matlab柔性杆仿真

《matlab柔性杆仿真》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、.目录摘要IAbstractII1绪论11.1柔性机械臂的发展历史11.2国内外研究现状11.2.1建模11.2.2数值仿真21.2.3控制方法21.3研究目的意义22柔性臂动力学建模42.1柔性臂的建模理论42.2柔性体变形的描述52.3建立动力学方程的方法62.3.1Newton-Euler公式62.3.2基于Lagrange方程的动力学建模62.3.3Kane方法和虚功原理：72.4模态分析72.5近似分析82.6逆运动学与逆动力学82.7刚-柔双连杆机械臂的动力学方程102.7.1系统的能量102.7.2横向运动的模态分析122.7.3拉格朗日法求动力学方程

2、133动态仿真153.1.1给定运动轨迹153.1.2运用龙格-库塔法解动力学方程163.1.3刚——柔双连杆的动态建模163.1.4给定另一运动轨迹173.1.5不同轨迹的振动183.1.645°运动19...3.1.7180°运动214振动抑制及其仿真234.1抑制振动的基本方法234.1.1主动控制234.1.2被动控制244.2采用N-M算法优化轨迹244.2.1N-M优化算法244.2.2N-M算法获得轨迹264.2.3优化轨迹的仿真274.2.4振动分析275总结与展望29参考文献30致谢31...摘要这篇论文的研究对象是刚——柔双连杆机械臂模型，研究希

3、望通过优化运动轨迹的方法达到抑制振动的目的。首先，通过假设模态法和Lagrange原理建立刚——柔双连杆机械臂的动力学方程，然后运用四阶龙科库塔公式解出该动力学方程组，并且用matlab进行动态仿真。通过输入不同的运动轨迹，比较柔性机械臂末端的振动量，可以得出：在不同运动轨迹中，柔性机械臂的末端振动量是不同的。所以得出猜测：可以通过控制刚——柔双连杆机械臂的运动轨迹来抑制振动。最后运用N-M优化算法，使得运动结束后机械臂系统的能量达到最小值，计算出此时的运动轨迹，最后输入到刚——柔双连杆机械臂系统中，通过matlab验证了这种抑制振动的方法是有效果的。本文的特色在于

4、：建立的刚柔双连杆机械臂模型既体现了刚性运动，又充分表现出了柔性连杆的运动特点。最后用一种优化算法成功抑制了柔性连杆末端振动，达到预期效果。关键字：柔性机械臂；动态仿真；振动抑制；轨迹设计；N-M算法...AbstractInthispaper,atwo-linkrigid-flexiblemanipulatorismodeled,hopingthattrajectoryvibrationcanbesuppressedbyanoptimaltrajectoryplanningtechnique.Firstofall,thedynamicequationsofmoti

5、onofthemanipulatorarederivedbytheassumedmodalmethodandLagrangeapproach,andusingthefourthorderRunge-Kuttaformulaworkoutthedynamicsequations,thendynamicsimulationinmatlab.Byinputtingdifferenttrajectories,wecomparethevibrationoftheendsoftheflexiblemanipulator,knowingthat:Indifferenttrajec

6、toriesthevibrationoftheendsoftheflexiblemanipulatorisdifferent.Soweguess:Bycontrollingtrajectoryofthetwo-linkrigid-flexiblemanipulatorcansuppressvibration.FinallyweusetheN-Moptimizationalgorithmtocalculatethereasonabletrajectory,andthencontrolthetrajectoryoftwo-linkrigid-flexiblemanipu

7、lator,successfullysuppressingthevibrationoftheflexiblemanipulator.Atlast,bymatlabtoverifythemethodiseffective.Features:thetwo-linkrigid-flexiblemanipulatormodeledreflectsnotonlytherigidmotion,butalsothemovementcharacteristicsoftheflexiblemanipulator.Finallyanoptimizationalgorithmisus