不确定性机器人力/位置智能控制及轨迹跟踪实验的研究

论文题目: 不确定性机器人力/位置智能控制及轨迹跟踪实验的研究

论文类型: 博士论文

论文专业: 控制理论与控制工程

作者: 温淑焕

导师: 王洪瑞

关键词: 机器人,神经网络,模糊控制,鲁棒自适应,阻抗控制,位置混合控制,型模糊神经网络,混合,控制

文献来源: 燕山大学

发表年度: 2005

论文摘要: 机器人的力/位置控制问题是机器人控制中的研究热点。本文主要针对机器人参数摄动及外界工作环境接触刚度的不确定性进行研究和探讨,主要研究工作概括如下: 首先本文在力/位置混合控制的基础上提出三种控制方案: 1. 在鲁棒自适应控制的基础上,采用 PD+前馈的控制结构,简化了控制器的成本和结构,用 RBF 神经网络对机器人的不确定性上界的函数进行辨识,使控制系统具有较强的自适应能力。在机器人力/位置混合控制的基础上,提出了一种在力控制回路中采用神经网络控制方法,有利于提高系统接触刚度不确定的自适应能力,同时避免了求解回归矩阵。 2. 由于模糊技术与神经网络的结合能弥补彼此的不足,因此本文提出了一种模糊神经网络控制器与比例控制器相结合的控制方案,采用模糊神经网络在线学习不确定函数的上界,比例控制器增强模糊神经网络控制策略的完备性。模糊 RBF 神经网络利用模糊推理机产生的分目标学习误差进行训练,避免了采用直接反馈误差进行训练可能造成的过饱和调整问题,并能有效抑制测量噪声的影响,提高系统的控制品质。 3. 针对实际应用中对不确定的不同要求,又提出了一种具有混合 H2/ H∞性能指标的神经网络控制方法,对机器人不确定性（包括参数不确定性和外部扰动）分别进行补偿,混合 H2/H∞控制的性能指标保证了系统对外界干扰在给定的干扰衰减度下具有鲁棒稳定性的同时,满足一定的 H2的最优性能指标。神经网络的加入使得系统在满足 H2/H∞性能指标的同时,还用来学习机器人的参数不确定部分。 其次由于力/位置混合控制理论明确,但付诸实施难。机器人阻抗控制将力控制和位置控制纳于一个框架之内,用相同的策略去实现它们,因而具有较少的任务规划工作量。机器人阻抗控制问题的研究主要有两点,一是针对机器人动力学和环境的不确定性,本文提出一种具有鲁棒性的阻抗控制结构,使用模糊神经网络补偿力控制中的不确定性;二是针对阻抗控制对期望力的跟踪能力,

论文目录:

摘要

Abstract

第1章 绪论

1.1 机器人的发展概况

1.2 不确定机器人控制的提出

1.2.1 机器人力/位置控制概述

1.2.2 智能控制新策略

1.2.3 机器人力/位置控制研究的应用前景

1.3 机器人的数学模型及仿真模型的建立

1.3.1 机器人的数学模型

1.3.2 仿真模型的建立

1.4 本文研究的目的和意义

1.5 论文的结构

第2章 基于神经网络的机器人鲁棒自适应控制

2.1 引言

2.2 径向基神经网络

2.2.1 RBF 神经网络训练算法设计

2.2.2 面向 MATLAB 工具箱的径向基神经网络

2.3 PD+前馈控制理论

2.4 基于神经网络的鲁棒自适应控制器设计

2.4.1 控制器设计

2.4.2 仿真研究

2.5 基于神经网络的机器人鲁棒自适应力/位置控制

2.5.1 控制结构的设计

2.5.2 仿真研究

2.6 本章小结

第3章 基于模糊神经网络的机器人模糊自适应力／位置混合控制

3.1 引言

3.2 T-S 型模糊 RBF 神经网络

3.2.1 模糊逻辑系统

3.2.2 T-S 型模糊RBF 神经网络的原理

3.3 基于模糊神经网络的机器人模糊自适应控制

3.3.1 混合控制原理

3.3.2 控制器设计

3.3.3 模糊推理规则的实现

3.4 仿真研究

3.5 本章小结

第4章 基于神经网络的机器人力/位置混合 H 2 ／H_∞控制

4.1 引言

4.2 混合H_2 /H_∞控制

4.3 基于神经网络的机器人混合H_2 /H_∞控制

4.3.1 问题描述

4.3.2 混合H_2 /H_∞控制器设计

4.3.3 神经网络控制器设计

4.4 仿真研究

4.5 本章小结

第5章 机器人的模糊自适应PD控制

5.1 引言

5.2 模糊控制原理

5.2.1 模糊控制器的组成

5.2.2 模糊条件句与模糊控制规则

5.3 模糊自适应PD 控制原理

5.4 仿真分析

5.5 基于模糊自适应 PD 控制的机器人力/位置控制

5.5.1 控制器的设计

5.6 仿真研究

5.7 本章小结

第6章 不确定机器人的力／位置阻抗控制

6.1 引言

6.2 阻抗控制概念

6.3 阻抗控制原理

6.4 基于模糊神经网络的阻抗控制

6.4.1 非线性补偿阻抗控制方法

6.4.2 模糊神经网络补偿阻抗控制方法

6.5 基于阻抗控制的精确力跟踪方法

6.5.1 面临的困难

6.5.2 模糊神经网络算法

6.6 仿真研究

6.7 本章小结

第7章 基于模糊自适应PD的轨迹控制的实验研究

7.1 引言

7.2 2-DOF 机器人系统的组成

7.3 2-DOF 机器人数学模型

7.3.1 系统分析

7.3.2 2-DOF 机器人系统的Home 位置

7.4 开环模型

7.4.1 前向运动学

7.4.2 逆向运动学

7.5 实验步骤及实验结果

7.5.1 实验步骤

7.5.2 实验结果

7.6 本章小结

结论

参考文献

攻读博士学位期间承担的科研任务与主要成果

致谢

作者简介

发布时间: 2005-07-22

参考文献

• [1].黏性橡胶拆垛机器人轨迹优化及控制研究[D]. 梁乐.哈尔滨工业大学2018
• [2].面向狭小空间作业的超冗余机器人轨迹规划及控制研究[D]. 牟宗高.哈尔滨工业大学2017
• [3].机器人的切削加工模型及其控制方法研究[D]. 陈首彦.华南理工大学2017
• [4].基于数字样机的3-TPS混联机器人设计与控制的研究[D]. 史家顺.东北大学2016
• [5].基于视觉注意机制的服务机器人深度感知方法研究[D]. 徐涛.北京工业大学2017
• [6].一种基于混联机构的割胶机器人运动控制技术研究[D]. 王学雷.中国农业大学2018
• [7].凿岩机器人孔序规划的研究与实现[D]. 周友行.中南大学2003
• [8].基于微分几何学的机器人操作性能的研究[D]. 张连东.大连理工大学2004
• [9].多机器人协作的学习与进化方法[D]. 杨东勇.浙江大学2005
• [10].复杂动态环境下多机器人的运动协调研究[D]. 刘淑华.吉林大学2005

相关论文

• [1].智能神经网络的机器人控制理论方法研究[D]. 孙炜.湖南大学2002
• [2].X-Y数控平台运动摩擦补偿及边缘跟踪力控制研究[D]. 魏立新.燕山大学2006
• [3].输入有界不确定机器人控制策略研究[D]. 陈卫东.燕山大学2006
• [4].机器人动态特性及动力学参数辨识研究[D]. 陈恩伟.合肥工业大学2006
• [5].机器人智能控制方法研究[D]. 王灏.华南理工大学1999

标签：机器人论文;  神经网络论文;  模糊控制论文;  鲁棒自适应论文;  阻抗控制论文;  位置混合控制论文;  型模糊神经网络论文;  混合论文;  控制论文;