应用带来了困难。因此，如何在期望轨迹变化时，使迭代学习控制仍然有效，并能实现对机械臂末端的可变期望轨迹有效跟踪，成为本文研究的主要内容。 本文的主要工作及成果： 针对一类仿射非线性动态系统，结合变结构控制技术设计一种期望轨迹可变的迭代学习控制算法。最后，采用李雅普诺夫稳定性理论证明了算法的收敛性。 选择三种常用的逼近方法分别设计控制器，并基于刚性机械臂模型进行仿真，从仿真结果看，三种控制器均能够实现对变轨迹的有效跟踪。通过比较分析得出，基于小波网络逼近的迭代控制器较理想。 然后，我们把基于小波逼近的迭代学习控制器用于控制柔性机械臂，不仅实现了柔性臂末端的变轨迹跟踪，且振动抑制的控制效果也较理想。 基于实验室硬件设备，本文设计了柔性臂的运动控制系统平台，并在MATLAB的SimMechanics工具箱下搭建柔性机械臂的模型，仿真试验结果显示出最大跟踪误差逐渐收敛，且抑制住了轨迹跟踪过程中出现的振动，从而实现了柔性臂末端的变轨迹跟踪控制和振动抑制控制。

目录

文摘

英文文摘

致谢

第一章绪论

1.1柔性机械臂简介

1.2柔性机械臂控制的研究现状

1.2.1末端位置控制

1.2.2振动抑制控制

1.2.3柔性臂研究存在的问题

1.3新型迭代学习的兴起

1.4期望轨迹可变的迭代学习控制

1.5本论文的主要内容

1.6本文的结构安排

第二章迭代学习控制器设计

2.1引言

2.2问题描述

2.3基于函数逼近的迭代学习控制器设计

2.3.1函数逼近思想的引入

2.3.2迭代学习控制器设计

2.4收敛性分析

2.5小结

第三章基于三种逼近方法的迭代学习控制对比研究

3.1引言

3.2基于小波网络逼近的迭代学习控制

3.2.1小波网络逼近

3.2.2从Fourier分析到小波分析

3.2.3积分小波变换与时间频率分析

3.2.4小波基函数的参数选择

3.2.5基于小波逼近的刚性机械臂迭代学习控制

3.3基于高斯径向基网络逼近的迭代学习控制

3.3.1 RBF神经网络逼近

3.3.2高斯径向基网络参数选择

3.3.3基于高斯逼近的刚性机械臂变轨迹迭代学习控制

3.4基于模糊神经网络逼近的迭代学习控制

3.4.1模糊逻辑系统

3.4.2模糊逼近器的设计

3.5.3基于模糊逼近的刚性机械臂变轨迹迭代学习控制

3.5三种逼近方法对比研究

3.6柔性机械臂末端的变轨迹迭代学习控制

3.7 小结

第四章柔性臂运动控制系统仿真试验

4.1引言

4.2柔性臂平台硬件设计

4.2.1柔性机械臂伺服驱动系统

4.2.2柔性臂控制系统结构

4.2.3柔性臂控制平台确定

4.2.4运动控制卡——PMAC

4.3柔性臂控制系统软件设计

4.4柔性机械臂SimMechanics模型仿真

4.4.1 SimMechanics工具箱简介:

4.4.2 SimMechanics建模方法

4.4.3柔性臂模型搭建及仿真试验

4.5小结

第五章总结与展望

5.1本文工作总结

5.2下一步工作展望

参考文献

作者简介

攻读学位期间参加的项目

作者在读硕士期间的科研成果