兩連桿機械臂迭代學習控制的設計與仿真研究.pdf

1、非線性系統(tǒng)的控制問題一直是控制領域中的熱點以及難點問題。眾所周知，非線性時變系統(tǒng)極為難于控制，即使利用現代控制理論也難以設計適當的控制器。但對于具有重復運動性質的系統(tǒng)，如機械臂的操作，迭代學習控制(ILC)是解決這一類系統(tǒng)簡單而有效的方法，它能提高被控對象的運動軌跡在有限時間區(qū)間上沿整個期望軌跡的跟蹤精度。 本文針對兩連桿機械臂這一非線性模型，分別對D型、P型和A型三種不同的迭代學習控制方法設計學習律，通過對各自學習律收斂條件的

2、分析，選擇合適的學習增益，完成控制器的設計。并在此基礎上，對三種學習控制算法的收斂性和對應學習律下系統(tǒng)的魯棒性進行了仿真分析。旨在研究三種不同迭代學習控制算法的性能及其在兩連桿機械臂系統(tǒng)中的應用。 從仿真結果中可以看出，D型迭代學習控制和A型數據采樣迭代學習控制很好的滿足了收斂性和跟蹤精度的要求，且收斂速度較快，在存在初始偏差、動態(tài)擾動和輸出測量噪聲的情況下，也具有較好的魯棒性，進而驗證了其算法的有效性。與這兩種迭代學習控制相比

3、，P型迭代學習控制的收斂條件更加嚴苛，收斂性和魯棒性較差，而且收斂速度比以上兩種控制方法要慢得多。 考慮到兩連桿機械臂的實際執(zhí)行過程，D型迭代學習控制并不能達到仿真結果中的效果。原因在于，從學習律的構成來看，D型學習律利用的是前一次輸出誤差信號的導數信號來構造學習律，因此很容易引入噪聲，從而降低其有效性；而P型和A型迭代學習控制在學習律的構造上不存在求導的問題，能有效抑制噪聲。但A型迭代學習控制的性能比D型和P型學習控制要好得多