多自由度机械臂模糊控制器的设计 .pdfVIP

多自由度机械臂模糊控制器的设计

随着多自由度机械臂在制造业、非制造业以及极端环境中得到了广泛的应用,

对多自由度机械臂的轨迹跟踪速度、精度和稳定性等性能指标提出了更高的要求。

然而,在实际工程应用中,多自由度机械臂是一个高度耦合的多输入和多输出强

非线性的复杂系统,且存在外部时变扰动、未建模动态、参数摄动、负载时变和

内部摩擦等不确定性因素,难以对其建立精确的动力学模型,从而导致多自由度

机械臂的高精度轨迹跟踪控制难以实现。

因此本文设计了两种高精度的、快速的、稳定性的多自由度机械臂轨迹跟踪

控制器。主要研究内容如下:机械臂数学模型的建立是机械臂轨迹跟踪控制器设

计的基础,因此分别对多自由度机械臂的动力学模型和运动学模型进行了分析。

首先给定多自由度机械臂的各个关节变量,通过采用D-H法建立了多自由度

机械臂末端执行器相对于基础坐标系的位置与姿态,即多自由度机械臂的正运动

学模型。其次对多自由度机械臂的逆运动学模型进行了分析。

最后通过采用Langrange法对多自由度机械臂的动力学进行了建模,并对多

自由度机械臂的动力学模型及其特点进行了分析。针对多自由度机械臂数学模型

的不确定性问题,提出一种基于RBF神经网络的机械臂自适应控制方法。

首先利用RBF神经网络通过离线训练和在线学习的方式对多自由度机械臂

的动力学模型进行辨识;然后针对机械臂动力学模型中的摩擦和重力项,设计

RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。并针对时变扰动和

RBF神经网络逼近误差设计鲁棒控制,以克服众多不确定性因素带来的影响,同

时通过构造李亚普诺夫函数对所设计的控制系统进行了稳定性分析;最后仿真实

验结果表明,在机械臂的数学模型不确定的情况下,所提出的复合控制方法具有

较高的轨迹跟踪精度、速度和较强的抗干扰能力。

然而,采用RBF神经网络自适应鲁棒控制器,在初始时刻、摩擦和扰动发生跳

变时,多自由度机械臂的轨迹跟踪误差略大,且其跟踪误差收敛速度较慢。在RBF

神经网络自适应控制的基础上,引入了模糊逻辑控制,设计了一种基于模糊RBF

神经网络的多自由度机械臂自适应鲁棒控制器。

首先采用模糊RBF神经网络自适应控制算法对机械臂动力学模型中含有摩

擦和重力项在内的非线性函数进行逼近补偿;然后设计鲁棒控制器,对模糊RBF

神经网络逼近误差、负载时变、参数摄动和外界时变扰动等不确定性因素进行补

偿,并采用李亚普诺夫函数对所提出的基于模糊RBF神经网络的机械臂自适应鲁

棒控制系统进行了稳定性分析。最后仿真实验结果验证了所提出的控制系统的有

效性。