基于自適應神經網(wǎng)絡的復雜機械臂控制研究.pdf

1、隨著科學技術的迅猛發(fā)展，機器人技術也得到飛速地發(fā)展，并廣泛應用于各行各業(yè)，如工業(yè)、航空航天、軍事、醫(yī)療等行業(yè)。而機械臂是通過模擬人的手臂的一種機械裝置，是機器人最主要的執(zhí)行機構。機械臂系統(tǒng)本身就是一個非線性、強耦合、受干擾的復雜系統(tǒng)。而且，在實踐過程中，因工作情況非常復雜，很難建立精確的機械臂系統(tǒng)數(shù)學模型，比如負載的不確定，系統(tǒng)參數(shù)不確定，甚至完全無模型等情況。另外，從電機輸出軸到機械臂的執(zhí)行軸之間的傳動系統(tǒng)不可避免地產生了柔性，所以考

2、慮關節(jié)柔性的機械臂控制也成為了當今研究的熱點和難點。除此之外，在工業(yè)應用中的機械臂出于節(jié)約成本或減少測量誤差的考慮，一些狀態(tài)變量是無法測量的，設計觀測器也成為了在控制器的設計當中一個重要部分。
　　本論文的研究首先考慮系統(tǒng)參數(shù)不確定和部分狀態(tài)量不可測量的情況下研究出了一種基于一階濾波觀測器的滑模自適應控制器。最后，根據(jù)實際過程中的完全無模型的情況下，設計了一種BP神經網(wǎng)絡的自適應觀測器，并且在此基礎上結合神經網(wǎng)絡對非線性項的萬能逼

3、近原理，采用反演控制的方式實現(xiàn)了機械臂的運動軌跡跟蹤。
　　其次，考慮機械臂關節(jié)的柔性（特別是關節(jié)剛度較小的場合）提出了基于柔性補償（其本質是增加二次濾波的帶寬）的奇異攝動控制方式的機械臂執(zhí)行端軌跡跟蹤控制器。針對完全無模型的情況下，提出了一種RBF神經網(wǎng)絡的觀測器實現(xiàn)對不可測狀態(tài)向量的重構，并依此完成了PD控制器的設計。為了實現(xiàn)柔性機械臂的更進一步地智能控制，通過結合神經網(wǎng)絡的較強自學習以及聯(lián)想能力和模糊系統(tǒng)的易于理解推理過程這

4、兩者的優(yōu)點，提出一種模糊神經網(wǎng)絡觀測器的狀態(tài)估計和未知非線性項的逼近，進而利用反演控制實現(xiàn)機械臂的軌跡跟蹤控制，仿真結果也證明了該控制器的合理性與可行性。
　　最后，通過搭建機械臂控制實驗平臺，實現(xiàn)DSP目標板與機械臂伺服系統(tǒng)的數(shù)據(jù)通信，并最終在DSP中執(zhí)行控制算法并傳輸控制信號到伺服系統(tǒng)，進而傳送動力控制機械臂完成軌跡跟蹤的目的。同時，在不中斷DSP運行的情況下，采用Matlab下的模塊CCSLink實現(xiàn)DSP、CCS和matl