欢迎来到天天文库
浏览记录
ID:36768248
大小:1.70 MB
页数:73页
时间:2019-05-15
《不确定机器人智能变结构补偿控制的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要摘要机器人的控制问题无论在理论界还是工程界一直倍受关注。当机器人动力学模型精确已知时,计算力矩方法可以很好解决其控制问题,然而在实际的操作过程中机器人动力学模型中的各个参数并不完全已知,同时还受到外部环境干扰和负载变化等许多不确定因素的影响,因此有必要对计算力矩方法加以改进。。本论文以具有完整动力学模型的机器人系统即不确定机器人系统为研究对象,在现有文献的基础上,重点探讨基于计算力矩控制算法的几种智能变结构补偿控制策略。本论文首先介绍机器人的发展概况和机器人控制理论发展概况,然后对计算力矩及计算力矩加变结构补偿控制算法的基本思想和主要特点作详细的介绍。为解决变结构补偿控
2、制所存在的控制器抖振问题,提出了不确定性机器人的三种计算力矩加智能变结构补偿控制方案,即模糊变结构补偿方案、径向基函数神经网络变结构补偿方案和模糊神经网络直接自适应变结构补偿方案。基本思想是将不确定性机器人系统分解成标称部分和不确定部分。对标称部分,采用计算力矩控制;对不确定部分,利用模糊、神经网络等智能控制方法和变结构控制思想来共同设计不同的智能变结构补偿控制器。两者叠加作为整个机器人系统的控制输入,不仅能解决单独采用变结构补偿控制所存在的控制器抖振问题,而且使机器人系统达到全局一致最后有界或渐近稳定。对所设计的控制器进行稳定性分析,并对同一个二自由度串联机器人模型进行计
3、算机仿真,证明了所设计控制器的可行性和有效性。此外,本论文还提出一种利用距离型模糊学习算法求解机器人逆运动学问题的新思想。关键词机器人;计算力矩;变结构:模糊控制;径向基函数神经网络;模糊神经网络;距离型模糊学习算法燕山大学工学硕士学位论文AbstractThecontrolproblemsofrobothavereceivedgreatattentionintheoreticalresearchandengineeringatalltimes.Itiswellknownthatthemodel-basedschemepopularlyknownasComputedTorq
4、ueControl(CTC)iseffectiveanditsperformanceisexcellentinvariouscontrolstrategiesforrobot.However,inpractice,unfortunately,itisimpossibletoobtainaperfectorevenreasonablyaccuratedynamicmodelofarobot.Furthermore,theparametersofdynamicsmodelofrobotmayalsobesubjecttochangewhenthemanipulatorgoesa
5、boutitstask.Meanwhile,thesystemcanbeinfluencedbyuncertaintiessuchasexternaldisturbanceandpayloadchange.Thus,itisessentialforCTCtobeimproved.Inthisdissertation,thesystemofrobotwithentkedynamicmodel,namely,theroboticsystemwithuncertaintiesisregardedascontrolledobject,andthevariousintelligent
6、variablestructurecompensationschemesbasedCTCareemphaticallydevelopedonbaseofthereferencesavailable.Fkstly,thedissertationgivesabriefdescriptionaboutthedevelopingsituationandcontroltheoryofrobot,andthentheunderlyingideaandmaincharacteristicofCTCandCTCaddingvariablestructurecompensationarein
7、troducedindetail.SubsequentlythreecontrolstrategieswithcompensationcontrolschemewhicharebasedonCTCaddingintelligentvariablestructureareproposed.Namely,fuzzyvariablestructurecompensationcontrol,Radialbasisfunctionneuralnetwork(RBFNN)compensationcontrolandfuzzyn
此文档下载收益归作者所有