面向不确定性的机器人柔顺性控制方法研究

论文摘要

机器人学科是一门迅速发展的前沿性学科,其核心是控制系统。近几十年来,对机器人控制问题进行了大量的研究,特别是柔顺性控制问题。许多学者应用新的方法和理论,对柔顺性控制从理论和实际应用中都做了各种尝试。然而,机器人是一种非线性、强耦合的系统,有很多不确定性的因素。机器人与环境接触时,环境的不确定性也对控制性能产生了较大的影响。因此,极大地制约了机器人的应用范围。基于上述问题,本文在机器人柔顺性控制的基础上,主要针对机器人模型不确定性及环境不确定性进行研究。本文首先介绍了目前柔顺性控制的基本策略及特点,通过分析选择采用阻抗控制策略。其次介绍了机器人运动学和动力学模型并建立了机器人与环境接触的仿真模型。再次,在阻抗控制思想下推导了一种基于力矩的阻抗算法并通过仿真分析得出了阻抗参数选取的基本原则。然后,针对环境位置不确定性,采用了轨迹修正模块,它根据力误差修正参考位置,不需要知道环境位置和刚度的先验知识；针对模型不确定性,采用了惯性矩阵估计和延迟模块,大大减小了跟踪误差,但该算法要求采样时间足够小。最后,在此基础上,针对机器人动力学模型所存在的建模不确定性,设计RBF神经网络补偿不确定项,在采样时间较大的情况下,跟踪速度快,误差小,能够达到较好的控制效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究意义及目的
• 1.2 国内外研究现状
• 1.2.1 经典控制方法
• 1.2.2 先进控制方法
• 1.2.3 智能控制方法
• 1.3 柔顺性控制中的关键问题
• 1.4 柔顺性控制应用前景
• 1.5 本文研究内容及章节安排
• 第2章 机器人控制基本理论
• 2.1 引言
• 2.2 机器人与环境接触的数学模型
• 2.2.1 雅克比矩阵
• 2.2.2 机器人动力学模型及特性
• 2.2.3 机器人与环境接触的动力学
• 2.3 不确定性分析
• 2.4 仿真模型的建立
• 2.5 本章小结
• 第3章 基于阻抗算法的机器人柔顺性控制方法研究
• 3.1 引言
• 3.2 阻抗控制原理
• 3.3 基本阻抗控制算法
• 3.3.1 阻抗控制律设计
• 3.3.2 力控制和位置控制分析
• 3.4 阻抗参数对控制性能的影响
• 3.4.1 阻抗参数对位置跟踪的影响
• 3.4.2 阻抗参数对力跟踪的影响
• 3.5 阻抗参数选取的基本原则
• 3.6 本章小结
• 第4章 基于参考轨迹修正的自适应阻抗控制算法
• 4.1 引言
• 4.2 问题的提出
• 4.2.1 环境位置不确定性分析
• 4.2.2 机器人模型不确定性分析
• 4.3 自适应阻抗控制
• 4.3.1 自适应控制律设计
• 4.3.2 稳定性及收敛性分析
• 4.4 自适应参数对控制性能的影响
• 4.4.1 位置控制仿真分析
• 4.4.2 力控制仿真分析
• 4.5 不同输入信号下的自适应阻抗控制仿真
• 4.5.1 位置跟踪
• 4.5.2 力跟踪
• 4.6 本章小结
• 第5章 基于RBF神经网络补偿的阻抗控制算法
• 5.1 引言
• 5.2 RBF神经网络逼近原理
• 5.2.1 神经网络概述
• 5.2.2 RBF神经网络的特点
• 5.2.3 RBF神经网络结构
• 5.3 RBF神经网络控制
• 5.3.1 控制系统不确定性分析
• 5.3.2 神经网络控制器设计
• 5.4 仿真分析
• 5.4.1 关节跟踪仿真分析
• 5.4.2 力控制性能仿真分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 硕士期间完成论文情况