中文翻译-混合位置及力控制SCORBOT-ER4支机械手与神经网络的非线性补偿.docVIP

混合位置/力控制SCORBOT-ER4支机械手与神经网络的非线性补偿 Piotr Gierlak 热舒夫科技大学， 应用力学与机器人系 8 Powstancow Warszawy街，波兰，35-959 Rzeszow pgierlak@prz.edu.pl 摘要。机械手的混合位置/力控制的问题，机械手是不平凡的，因为是一个非线性的对象，其参数可能是未知的，变量和工作条件多变。神经网络控制系统，使机械手的行为正确，即使在控制对象的数学模型是未知的。在本文中，混合位置/力控制与神经的SCORBOT-ER4PC机器人的非线性补偿操纵器呈现。所提出的控制律和自适应律保证在意义上的实际的闭环系统稳定李雅普诺夫。进行了数值模拟的结果。 关键词：神经网络，机器手，跟踪控制，力控制。 1 引言 机器人找到不同的应用在许多领域的设备经济。有关的运动精度和要求机械手的自主性不断增加以及他们所执行的任务，更多，更复杂。在当代工业应用中，它是所需机械手施加指定的部队，沿着规定的路径。机械手是对象的非线性和不确定性的动态，未知可变参数（质量，转动惯量，摩擦系数），在多变的条件下工作。这种复杂系统的控制是非常有问题的。该控制系统具有产生这种控制信号，将保证用适当的力沿路径运动的执行和的更换操作条件下，保证所需的精度。 在控制系统，工业机械手，计算力矩法[1,2]使用非线性补偿。然而，这些方法需要精确的数学模型（知识结构的运动方程的系数）的控制对象。此外，在这样的的方法，在补偿参数的标称值，由此来实现控制系统的作用，没有考虑到更换操作条件。在文献算法存在着许多变化，其中参数适应机械手的数学模型[1,2]。然而，这些方法不消除不确定性的模型与结构问题。 与目前的困难，神经网络控制技术[3,4,5,6]。在这些方法中的数学模型是不必要的。这些技术用于混合位置/力控制。在作品等[7,8]控制器已提交。但是，在第一次的作品，只会迫使正常的同时考虑到接触表面，在所述第二工作部分假设在实际应用中难以满足，即一些刚度矩阵其中环境和特点的功能，可以计算接触力，必须是已知的。 上作者的论文，被认为只有位置控制器。在本文混合位置/力神经网络控制器。这种方法考虑到最终作用于所有的力/力矩。这些位于端部执行器由传感器测量的力/力矩。 2 描述的SCORBOT-ER4PC机器人机械手 示于图SCORBOT-ER4支机械臂。1。它的驱动直流齿轮电机和光学编码器。机械手有5个对旋转运动：手臂的机器人有3个自由度而夹持器有2个度。 图。1。一）SCORBOT-ER4支机械手，B）计划 从关节空间直角坐标空间的变换是由以下方程： y = k(q) (1) 其中，q∈Rn为广义坐标（链接的旋转角度）的载体，K（Q）是一个运动学函数，Y∈Rm是一个的位置/方向的矢量端部执行器（D点）。动力运动方程的分析模型在下面的表格[7][9]： M(q)q¨+ C(q, q˙)q˙ + F(q˙) + G(q) + τd(t) = u + JTh (q)λ + τF (2) 其中M（q）∈Rnxn是惯性矩阵，C（Q，Q˙）∈Rn是一个向量的离心科氏力/力矩，F（˙Q）∈Rn是摩擦向量，G（Q）∈RN一个重力矢量，τd（T）∈Rn是一个向量扰动界| |τd| |B，B 0，U∈Rn是控制输入向量，JH（Q）∈Rm1xn是一个雅可比矩阵与接触面的几何形状相关联的，λ∈RM1是一个向量的约束施加的力通常在接触表面上（拉格朗日乘数），τF∈Rn是一个矢量，力/力矩的关节，来自力/力矩FE∈室施加到端部执行器（除约束力）。的矢量τF是由下式给出： τF = JbT (q)FE （3) JB（q）的∈Rmxn在体内是一个几何的雅可比矩阵[2]。雅可比矩阵可以以下列方式计算Jh的（q） Jh(q) =?h(q)/?q (4) 其中，h（q）的=0是一个完整约束方程，它描述了的接触表面。这个等式的自由度的数量减少n1的=正 - M1，因此，可以通过以下进行说明的分析系统的减少位置变量θ1∈RN1[7]。变量的其余部分在下面的依赖于θ1方法： θ2 = γ(θ1) (5) θ2∈RM1，和γ产