基于神经网络的刚性机械臂控制研究

《基于神经网络的刚性机械臂控制研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、分类号ｙ．７８Ｓ３２幺太原理工大学Ⅺ移二ｐ｜墨ｆ－密组硕士学位论文题目基于神经网络的刚性机械臂控制研究英文并列题目ＴｈｔＳ¨ｄｙｏｆＢａ鼬ｄ—Ｎｃｑｒ鲥Ｎｅｔ竹ｏｒｋＣｏⅡｔ邢¨ｎＲｊｇｉｄＲｏｂｏｔＭａⅡｉｐｕｌａｔｏｒ研究生姓名：盐睦重学专２００２０１８５研究方向：塑照蕉墅墨鱼塑垡．导师姓名：煎妻塑职称：整蕉论文提交日期２００５“学位授于单位：盔星堡王塞芏地址：坐亘：盘壁太屎理工大学太原理工大学硕士研究生学位论文Ｙ平面的运动；关节３是直线关节，通过丝杠连接完成坐标系ｚ轴方向的运动；关节４为旋转关节，用来调整工具的角度。本文主要是解决关节ｌ和关节２的平衡问题，通过设计智能伺服控制器

2、，使其动力学性能更好，实现精确的轨迹跟踪。本论文主要的研究工作集中在以下几点：（１）根据机器人运动学和动力学基础知识，建立了固高四自由度机械臂的运动学正解和逆解方程，并利用第二类动态数学建模法一拉格朗日功能平衡法，建立了四自由度机械臂的动力学模型。（２）介绍了模糊逻辑和神经网络应用在机器人控制中的基本原理，尤其是局部连接神经网络的特点和结构。最后分析了模糊逻辑和神经网络相结合的形式，指出ＲＢＦ神经网络与模糊系统的函数等价性。（３）为了提高不确定性系统的轨迹控制性能，本文提出了一种机械臂的新的智能混合控制器一多变量ＲＢＦ模糊神经网络控制器。基于ＲＢＦ神经网络的模糊神经网络多变量控制算法

3、，分别对机械臂关节ｌ和关节２进行两个回路控制，并通过～个单层神经网络的协调级来消除和减小各回路的耦合影太原理工大学硕士研究生学位论文响。同时，可以在线调整网络隶属函数的中心值和宽度。（４）将该控制策略应用于固高直接电驱动刚性机械臂。大量仿真结果表明，本文提出的控制算法在轨迹跟踪控制中，表现出有效性和鲁棒性。关键词机械臂，跟踪控制，神经网络控制，模糊神经网络，ＲＢＦ模糊神经网络ＴＨＥＳＴＵＤＹＯＦＢＡＳＥＤ．ＮＥＵＲＡＬＮＥＴＷＯＲＫＣｏＮＴＲｏＬＩＮＲＩＧＩＤＲＯＢｏＴＭＡＮＩＰＵＬＡＴＯＲＡＢＳＴＲＡＣＴＯｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｍａｎｉｐｕｌａｔｏｒｏｐｅｒａｔｉｏｎｓｉ

4、ｓｔｈｅｃｏｎｔｒｏｌｏｆｔｈｅｍａｎｉｐｕｌａｔｏｒｔｏｔｒａｃｋａｇｉｖｅｎｔｒａｊｅｃｔｏｒｙ．ＭｏｓｔｃｏｍｍｅｒｃｉａｌｒｏｂｏｔｓｙｓｔｅｍｓｃｕＦｅｎｔｌｙａｒｅｅｑｕｉｐｐｅｄｗｉｔｈｃｏｎｖｅｎｔｉｏｎａｌＰＩＤｃｏｎｔｒｏｌｌｅｒｓｄｕｅｔｏｔｈｅｉｒｓｉｍｐｌｉｃｉｔｙｉｎｓｔｒｕｃｔｕｒｅａｎｄｅａｓｅｏｆｄｅｓｉｇｎ．ＵｓｉｎｇＰＩＤｃｏｎｔｒｏｌ，ｈｏｗｅｖｅｒ，ｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏａｃｈｉｅｖｅａｄｅｓｉｒｅｄｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｐｅｒｆｏｒｍａｎｃｅｓｉｎｃｅｔｈｅｄｙｎａｍｉｃｅｑｕａｔｉｏｎｓｏｆａｍｅｃｈａｎｉｃａｌｍａｎｉｐ

5、ｕｌａｔｏｒａｒｅｔｉｇｈｔｌｙｃｏｕｐｌｅｄ，ｈｉｇｈｌｙｎｏｎｌｉｎｅａｒａｎｄｕｎｃｅｒｔａｉｎ．Ｗｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｍｏｄｅｍｃｏｎｔｒｏｌｔｈｅｏｒｉｅｓ，ｍｏｒｅａｎｄｍｏｒｅｉｎｔｅｌｌｉｇｅｎｔｃｏｎｔｒｏｌｉｄｅａｓａｒｅａｐｐｌｉｅｄｔｏｓｏｌｖｉｎｇｔｈｉｓｐｒｏｂｌｅｍＵｐｔｏＤＯＮｅｉｎｔｅｌｌｉｇｅｎｔｃｏｎｔｒｏｌ（１Ｃ）ｈａｓｂｅｅｎａｐｐｌｉｅｄｗｉｄｅｌｙｉｎｔｈｅｕｎｃｅｒｔａｉｎａｎｄｎｏｎｌｉｎｅａｒｓｙｓｔｅｍ．Ｉｎｔｈｉｓｔｈｅｓｉｓ，ｗｅａｉｍｅｄａｔｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｆｕｚｚｙｎｅｕｒａｌｎｅｔ

6、ｗｏｒｋ（ＦＮＮ）ｔｅｃｈｎｏｌｏｇｙｉｎｔｈｅｋｎｏｗｌｅｄｇｅｏｆｋｉｎｅｍａｔｉｃｓａｎｄｄｙｎａｍｉｃｓｏｆｒｏｂｏｔ．Ｕｓｉｎｇｔｈｅｓｅｃｏｎｄｄｙｎａｍｉｃｍａｔｈｅｍａｔｉｃｍｏｄｅｌｌｉｎｇｍｅｔｈｏｄ－－Ｌａｇｒａｎｇｅｆｕｎｃｔｉｏｎａｌｂａｌａｎｃｅｄｍｅｔｈｏｄ，ｔｈｅｄｙｎａｍｉｃｓｍｏｄｅｌｏｆ４－ＤＯＦｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｗａｓｄｅｄｕｃｅｄ２）Ｔｈｅｎｔｈｅｂａｓｉｃｐｒｉｎｃｉｐｌｅｓｏｆｔｈｅｒｏｂｏｔａｐｐｌｉｃａｔｉｏｎｏｆｆｕｚｚｙｌｏｇｉｃａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｗｅｒｅｉｎｔｒｏｄｕｃｅｄ，ｉｎｅｓｐｅｃｉａｌｔｈｅ

7、ｓｔｒｕｃｔｕｒｅａｎｄｓｃｈｅｍａｔｉｃｏｆｌｏｃａｌｌｙ—ａｔｔａｃｈｅｄｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｃｏｍｂｉｎａｔｉｏｎｓｏｆｆｕｚｚｙｌｏｇｉｃａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｗｅｒｅｅｘｐｏｕｎｄｅｄ，ａｎｄｔｈｅｆｕｎｃｔｉｏｎｅｑｕｉｖａｌｅｎｃｅｏｆｆｕｚｚｙｌｏｇｉｃａｎｄｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ｍ３Ｆ）ｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｐｏｉｎｔｅｄｏｕｔ３）Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｔｒａｃｋｉｎｇｃ