多關(guān)節(jié)機(jī)器人的智能滑模變結(jié)構(gòu)控制方法研究.pdf

1、對(duì)于多關(guān)節(jié)機(jī)器人的軌跡跟蹤控制，自適應(yīng)性和魯棒性是其控制器應(yīng)具備的兩種基本控制特性?；Ｗ兘Y(jié)構(gòu)控制因?yàn)榫哂休^強(qiáng)的魯棒性，而成為一種有效的控制方法。但由于滑模變結(jié)構(gòu)控制存在抖振，在一定程度上限制了其應(yīng)用和發(fā)展。為了消除滑模變結(jié)構(gòu)控制這個(gè)缺點(diǎn)，本文研究了滑模變結(jié)構(gòu)控制與智能控制相結(jié)合的控制方法。主要包括滑模變結(jié)構(gòu)控制與模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法相結(jié)合的控制方法，并取得了如下成果： (1)研究了多關(guān)節(jié)機(jī)器人的控制結(jié)構(gòu)，設(shè)計(jì)了一種并行

2、控制結(jié)構(gòu)。該控制結(jié)構(gòu)具有兩個(gè)優(yōu)點(diǎn)：一是充分利用機(jī)器人已知的知識(shí)，作為滑?？刂频牡刃Э刂?，縮短了智能控制部分對(duì)不確定性干擾學(xué)習(xí)的時(shí)間；二是充分利用了嵌入式系統(tǒng)和計(jì)算機(jī)通信等最新技術(shù)的發(fā)展成果，將對(duì)機(jī)器人不確定性干擾的學(xué)習(xí)任務(wù)分配給多個(gè)微處理器，利用計(jì)算機(jī)通信進(jìn)行相互協(xié)作。這樣簡(jiǎn)化了學(xué)習(xí)和控制算法，提高了控制速度。該控制結(jié)構(gòu)兼有集中控制和分散控制的優(yōu)點(diǎn)，不會(huì)因?yàn)槟骋魂P(guān)節(jié)的傳感器損壞而影響其它關(guān)節(jié)的工作。所以，便于故障檢測(cè)和排除，增強(qiáng)了控制系

3、統(tǒng)的可靠性，并且便于并行處理，具有很強(qiáng)的魯棒性。 (2)研究了模糊控制的設(shè)計(jì)方法和萬能逼近特性。提出了一種快速自適應(yīng)模糊滑?？刂品椒?，并將此方法應(yīng)用到兩個(gè)機(jī)器人仿真系統(tǒng)中：針對(duì)具有建模誤差和不確定干擾的機(jī)器人，設(shè)計(jì)了一個(gè)基于快速直接自適應(yīng)模糊滑?？刂频姆抡嫦到y(tǒng)；針對(duì)參數(shù)未知的不確定機(jī)器人，設(shè)計(jì)了一個(gè)基于快速間接自適應(yīng)模糊滑模控制的仿真系統(tǒng)。這兩個(gè)系統(tǒng)都不再需要對(duì)機(jī)器人的未知參數(shù)進(jìn)行預(yù)先估計(jì)，通過模糊系統(tǒng)對(duì)機(jī)器人未知參數(shù)的逼近，使

4、控制器的參數(shù)能隨著機(jī)器人參數(shù)的變化而自適應(yīng)地變化。因此，消除了滑模變結(jié)構(gòu)控制的抖振。另外，文中利用李亞普諾夫穩(wěn)定性定理證明了系統(tǒng)的穩(wěn)定性，并詳細(xì)分析了這兩種控制系統(tǒng)的誤差運(yùn)行軌跡，從理論上證明了控制系統(tǒng)的誤差只與模糊系統(tǒng)的逼近誤差有關(guān)，而與系統(tǒng)的建模誤差和干擾無關(guān)，所以該方法提高了控制系統(tǒng)精度、增強(qiáng)了控制系統(tǒng)的魯棒性。 (3)研究了神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和學(xué)習(xí)方法。針對(duì)具有建模誤差和不確定干擾的機(jī)器人，提出了一種基于徑向基函數(shù)的快速神經(jīng)

5、滑?？刂品椒?。該方法通過神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)機(jī)器人不確定性干擾的上界，消除了滑?？刂频亩墩?。并利用李亞普諾夫穩(wěn)定性定理推導(dǎo)出了神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)，保證了系統(tǒng)的穩(wěn)定性。另外，文中詳細(xì)分析了控制系統(tǒng)的誤差特性和魯棒性。 (4)研究了同時(shí)具有模糊控制和神經(jīng)網(wǎng)絡(luò)優(yōu)點(diǎn)的模糊神經(jīng)網(wǎng)絡(luò)。針對(duì)具有建模誤差和不確定干擾的機(jī)器人，提出了一種基于自組織模糊神經(jīng)網(wǎng)絡(luò)的全程滑?？刂品椒?。該方法將模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)結(jié)合在一起，根據(jù)控制系統(tǒng)的性能要

6、求自組織模糊規(guī)則，并利用梯度下降算法在線調(diào)整模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)和權(quán)值，從而提高了控制系統(tǒng)的精度，消除了滑模控制的抖振。 (5)研究了遺傳算法的設(shè)計(jì)方法。針對(duì)參數(shù)未知的不確定機(jī)器人，提出了一種基于改進(jìn)遺傳算法的模糊神經(jīng)滑模控制方法。該方法首先利用神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)器人進(jìn)行數(shù)學(xué)建模，然后利用遺傳算法離線優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)，提高了控制系統(tǒng)的在線學(xué)習(xí)速度，最后利用梯度算法在線調(diào)節(jié)模糊神經(jīng)網(wǎng)絡(luò)的權(quán)值，使控制器參數(shù)能夠隨機(jī)器人參數(shù)的變化而變化