并联机器人文献综述.doc

《并联机器人文献综述.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、并联机器人文献综述1、引言人类千百年来对器械自动化的追求，促使了机器人的产生和发展。自从1961年美国推出第一台工业机器人以来，机器人得到了迅速的发展。广泛应用于工业各部门以及服务、医疗、卫生、娱乐等许多方面，对人类的生活产生了深远的影响。现代所说的机器人多指工业机器人，大都是由基座、腰部（肩部）、大臂、小臂、腕部和手部构成，大臂小臂以串联形式连接，因而也称为串联机器人，目前关于机器人的研究大部分集中于这一领域。就在串联机器人蓬勃发展的时候，又出现了一类全新的机器人——并联机器人。它作为串联式机器人强有力的补充，扩大了整个机器人的应用范围，引起机器人学理论界和工程界的广泛关注，

2、成为机器人研究的主要研究热点之一。并联机器人作为一种全新的机器人，它具有刚度大、承载能力强、误差小、精度高、动力性能好等一系列优点，并联六自由度机器人在许多行业有着非常好的应用前景，其特殊结构给机器人带来许多其它机器人不具备的优点。并联机器人是一种闭环机构，导致了其运动学和工作空间分析较为困难，同时也让机器人的精确控制变得特别困难。机器人运动时每个液压缸上分配的负载是变化的，因此每个液压伺服回路的受力、频率等系统参数也是变化的，常用的控制算法很难实现系统的精确控制。因此，对并联机器人的理论控制的研究对并联机器人的控制精度和应用推广有着重要的意义。2、国内研究现状最近几十年，国内

3、外学者对并联机器人的特点、机构学、运动学方面进行了广泛、深入的研究，并且对这方面取得的成果进行了详细的概括和总结。但是,并联机器人作为一个结构复杂、多变量、多自由度、多参数耦合的非线性系统,其控制策略、控制方法的研究极其复杂。最初设计控制系统时，大多把并联机器人的各个分支当作完全独立的系统来进行控制,控制策略为传统的PID控制，控制效果很不理想。随着控制理论的发展，新的控制方法不断涌现，如智能控制"鲁棒控制"自适应控制等，并联机器人的控制也得到了迅速发展。并联机器人作为一种结构复杂、多变量、多自由度、多参数耦合的非线性系统，与串联机器人相比，具有刚度大、精度高、动力性能好以及结

4、构紧凑等特点，它广泛应用于工业、医疗、航空航天等方面。由于并联机器人控制方法的研究极其复杂，早期对其控制方法的研究较少，而且一般都采用常规控制方法，把机器人的各个分支当做完全独立的系统，控制效果很不理想。随着控制理论的发展，新的控制方法不断涌现，如智能控制、鲁棒控制、自适应控制等，并联机器人的控制也得到了迅速发展。3、机器人控制理论分类并联机器人在约束环境中工作时，为了避免产生较大的接触力和力矩,损坏工件和自身，通常需要进行力、力矩控制。为了提高并联机器人对环境的适应能力,拓宽并联机器人应用领域，必须对并联机器人进行力控制方法的研究。在选择具体的控制方法时，可以参考串联机器人力

5、控制中已成功实现的控制策略，从而提高并联机器人智能化程度，使之在不确定环境中完成要求的控制任务。3、1并联机器人的鲁棒控制并联机器人的鲁棒控制包括变结构控制、鲁棒自适应控制、反馈线性化的鲁棒控制控制等。3.1.1并联机器人的变结构控制变结构控制由于具有不需要被控对象的精确数学模型，对外界干扰和参数变化不敏感，而且对系统内部耦合不需要做专门的解耦等特点，比较适合并联机器人控制。3.1.2并联机器人的鲁棒自适应控制将自适应控制与鲁棒控制两者结合形成鲁棒自适应控制，这样就可以利用自适应控制来抑制参数的不确定性，同时利用鲁棒控制来抑制非参数不确定性。3.1.3并联机器人基于反馈线性化的

6、鲁棒控制基于反馈线性化的鲁棒控制的主要优点是可以利用到成熟的线性控制理论，当了解系统线性性能特征（如超调量阻尼比等）的时候，该方法是比较有效的。在不完全了解机器人动力学的情况下，难免导致补偿不彻底、解耦不完全。当然这种控制方法在并联机器人的控制中也得到了一定的应用。3.1.4自适应控制方法的应用自适应控制包括线性系统自适应控制和非线性系统自适应控制，其中线性系统自适应控制方法在并联机器人控制中已经得到了应用。并联机器人是一种存在参数不确定性和外界干扰的系统，而自适应控制方法仅可以解决系统模型参数不确定性问题，不能保证系统在未知干扰下的稳定性和暂态响应，因此自适应控制必须同其它控

7、制方法相结合才能使并联机器人系统获得满意的性能。3.2并联机器人的智能控制智能控制是自动控制发展的高级阶段，主要用于解决用传统方法难以解决的复杂的非线性和不确定的系统控制问题，智能控制包括单一控制方式和复合控制方式。3.2.1单一控制方式随着人工智能和智能控制理论的发展，将新的智能控制成果引入机器人的控制，来研究和开发智能机器人已是大势所趋。目前用于并联机器人的单一智能控制方法有：神经网络控制、模糊控制、专家控制、遗传算法控制、分级递阶控制、免疫控制等，在并联机器人控制中应用较多的神经网络控