关键词:
搬运机器人
神经网络
粒子群算法
滑模控制
Simmechanics
动力学仿真
摘要:
工业机器人作为现代制造领域的典型代表,集精密化、人工智能、机电控制、多传感器融合、柔性制造和计算机应用等众多先进制造技术于一体,成为工业自动化生产线上不可或缺的主流装备,对提高劳动生产率、降低成本、节约能源、增加产品产量和提高产品质量方面具有重要意义。随着经济制度的改革和制造业的不断升级,对工业机器人的性能要求也不断提高,所以提高工业机器人高速高精度运行能力和抗干扰能力成为机器人控制领域的一个重要课题。本文以国产的搬运机器人ER20-C10为研究对象,建立动力学仿真模型,分析和研究机器人动力学特性,设计了神经网络算法与其他算法相结合的控制器,为机器人动力学控制的理论研究提供新的解决思路。首先通过ER20-C10搬运机器人的参数化模型,在Matlab/Simmechanics中建立刚体机器人动力学仿真模型。同时建立空间仿真轨迹,运用D-H参数法进行逆运动学求解,本论文所涉及的机器人模型符合Pieper原则,可利用分离变量法求出逆解,然后筛选出最优解并通过三次多项式样条曲线对各关节运动轨迹进行优化。最后将建立的动力学仿真模型在Matlab软件中进行仿真得到机器人位置、速度、加速度和力矩变化曲线并进行分析,同时验证不同负载下的机器人动力学特性。通过建立仿真模型对机器人轨迹和力矩的特性进行验证分析,为机器人的研发实验提供预测和评估,具有很好的推广价值。作为机器人的核心,控制器是决定机器人动力学性能的重要因素,具有高智能算法的控制系统是机器人未来发展的方向。本文以神经网络算法为基础,结合其他智能算法设计控制器,对机器人动力学性能进行优化。首先将神经网络算法与粒子群算法相结合,针对神经网络算法的权值随机性带来的控制性能不稳定和收敛速度慢的缺点,利用粒子群算法对神经网络权值进行实时在线优化。其次还将神经网络算法和非奇异终端滑模控制相结合,由于滑模控制具有快速性好,无超调和实时性强的特点,适合机器人控制。但是其抖振问题一直是影响其应用发展的重要因素,因此,提出利用神经网络作为机器人不确定部分的滑模动态补偿来削弱控制器抖振,并通过Lyapunov方程对控制器进行稳定性判定。最后,针对以上两种控制器,分别在Matlab软件中编写控制算法并仿真,验证优化后的机器人轨迹跟踪能力和抗干扰能力,通过仿真结果证明了所提出的改进算法的有效性。最后,介绍了ER20-C10机器人控制系统的软硬件组成,并搭建了实验平台。根据示教流程示教编程了机器人运动轨迹,并针对不同负载对机器人进行实验。通过实验结果,分析了不同负载对搬运机器人位置误差和力矩的影响,与第二章建立的机器人动力学仿真结果对比,验证了动力学仿真模型的正确性。