机器人控制算法及其仿真系统的研究与实现

论文摘要

工业机器人控制对象是一个多关节机械手,它的数学模型相当复杂,是一个与运动学和动力学密切相关的、强耦合、非线性的多变量系统。用传统方法控制机器人的位置和力在理论上虽然能做到对机器人快速、精确控制,但很难实现。除了需要大量繁杂的严格的数学公式推导,还要求有计算速度极高的计算机才能进行实时控制。近年来人工神经网络的重新出现,为解决机器人控制中存在的一些问题提供了新的途径。由于ANN方法具有模糊性、容错性、自适应性和自学习性的特点,比以往靠推导数学模型、参数寻优的控制方法具有明显的优越性。很多学者已用ANN解决机器人的复杂控制。本文主要对几种阻抗控制方法进行了研究。其研究思路如下:首先对传统的阻抗控制算法、自适应阻抗控制算法分别作了理论分析,并作了仿真研究;对上述两种算法作了多种环境条件下的比较研究,初步总结了阻抗参数的调节规则。通过仿真研究表明,合理的调整阻抗参数在实际力控制过程中至关重要,它可以有效地减少机械手与环境接触时的冲击力。其次论文试图探讨研究一种机器人控制算法的新途径——利用神经网络与逆系统方法相结合的思想。由于神经网络逆系统有较强的解耦线性化能力,从而实现对解耦线性化后的机械手系统控制的目的。论文中对上述过程作了仿真研究,仿真结果表明该算法的效果较理想。最后,利用PA—10机器人实现了神经网络逆系统方法对机械手原模型的解耦控制。实验表明该算法可以很好的完成机械手的轨迹跟踪任务。

论文目录

• 摘要
• Abstract
• 第1章 概述
• 1.1 问题背景
• 1.2 目前研究方法简介
• 第2章 HOGAN阻抗控制算法仿真平台的建立与研究
• 2.1 仿真工具与假设
• 2.1.1 MATLAB仿真工具箱简介
• 2.1.2 传统阻抗控制算法
• 2.1.3 仿真中采用的机器人模型
• 2.2 HOGAN阻抗控制算法仿真实验研究
• 2.2.1 自由空间下目标阻抗参数对位置控制的仿真
• 2.2.2 力约束空间下的力控制仿真
• 2.2.2.1 阶跃信号下的力跟踪仿真
• 2.2.2.2 目标阻抗参数对力控制性能的影响
• 2.2.2.3 变化环境刚度对末端承受力的影响
• 第3章 自适应阻抗控制算法仿真平台的建立与研究
• 3.1 自适应阻抗控制算法
• 3.1.1 算法前言
• 3.1.2 力跟踪阻抗控制
• 3.1.3 自适应阻抗控制
• 3.1.4 位置控制规律
• 3.1.5 自适应控制算法惯性矩阵的估计技术
• 3.2 自适应阻抗控制算法仿真实验研究
• 3.2.1 自由空间下的位置跟踪仿真
• 3.2.1.1 目标阻抗参数对控制性能的影响
• 3.2.1.2 采样步长的设定对位置控制的影响
• 3.2.2 力约束空间下的力跟踪仿真
• 3.2.2.1 阶跃信号下的力跟踪仿真
• 3.2.2.2 目标阻抗参数对力跟踪性能的影响
• 3.2.2.3 其他参数对力跟踪控制的影响
• 第4章 两种力控算法性能的仿真比较研究
• 4.1 控制算法对不连续变化环境刚度的适应性比较
• 4.2 控制算法对连续变化环境刚度的适应性比较
• 4.3 控制算法在力与位置垂直正交情况下同时跟踪控制的性能比较
• 4.4 阻抗参数的初步调整原则
• 第5章 基于神经网络α阶逆系统的方法实现
• 5.1 逆系统方法
• 5.2 神经网络逆系统方法
• 5.3 机器人神经网络α阶逆系统实验
• 5.3.1 二自由度机器人神经网络α阶逆系统辨识
• 5.3.1.1 激励和采样程序
• 5.3.1.2 数据采集及离线训练
• 5.3.2 闭环控制器的设计
• 5.3.3 闭环控制系统软件实现
• 5.3.4 实验结果及其分析
• 5.3.4.1 复合系统响应特性
• 5.3.4.2 闭环系统位置跟踪
• 5.3.5 神经网络α阶逆系统方法在机器人控制中的应用
• 5.3.6 关键技术分析
• 5.3.6.1 神经网络结构的设计
• 5.3.6.2 限位处理
• 5.3.6.3 系统采样时间的定时
• 第6章 总结与展望
• 参考文献
• 致谢