基于運動學(xué)模型的機械臂迭代學(xué)習(xí)控制.pdf

1、在輕工業(yè)、手工業(yè)等行業(yè)的生產(chǎn)過程中，存在著大量高強度的重復(fù)性工作，這類工作適合使用機械臂系統(tǒng)代替人類完成。在汽車、電子等行業(yè)中，機械臂已經(jīng)被大量投入使用，相關(guān)的機械臂系統(tǒng)控制技術(shù)也已比較成熟;但是，現(xiàn)有的成熟機械臂系統(tǒng)大多使用國外知名廠商生產(chǎn)的精密機械臂，系統(tǒng)的購買和維護成本很高，我國中小型企業(yè)難以負(fù)擔(dān)設(shè)備引入的高額成本。因此，選取合適的低成本機械臂系統(tǒng)、提出適合于實際工況的機械臂控制方案，對于提升中小型輕、手工業(yè)企業(yè)的自動化程度有很大

2、的實際意義。
　　本文選取一類配備運動學(xué)控制器的機械臂系統(tǒng)作為研究對象，設(shè)計了三種不同形式的迭代學(xué)習(xí)控制器用以解決不同情況下的控制問題，為這一類機械臂系統(tǒng)的控制器選取問題提供了一套比較完整的解決方案。本文的主要研究內(nèi)容如下:
　　(1)針對機械臂對象模型未知的情況，選取了一種無模型的PD型閉環(huán)迭代學(xué)習(xí)控制算法。首先，由于迭代學(xué)習(xí)算法本身非常適合解決非線性系統(tǒng)軌跡跟蹤問題，因此選取迭代學(xué)習(xí)控制作為機械臂系統(tǒng)的基本控制方案;之后

3、，本文對比了閉環(huán)迭代學(xué)習(xí)算法與開環(huán)算法的特點，選取了對于環(huán)境干擾抑制效果較好的閉環(huán)形式迭代學(xué)習(xí)算法;最后，考慮到PID形式的控制器結(jié)構(gòu)簡單、魯棒性強的特點以及迭代學(xué)習(xí)過程本身在迭代軸上的積分效應(yīng)，選取了PD型閉環(huán)迭代學(xué)習(xí)律作為機械臂系統(tǒng)的控制算法。仿真實驗證明了該算法對于解決機械臂軌跡跟蹤問題的有效性。
　　(2)針對機械臂對象參考模型已知的情況，提出了一種基于固定運動學(xué)模型的迭代學(xué)習(xí)控制算法。通過使用機械臂對象的參考模型作為先驗

4、知識，利用運動學(xué)逆解得到的參考關(guān)節(jié)角指導(dǎo)迭代學(xué)習(xí)過程，該算法能夠有效加快系統(tǒng)跟蹤誤差的收斂速度。仿真結(jié)果顯示，通過使用基于固定運動學(xué)模型的控制算法，系統(tǒng)誤差收斂速度明顯提升。
　　(3)針對機械臂參考模型與實際對象偏差較大的情況，提出了一種基于自適應(yīng)模型的迭代學(xué)習(xí)控制算法。該算法使用卡爾曼濾波方法對機械臂運動學(xué)模型參數(shù)進行在線估計，每次迭代后更新對象的參考模型用于下一步迭代學(xué)習(xí)控制。仿真實驗結(jié)果表明，通過使用基于自適應(yīng)模型的算法，