基于神经网络补偿的机器人力／位置控制.pdfVIP

《电气自动~)2010年第32卷第3期 智能控制技术 ntelligentControlTechniques 基于神经网络补偿的机器人力 ／位置控制六 兰州理工大学 电气与信息工程学院 (甘肃 兰州 730050) 李二超 李战明 李 炜 摘 要：考虑摩擦及外界干扰的情况下，针对具有不确定性的机器人系统，提出了一种新的基于神经网络补偿的智能力／位置控制方 案。该控制器通过神经网络补偿机器人模型的未建模动力学部分等非参数不确定性带来的影响，NN的输出信号加在参考输入 上而不是在关节力矩或控制输入上 ，同时在力控制回路采用灰色预测模糊调节 ，以提高系统的动态性能和稳态精度。仿真研究 表明所设计的控制器具有 良好的动态性能和较强的鲁棒性。 关键词：机器人 不确定性 神经网络 灰色预测 [中图分类号】TP242；TP183 【文献标识码】A [文章编号】1000．3886(2010)03．0016．03 NeuralNetworkCompensation—basedIntelligentPosition／ForceControlof Robot (LanzhouUnwe~ityofTechnology,LanzhouGansu730050，China) LiErchao LiZhanming LiWei Abstract：Inthispaper，anew intelligentposition／forcecontrolbasedonneur~ networkcompensationforrobotisproposedconsideringfrictionand externaldisturbanceandrobotofuncertainparameters．Thecontrolschemecompensatestheuncertaintiesofrobotbyneuralnetworkto avoidhteinfluencesofnonparameteruncertaintymadebyexternal disturbancenadunmodeleddynamicsofthesystem，itisnottoadd signalofneuralnetworkonhtejointtorqueorcontrolinputterminalbutonthereferenceinputterminal，andadoptsgreypredictionfuzzy controlinforceouterlooptoimprovedynamiticperformnaceandstaticprecision．Finally，simulationdemonsrtatethathteconrtolscheme has goodtrackingperfomr naceandstrongrobustness． Keywords：robot uncertainty neuralnetwork rgeyprediction 0 引言 M(q)q+H(q，q)=r+ H(q，q)=C(q，q)q+G(q)+ 田+F,sgn(q) (g，q，t) (1) 机器人在执行装配、抛光等任务时，要求其末端既要沿工作 式中参数意义见文献 3【]采用计算力矩控制时的动力学方程为 环境作理想的轨迹运动，又要对工作环境施加一定的力，这就需 要对位置和力同时进行控制 ，位置 ／力混合控制是常用的～种方 (g)[+ (g—q)+Kq(qd-q)]+H(q，q)=Jr+ 厂l (2) 法 1,21。所谓的位置 ／力混合控制是指利用接触力和位置运动正交 式中qa，qd，qa分别为期望的位置、速度、加速度矢量； ，IC分别为 的特点，分别对位置和力进行控制，即沿机器人位置运动受限