柔性机械臂建模与智能控制.pdf

摘要 摘 要 在机器人的研究中，柔性机械臂的建模与控制是最重要的领域之一。 本文较系统地介绍了一种两杆柔性机械臂的建模方法：利用拉格朗日原理推导 了两杆柔性机械臂的非线性动力学方程。该方法考虑了柔性机械臂刚体运动和弹性 变形之间的耦合影响，并将柔性机械臂假设为一段Euler-Bemoulli梁处理，将弹性变 形用截断模态方程表示，同时考虑了弹性势能和重力势能的影响，得到的双连杆柔 性机械臂的动力学模型具有模型准确、结构简单等特点。仿真结果验证了该模型的 准确性。 由于神经网络对非线性函数具有任意逼近和自学习能力，所以神经网络作为系 统辨识工具，为非线性系统的辨识提供了一种简单而有效的途径。为了解决神经网 络拓扑结构难以确定的问题，本文在传统进化规划算法的基础上，提出了递阶进化 规划方法，对神经网络的拓扑结构和网络参数进行递阶式优化，在单次仿真运行中， 同时得到了合理的神经网络拓扑结构和网络参数值。 柔性机械臂由于测量和建模的不精确，再加上负载的变化以及外部扰动的影响， 很难得到精确、完整的运动模型；使其控制过程存在严重的不确定性，传统的控制 方法难于对其进行准确控制，采用智能控制方法可以较好地解决柔性臂非线性系统 的控制问题。 在柔性臂的控制中，必须要对柔性臂进行正、逆运动学计算。本文介绍了一种 应用双向映射神经元网络来实现柔性臂正、逆运动学计算的方法，利用神经网络输 出的结果作为控制变量，来实现柔性臂运动学控制。双向映射神经元网络主要由两 个神经网络和一个修正函数构成，其中一个神经网络用来进行正运动学求解，另一 个神经网络用来计算雅可比矩阵，修正算法是根据李雅普诺夫函数来计算的。逆运 动学的解利用正运动学通过迭代算法来求解。在双向映射神经元网络中求解正运动 学的神经网络分别采用RBF神经网络和BP神经网络来实现，并用递阶进化规划算 法对RBF神经网络的拓扑结构和网络参数同时寻优。仿真结果表明：进化规划算法 应用在神经元网络的学习训练中，具有精度高、收敛速度快的特点。因此应用双向映 射神经元网络对柔性机械臂进行控制，能够满足柔性机械臂控制的要求，是一种有 效的控制方法。 关键词：柔性机械臂，动力学建模，拉格朗目原理，进化规划算法，BP算法 神经网络 Abstract Abstract for control flexible areboth Themotion and critical modeling strategy manipulator in researchfoCUSroboticfields． Akindofthemotion for twolinkflexible hasbeen modelingplanar manipulators inthisdissertation：nenonlinear motion flexible of proposed dynamic equations werededucedon based effectbetween manipulator Lagrangetheory．Thecoupling elastic was deformationandthe motionconeemedinthe thesame