关键词:
多连杆柔性关节机器人
凯恩方法
反演方法
神经网络
自适应控制
动态面控制
摘要:
随着机器人的应用领域日益扩大,许多行业对机器人的控制精度与性能要求也越来越高。大量实验与研究表明,关节柔性是制约机器人高精度控制的关键因素,而精确的动力学模型是实现机器人高精度控制的基础。因此,研究柔性关节机器人的动力学与控制算法具有非常重要的意义。本文以多连杆柔性关节机器人为研究对象,以其动力学模型为基础,递进地研究了几种高精度控制算法。首先在Spong假设的基础上,运用凯恩方法建立了传动比不为1的多连杆柔性关节机器人的动力学方程,并在Adams中运用速比折合的方法建立了虚拟样机模型,从而为多连杆柔性关节机器人的控制提供了依据。其次,为了消除对关节柔性大小的限制以及加速度反馈信息的需要,对反演控制算法进行了研究。在动力学模型精确已知的情况下,充分利用动力学性质设计了基本反演控制算法。在动力学模型未知或不精确的情况下,设计了一种新型神经网络自适应反演控制算法。该算法将系统非线性未知项与已知项分开并利用径向基神经网络在线逼近非线性未知项,并根据李亚普诺夫函数设计控制律与参数自适应律,从而实现多连杆柔性关节机器人的关节轨迹跟踪控制。然后,为了消除反演控制过程中“微分爆炸”现象,对动态面控制算法进行了研究。在动力学模型精确已知的情况下,以基本反演方法为基础,设计了基本动态面控制算法。在动力学模型未知或不精确的情况下,提出了一种无需神经网络的自适应动态面控制算法。该算法将模型未知项表示成惯性参数的线性形式并对这些惯性参数进行估计,同时利用动态面方法引入一阶滤波器消除高阶微分项,并根据李亚普诺夫函数稳定性设计这些惯性参数的自适应律,从而实现多连杆柔性关节机器人的关节轨迹跟踪控制。最后,运用Adams进行柔性关节机器人的动力学仿真,仿真结果证明了所建的凯恩动力学方程的正确性;运用S函数在Matlab的Simulink模块中构造控制系统并进行以上所提控制算法的仿真,仿真结果证明了所提控制算法的有效性;运用Matlab与Adams进行联合仿真,证明了反演法可用于实际控制,并具有很好的控制效果。