自动化双控专业xxxs200502112柔性机械臂控制策略题目要求.docVIP

柔性机械臂控制策略 一、题目要求 某一个柔性机械臂系统，该系统中有一个电流常数为的驱动负载的电动机，其负载由弹性系数为的弹簧连接的两个质量块组成（如图所示）。 图1 系统示意图 若忽略摩擦，假设弹簧的相对阻尼为，并且第一个质量块受到力矩为的扰动。系统的输入信号是电动机的电流。两个质量块的角速度为和，角度为和，转动惯量为和，系统的输出是角速度。现在令 其中： 则可得系统的模型 其中：，，，，。具体参数：，，，，，为时间时高为-10且持续时间为0.1时间单位的一个脉冲信号。 二、控制方案的选择与分析 1，对柔性机械臂的控制一般有如下方式： 1)????? 前馈补偿法：将机械臂柔性变形形成的机械振动看成是对刚性运动的确定性干扰，而采用前馈补偿的办法来抵消这种干扰。 2)????? 被动阻尼控制：为降低柔性体相对弹性变形的影响，选用各种耗能或储能材料设计臂的结构以控制振动。或者在柔性梁上采用阻尼减振器等 3)????? 力反馈控制法：基于逆动力学分析的控制方法，即根据逆动力学分析，通过臂末端的给定运动求得施加于驱动端的力矩，并通过运动或力检测对驱动力矩进行反馈补偿。 4)????? 自适应控制：将系统划分成关节子系统和柔性子系统.利用参数线性化的方法设计自适应控制规则来辨识柔性机械臂的不确定性参数。 5)????? PID 控制：常通过调整控制器增益构成自校正PID控制器或与其它控制方法结合构成复合控制系统以改善PID控制器性能。 6)?????模糊与神经网络控制：是一种语言控制器，可反映人在进行控制活动时 的思维特点。其主要特点之一是控制系统设计并不需要通常意义上的被控 对象的数学模型，而是需要操作者或专家的经验知识，操作数据等。 本次设计中系统的传递函数已经给出，我们考虑用模糊与神经网络控制的方法对该柔性机械臂系统进行控制与仿真。因此我们只要将它离散化，并化为差分方程，然后再建立此动态系统的逆模型，继而进行神经网络控制，即可使系统的输出和期望输出接近一致。期望输出设定为5。 通过对原动态系统离散化，取采样时间，采用零阶保持器，求得差分方程。可得其逆模型为： 利用神经网络逼近上述差分方程中的未知非线性函数，直接与被控对象串联，使期望输出与对象实际输出之间的传递函数等于1。下面为神经网络实现直接逆控制的框图。 图2 神经网络实现直接逆控制的框图 2，神经网络控制理论基础 神经网络预测控制时使用非线性神经网络模型来预测未来模型性能。控制器计算控制输入在未来一段指定的时间内将最优化模型性能。模型预测第一步是要建立神经网络模型（系统辨识）；第二步是使用控制器来预测未来神经网络性能。 图3 神经网络模型结构 2.1系统辨识 系统辨识分为两步:第一步为产生训练数据，第二步为训练网络模型。在模型辨识窗口中，设置好相应的参数后，就可以来产生训练序列，程序会通过SIMULINK网络模型提供一系列随机阶跃信号，来产生训练数据。 2.2模型预测 模型预测第一步就是训练神经网络未来表示网络的动态机制。模型输出与神经网络输出之间的预测误差，用来作为神经网络的训练信号。 神经网络模型利用当前输入和当前输出预测神经网络未来输出值。 模型预测方法是基于水平后退的方法，神经网络模型预测在指定时间内预测模型响应。预测使用数字最优化程序了确定控制信号，通过最优化如下的性能准则函数，即 上面公式中，N2 为预测时域长度；Nu 为控制时域长度；u（t）为控制信号；yr 为期望响应； ym 为网络模型响应；为控制量加权系数。 控制器方块可用Simulink来实现。 本文主要就神经网络控制作了学习并应用。 三、神经网络设计过程 3.1、建立m文件 对于该柔性机械臂系统，所要选择的参数就是和，相对阻尼为,和弹性系数为。为此先设计一个m文件。当系统参数改变时，只要我们稍微的改变m文件的参数设置就可以对系统进行仿真了。 J1=0.005; %para.m J2=10; %参数初始化 k=1; d=0.1; kI=1; w=((k*(J1+J2))/(J1*J2))^0.5; a=J1/(J1+J2); b1=d/(J1*w0); b2=d/(J2*w0); gamma=kI/(J1*w0); delta=1/(J1*w0); A=[a 1 -1;a-1 -b1 b1;a b2 -b2]; A=w.*A; B=[0;gamma;0]; C=[0 0 w]; D=0; 3.2、神经网络的设计 首先判断给定系统的可控性。因为系统的极点配置也是系统很重要的一指标。 对给定系统的参数（A,B,C,D） X’=[0.1 1 -1;-0.9 -0.09 0.09;0.1 0.01 -0.01]x+[0;0.9;0]u+[0;0.9;0]v Y=[0 0 1] x