对于单层神经元的移动焊接机器人焊缝跟踪方法研究

《对于单层神经元的移动焊接机器人焊缝跟踪方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、学兔兔www.xuetutu.com俘掳生产应用移基于单层神经元的移动焊接机器人焊缝跟踪方法研究乌海职业技术学院(016000)王霄霞摘要针对移动焊接机器人焊缝跟踪过程中不确定性因素造成的焊接精度不高的问题，阐述了焊缝跟踪的基本原理并得到了其误差模型，同时建立了基于速度误差的移动焊接机器人动力学模型。为缩短计算周期同时保证控制系统的自适应性，基于单层神经元网络设计了一种焊缝跟踪自适应控制器，并采用Lyapu"nov函数判定了系统的稳定性。通过MATLAB仿真试验验证了基于单神经元的移动焊接机器人焊缝跟踪方法具有较好的抗干

2、扰性和鲁棒性，表明了所述方法的有效性和正确性。关键词：移动焊接机器人焊缝跟踪单层神经网络动力学中图分类号：TG4O10前言移动焊接机器人在工业领域的应用十分广泛，然{e=Y—Y，【(1)而移动焊接机器人具有非完整约束性，不能利用连续e=—状态反馈实现系统的渐近稳定_】J，导致诸多的现代控制理论成果无法直接用于移动焊接机器人的控制。所以国内外学术界针对移动焊接机器人的控制问题展开eq：q—q=[eeve0](2)了较多的研究。KuoHsingChia，ZhangHua将控制规则修正、控制量校正、性能检测等因素加入到自适应模

3、糊控制中，经仿真和试验验证了所述方法的可能性。YangJungmin等人_4基于模糊神经网络设计了一种焊缝实时跟踪控制器，在一定程度上提高了移动焊接机善]㈩器人的焊接精度。华南理工大学通过视觉传感器获取焊缝图像，经图像分析确定焊缝位置偏差，并设计了一IxY0．T】，焊缝跟踪目标点的位姿为q，=种参数自调PID模糊控制器，可以确保较高的跟踪精[，Y，]，参考速度为。=[】，那么度【。高延峰、张华等人l7基于Backstepping法设计了一种自适应控制器，可用于移动焊接机器人的焊为=【∞]，设计一个焊缝跟踪控制系统，可缝跟

4、踪控制。陈善本、张轲等人。。基于模糊控制算法设计了一种协调控制器，并将其用于移动焊接机器人的焊缝跟踪控制。文中在现有研究的基础上，设计一种基于单层神经元的移动焊接机器人焊缝跟踪控制系统，并进行分析和仿真验证。1移动焊接机器人动力学模型在实际的焊缝跟踪过程中，移动焊接机器人主要包括3个偏差分量，即横向位置误差e，纵向位置误差收稿日期：2014—12—03图1移动焊接机器人焊缝跟踪误差示意图662015年第7期学兔兔www.xuetutu.com。生产应用俘掳保证移动焊接机器人的焊枪点与目标点的位姿偏差e即e恒为0，e：e；

5、②焊枪参考速度已知；③焊缝=[eeye】满足1ime≤，其中为趋于0的正的走向已知，即e已知。另外，速度误差可定义为：．．+数。e=“d一“(4)=(3．+为便于分析和计算，结合实际情况，可做如下假一般情况下，非完整移动焊接机器人动力学模型+设：①假设焊枪延长线方向始终能与焊缝(切线)相交，可以表示为：：(q)+c(q，)+尺()+G()+．rd=B(g)r+Ar(9)A(5)y另外，非完整约束可以描述为：度误差的移动焊接机器人动力学方程⋯可表示为：．A(q)=0(6)=====：====M(q)=一Ce+d一丁+Mz；

6、d+Cd+R(14)其中，M(q)表示系统惯性矩阵；C(q，)表示向心力2焊缝跟踪控制器设计和哥氏力矩阵；R()表示表面摩擦力矩阵；G()表示重力矩阵；r表示未建模扰动量且有界；B(q)表示输2．1单层神经元网络控制器设计入变换矩阵；r表示输入向量；A(q)表示约束矩阵；A与多层神经网络相比，单层神经元网络不但具有表示约束力向量。神经网络控制的自适应、自学习特点，而且可以缩短计由于存在满秩矩阵S(q)满足：算周期。相对而言，基于单层神经元网络的控制器具A(g)Js(q)=0(7)有更好的实时控制能力。基于单层神经元的移动

7、焊接由式(5)和(6)可得：机器人自适应控制器框图如图2所示。=S(q)(t)(8)对式(8)求导并代人式(5)，等式两边同时乘以矩阵s可得：+C+R+rd=日丁(9)其中，M=SrMS；C=S(MS+CS)；R=SrR；rd=5d；B=SrB；=【]。若令=，=1五，式(9)左乘可得：图2基于单层神经元的移动焊接机器人自适应控制器gu+C+R+rd=Br(10)令丁='rNN+。e一，其中"rNN表示单层神经元网其中，M一=TrMT；=Tr(+)；=(+络的输出力矩；K表示正定对角增益矩阵；表示补偿一～=一一=一一量，

8、用于补偿移动焊接机器人动力学系统中未建模的C仃+R)；丁d=Td，B=TB。扰动量。单层神经元网络输出力矩可表示为：根据式(4)，假设参考速度信号为："I"NN=(“d，五d)(15)d(t)=M。一1z(11)式中，表示连接权值；(，五)表示单层神经元网将u(t)带人式(10)，并进行线性化处理可得：络的输入量。由