滤波驱动机构不定性补偿的机器人鲁棒滑模控制方法研究.pdf

Study on Robust Sliding Mode Control of Robot with Filter Drive Mechanism Uncertainty Compensation A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Doctor’s Degree of Engineering By Li Min Supervised by Prof. Wang Jiaxu Specialty: Mechanical Design and Theory College of Mechanical Engineering of Chongqing University, Chongqing, China October 20 12 中文摘要 摘 要 随着机器人在深空探测、核工业、深海探测等特殊与极端环境下越来越广泛 的应用，及机器人驱动机构不确定性的存在，普通机器人驱动机构及传统的经典 机器人控制方法已不能满足使用环境下高精度控制的要求。因此，新型高性能机 器人驱动机构的研制、不确定性补偿方法及机器人高级控制、智能控制方法已成 为航空、航天、航海、核工程等领域的重要课题。重庆大学机械传动国家重点实 验室王家序教授等发明了高精度、高可靠、长寿命、大扭矩、低能耗、小体积、 轻量化、大传动比等方面具有特殊优势的滤波驱动装置与智能机器人集成系统（发 明专利公开号：ZL 200910104663.7 ）和高可靠精密驱动装置 （发明专利公开号： ZL200910104672.6 ）。因此，基于上述专利，本论文研究由滤波驱动机构、连杆、 末端执行器及控制器构成的机器人系统，简称为“滤波驱动机器人”，分析了滤波 驱动机构不确定性存在的危害和补偿的必要性。通过实验研究，获得了机器人滤 波驱动机构的动态摩擦模型参数、回差、刚度。针对是否考虑机器人滤波驱动机 构的摩擦、死区、侧隙回差及刚度变化情况，本文建立了不同的Lagrange 动力学 模型，提出了用模糊径向基函数神经网络 （RBFNN ）对滤波驱动机构的动态摩擦、 侧隙回差不确定性进行补偿，及用模糊逻辑方法对机器人的死区不确定性进行补 偿，并分别提出了集成不确定性前馈补偿器的数字离散鲁棒滑模控制方法、连续 鲁棒滑模控制方法及反演滑模控制方法，分析了各种混合控制器的李雅普诺夫稳 定性，并进行了数值仿真。MATLAB 仿真结果表明，本文提出的控制方法对滤波 驱动机器人的控制和实验研究具有重要的理论研究和应用价值。 通过分析目前国内外机器人驱动机构及其不确定性补偿方法、机器人控制技 术的发展现状及趋势，以及针对机器人谐波驱动机构、RV 驱动机构等存在的问题， 论文采用滤波驱动机构来构建高精度、高可靠、高品质、长寿命的机器人，提出 了滤波驱动机构不确定项智能补偿的机器人混合滑模控制方法，对滤波驱动机器 人样机搭建具有现实的研究价值和使用意义。 论文的主要工作及创新点： 1．机器人滤波驱动机构实验研究及参数辨识。通过参考国内外谐波驱动机构、 机器人实验标准、规范、案例，本文提出了滤波驱动机构的实验方案，通过对实 验数据进行线性回归，获得了滤波驱动机构的动态摩擦模型、刚度、回差等参数， 这些为滤波驱动机器人的动力学模型建模及控制提供了实验数据支撑； 2 ．结合非线性、强耦合的机器人动力学模型，本文提出了采用3 个模糊RBF 神经网络对机器人滤波驱动机构的不确性项-LuGre 动态摩擦进行分块补偿的机器 I 重庆大学博士学位论文 人数字鲁棒滑模控制算法，在线、自适应训练非线性动态摩擦项的参数