基于BP算法的数字式机械臂系统控制的研究.pdfVIP

基于BP算法的数字式机械臂系统控制研究 刘媛 王卫红 北京航空航天大学自动控制系 北京 100083 摘 要 本文讨论了具有三自由度结构的数字式机械臂系统的控制问题 关节间存在的强耦合 性是控制系统中的主要问题 所以利用神经网络高度非线性映射的特点 本文提出了一种基于 BP算法的解耦控制方案 并用仿真算法验证了方案的有效性 关键词 BP网络 机械臂 单神经元 机械臂系统是基于对桥式吊车系统的改进而得到的 对比于桥式吊车 机械臂系统要 多出一个关节 并且在各转动关节上又加上伺服电机和传动装置 这样使得机械臂系统在 结构和模型上更加复杂 对其控制的难度加大 其中的一个突出问题是关节间存在较强耦 合的非线性 所以 如何解决随动 跟踪和非线性问题 是本论文要着力考虑的 机械臂 是一个比较典型的三自由度工业机械手 而本文所采用的实验系统与实际应用的机械手相 比具有结构简单和成本低廉的特点 其控制对于研究机械手在工业中的应用 具有重要意 义[1] 1 问题的提出 PID控制是一般工业机械臂控制的常用方法 这种方法忽略各个关节之间的耦合作用 将机械臂的每一个关节看作是独立的位置伺服系统 但是由于它们是由连轴器连接在一起 的 这就势必会有耦合影响 首先分析车位置通道 Mf Ia U x x 1/Ra Kt 1/Js n 1/s - Ke 图 1电机模型 机械臂关节电机的模型如图 1所示 因为固结在每一个电机轴上的只有单个的摆杆或 小车 其他的构件不是随这个轴的运动而运动的 它们的惯性矩也不能折合在电机轴上 而这些杆件之间的耦合包含在了M 的表达式中 尽管加入了比较大的减速比 M 的值 f f 还是比较大的 不能将其忽略 在对机械臂进行PID控制的仿真实验中发现 耦合的影响 表现的很大 严重时根本无法正常工作 因此有必要找到一种有效的方法来解决这一问题 [2] 2 基于BP算法的机械臂系统静态解耦控制 机械臂系统的解耦分成静态解耦与动态解耦两种形式 由于动态解耦难于实现 所以 实际运用中一般采用静态解耦 当系统属于类似于机械臂系统具有明显的非线性及时变特 性时 要实现简单的静态解耦是不现实的 此时要求解耦环节具有自适应能力 人工神经 网络由于其在学习 自适应和联想记忆方面的特殊功能 可以保证较精确地跟踪未知模型 或参数变化较大的模型 神经网络BP算法把一组样本的输入/输出问题变为一个非线性优 化的问题 使用了优化中最普遍的梯度下降法 使解耦环节具有良好的自适应能力 2.1解耦控制的基本原理 设被控对象的传递函数特性为 Y ( s ) G ( s ) U ( s ) 式中 Y (s ) [y 1 (s ), y 2 (s ), Ly n (s )] T 为输出向量 U (s) [u 1 (s ), u 2 (s), L u n (s )]T g 11 ( s ) g 12 ( s ) L g 1n ( s ) 为输入向量 g 21 ( s ) g 22 ( s ) L g 2 n ( s ) 为传递函数阵 G ( s ) L L L L g n 1 (