基于神經網絡滑模多自由度機械手軌跡跟蹤算法研究

1、 分類號 密級 UDC 編號 碩 士 學 位 論 文 基于神經網絡滑模多自由度機械手軌跡跟蹤算法研究 學 位 申 請 人： 人： 翟偉娜 指 導 教 師： 師： 宋書中 教授 葛運旺 教授 學 科 專 業(yè)： 業(yè)：控制理論與

2、控制工程 學 位 類 別： 別： 工學碩士 2014 年 05 月摘 要 論文題目： 論文題目：基于神經網絡滑模多自由度機械手軌跡跟蹤算法研究 基于神經網絡滑模多自由度機械手軌跡跟蹤算法研究 專 業(yè)： 業(yè)：控制理論與控制工程 控制理論與控制工程 研 究 生： 生：翟偉娜 翟偉娜

3、 指導教師： 指導教師：宋書中教授 宋書中教授 葛運旺教授 葛運旺教授 摘 要 雖然機械手大大方便了生產，但由于它是一個非線性的多輸入多輸出系統(tǒng)，且其動力學特征具有時變性、強耦合和非線性，很難用常規(guī)手段達到對被控對象高精度的控制要求，因此針對工作任務不同，需要根據控制要求規(guī)劃關節(jié)空間的運動軌跡以構成末端位姿，所以怎樣使機械手在關節(jié)空間中精確作業(yè)就顯得尤為重要，其中實現高精度控制成為機器

4、人的核心問題。近年來許多學者提出了多種解決方案，其中混合控制方法因可以將兩種或多種控制算法相融合取長補短成為機器人軌跡跟蹤問題的研究熱點，神經網絡滑模變結構基于機械手的研究算法因被控對象處于滑模面時不受外界干擾和模型等不確定因素影響且響應速度快，這對具有非線性、強耦合動力學特征的機械手十分有利，因此近些年來得到廣泛應用和改進。 傳統(tǒng)方法雖取得了一定的成果，但在機械手的應用上主要存在兩個缺點：①需要建立高精度的數學模型，對于自身和系統(tǒng)模型

5、中存在不確定性問題難以進行處理，因此很難確保機械手具有良好的動靜態(tài)品質，不適用于對機械手進行高速運動的控制。②控制器的初始輸出力矩過大，由于機械手只能承受有限的力矩，因此通過增大控制系數這一方法來提高被控對象的控制性能受到限制?；Ｗ兘Y構以其非線性特點雖然對機械手十分有利，但是控制時會產生抖振。為了克服這一缺點，本文以滑模變結構為基礎進行改進結合神經網絡對機械手軌跡跟蹤控制算法進行研究，具體研究如下： 1.通過 D-H 方法，在建立機器

6、人所需各個坐標系基礎上，通過對各個坐標進行分析，求解出各個坐標系之間的變換矩陣，再將坐標系之間的位置和姿態(tài)關系有機的結合起來。其次通過各個關節(jié)變量對機器人進行正向運動學方程分析，然后利用代數法（反向變換法）對機器人進行逆向運動學的分析處理，求出各個關節(jié)變量（ 1 ? ， 2 ? ， 3 ? ， 4 ? ， 5 ? ， 6 ? ）。 2.由于被控對象處于滑模面中時，不受外界干擾和模型等不確定因素的影響且響應速度快，根據機械手動力學特征，在