2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩143頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、作為一種先進(jìn)的生產(chǎn)工具,機(jī)器人已經(jīng)被廣泛應(yīng)用于多個(gè)領(lǐng)域。利用機(jī)器人不僅能夠完成大量簡(jiǎn)單重復(fù)性工作,而且可以完成許多以前必須通過(guò)人工才能完成的復(fù)雜工作,在提高效率的同時(shí)改善了質(zhì)量。但傳統(tǒng)的串聯(lián)機(jī)器人存在關(guān)節(jié)誤差累積效應(yīng)、末端執(zhí)行器剛度較低和負(fù)載驅(qū)動(dòng)能力有限等問(wèn)題,這都限制了串聯(lián)機(jī)器人在實(shí)際應(yīng)用中的性能。 為了彌補(bǔ)串聯(lián)機(jī)器人的不足,人們提出了一種新型的具有多運(yùn)動(dòng)鏈結(jié)構(gòu)的機(jī)器人——并聯(lián)機(jī)器人。從機(jī)構(gòu)學(xué)上看,并聯(lián)機(jī)器人具有運(yùn)動(dòng)慣量低、剛

2、度大、負(fù)載能力強(qiáng)等優(yōu)點(diǎn),這恰恰彌補(bǔ)了串聯(lián)機(jī)器人的不足,使得并聯(lián)機(jī)器人成為一個(gè)潛在的高性能運(yùn)動(dòng)平臺(tái)。 雖然多運(yùn)動(dòng)鏈結(jié)構(gòu)給并聯(lián)機(jī)器人帶來(lái)了許多潛在性能優(yōu)勢(shì),但是同時(shí)也大大增加了并聯(lián)機(jī)器人的復(fù)雜程度,這使得并聯(lián)機(jī)器人的機(jī)構(gòu)設(shè)計(jì)和實(shí)際應(yīng)用都非常困難,從而限制了并聯(lián)機(jī)器人的實(shí)際性能。本論文以一個(gè)平面二自由并聯(lián)機(jī)器人為研究對(duì)象,從參數(shù)優(yōu)化設(shè)計(jì)、運(yùn)動(dòng)學(xué)標(biāo)定方法和軌跡跟蹤控制器設(shè)計(jì)三個(gè)方面對(duì)并聯(lián)機(jī)器人性能改進(jìn)方法進(jìn)行了系統(tǒng)深入的研究。

3、由于并聯(lián)機(jī)器人的實(shí)際性能對(duì)于各個(gè)部件的幾何參數(shù)十分敏感,因此良好的參數(shù)優(yōu)化設(shè)計(jì)是充分發(fā)揮并聯(lián)機(jī)器人性能的基礎(chǔ)。但由于并聯(lián)機(jī)器人本身所具有的復(fù)雜的多運(yùn)動(dòng)鏈結(jié)構(gòu),在并聯(lián)機(jī)器人參數(shù)優(yōu)化設(shè)計(jì)過(guò)程中往往存在奇異性復(fù)雜,參數(shù)眾多,需要兼顧多個(gè)設(shè)計(jì)目標(biāo)的困難。本文以線性矩陣不等式LMI為數(shù)學(xué)工具,給出了并聯(lián)機(jī)器人常見(jiàn)性能指標(biāo)的LMI形式。在此基礎(chǔ)上,采用基于LMI的優(yōu)化方法,對(duì)平面二自由度并聯(lián)機(jī)器人的無(wú)奇異性設(shè)計(jì)問(wèn)題和連桿長(zhǎng)度優(yōu)化設(shè)計(jì)問(wèn)題進(jìn)行了研究。

4、 在實(shí)際應(yīng)用中,由于不可避免的加工公差和裝配誤差,并聯(lián)機(jī)器人各個(gè)運(yùn)動(dòng)學(xué)參數(shù)的實(shí)際值往往和名義值之間存在偏差。因此通過(guò)運(yùn)動(dòng)學(xué)標(biāo)定的方法來(lái)估計(jì)并聯(lián)機(jī)器人運(yùn)動(dòng)學(xué)參數(shù)的實(shí)際值,成為提高并聯(lián)機(jī)器人精度的重要手段。本文中,通過(guò)消除閉鏈約束方程中的被動(dòng)關(guān)節(jié)轉(zhuǎn)角,給出了一種形式更為簡(jiǎn)潔的平面二自由度并聯(lián)機(jī)器人閉鏈約束方程表達(dá)式,并構(gòu)造了一個(gè)新的誤差函數(shù)。通過(guò)最小化該誤差函數(shù),對(duì)平面二自由度并聯(lián)機(jī)器人的自標(biāo)定問(wèn)題進(jìn)行了仿真研究。進(jìn)一步,推導(dǎo)得到了

5、平面二自由度并聯(lián)機(jī)器人的運(yùn)動(dòng)學(xué)參數(shù)誤差模型,設(shè)計(jì)了一種基于兩步迭代的運(yùn)動(dòng)學(xué)參數(shù)標(biāo)定方法,并通過(guò)仿真實(shí)驗(yàn)對(duì)該方法的有效性進(jìn)行了研究。此外,利用并聯(lián)機(jī)器人主動(dòng)關(guān)節(jié)跟蹤誤差投影,給出了主動(dòng)關(guān)節(jié)跟蹤誤差可行分量和不可行分量的定義,并提出了一個(gè)基于主動(dòng)關(guān)節(jié)跟蹤誤差不可行分量的誤差函數(shù),用于標(biāo)定并聯(lián)機(jī)器人關(guān)節(jié)傳感器零點(diǎn)位置偏角。在證明該誤差函數(shù)對(duì)關(guān)節(jié)角度測(cè)量值誤差具有魯棒性的基礎(chǔ)上,通過(guò)實(shí)際標(biāo)定實(shí)驗(yàn)對(duì)該方法的標(biāo)定效果進(jìn)行了研究。 良好的控制

6、器設(shè)計(jì)是提高并聯(lián)機(jī)器人精度的關(guān)鍵。首先對(duì)并聯(lián)機(jī)器人的Lagrange建模法進(jìn)行了總結(jié),通過(guò)將其分為L(zhǎng)agrange函數(shù)建立、Euler-Lagrange方程推導(dǎo)、閉鏈約束方程推導(dǎo)、獨(dú)立坐標(biāo)選取和約束內(nèi)力消除五個(gè)步驟,并給出了一般的并聯(lián)機(jī)器人Lagrange建模方法。在使用Lagrange法得到微分方程形式的并聯(lián)機(jī)器人動(dòng)力學(xué)模型的基礎(chǔ)上,選取跟蹤誤差為狀態(tài)變量,推導(dǎo)得到了狀態(tài)方程形式的動(dòng)力學(xué)模型。采用LQR方法獲得了最優(yōu)的反饋控制律,并最

7、終獲得了一種基于動(dòng)力學(xué)前向補(bǔ)償?shù)淖顑?yōu)控制器設(shè)計(jì)。利用所得到的最優(yōu)控制器,對(duì)平面二自由度并聯(lián)機(jī)器人的軌跡跟蹤問(wèn)題進(jìn)行了仿真研究。本文還對(duì)并聯(lián)機(jī)器人控制器設(shè)計(jì)中的關(guān)節(jié)摩擦力補(bǔ)償問(wèn)題進(jìn)行了研究。利用庫(kù)侖摩擦力和粘滯摩擦力模型建立了平面二自由度并聯(lián)機(jī)器人的關(guān)節(jié)摩擦力模型。通過(guò)將并聯(lián)機(jī)器人的動(dòng)力學(xué)模型轉(zhuǎn)化為一組關(guān)于關(guān)節(jié)摩擦力模型參數(shù)的線性方程,采用最小二乘法辨識(shí)得到了并聯(lián)機(jī)器人關(guān)節(jié)摩擦力參數(shù)。在此基礎(chǔ)上,提出了一種帶有前向摩擦力補(bǔ)償?shù)脑鰪VPD控制

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論