机械手的模糊控制方法研究

论文摘要

机械手的智能控制研究无论在理论界还是工程界一直倍受人们的关注,其轨迹跟踪也是当前很活跃的一个研究领域。本文研究了机械手的模糊控制,设计了基于改进T-S型模糊神经网络的机械手轨迹跟踪控制方案,用改进的混合学习算法优化T-S型模糊神经网络的参数,主要工作如下:首先,根据两关节机械手的运动学和动力学特点,给出动力学模型,并对其模型特性进行了分析。其次,介绍模糊神经网络的基础理论,分析了T-S模型的模糊神经网络结构,针对该网络对于输入样本数据有限,不平滑且多尖峰的辨识时,辨识效果不是很理想,且T-S模糊神经网络的结构和参数学习算法比较复杂,导致收敛性和学习速度都不是十分理想的缺点,本文给出了一种改进的T-S型模糊神经网络结构,该网络不仅克服了模糊规则冗余、收敛速度慢的缺陷,提高了网络的学习速度,还改善了网络系统的辨识精度。然后再对T-S模糊神经网络的学习算法——BP算法进行分析、改进,给出了改进自适应遗传算法和动量-自适应BP算法相结合的混合学习算法。该混合算法避免了BP算法收敛速度慢和容易陷入局部极小值的缺陷,提高了网络的收敛性与自适应性。最后,针对机械手轨迹跟踪控制问题,设计了基于改进的T-S型模糊神经网络的机械手轨迹跟踪控制方案,仿真实验结果表明了该方法的有效性与可行性。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究的历史和现状
• 1.2.1 机械手研究的国内外发展现状
• 1.2.2 机械手的智能控制发展现状
• 1.2.3 模糊神经网络的发展现状
• 1.3 本文的主要内容
• 1.4 本文的工作安排
• 第二章 机械手的动力学模型
• 2.1 引言
• 2.2 机械手的动力学模型
• 2.3 机械手动力学模型的特性
• 2.4 本章小结
• 第三章 T-S 模型的模糊神经网络
• 3.1 引言
• 3.2 模糊神经网络
• 3.3 T-S 模型的模糊神经网络
• 3.3.1 模糊系统的T-S 模型
• 3.3.2 T-S 型模糊神经网络的模型
• 3.4 改进误差补偿的T-S 模型的模糊神经网络
• 3.4.1 误差补偿的T-S 模型的模糊神经网络
• 3.4.2 改进误差补偿的T-S 模型模糊神经网络
• 3.5 本章小结
• 第四章 T-S 模型的模糊神经网络学习算法
• 4.1 引言
• 4.2 BP 学习算法
• 4.2.1 BP 算法的原理
• 4.2.2 动量-自适应BP 算法
• 4.3 遗传算法的基本理论
• 4.3.1 遗传算法的构成
• 4.3.2 遗传算法的优点
• 4.3.3 自适应遗传算法
• 4.4 改进的自适应遗传算法与动量-自适应BP 算法的融合
• 4.5 本章小结
• 第五章 机械手轨迹跟踪控制的仿真研究
• 5.1 引言
• 5.2 机械手轨迹跟踪控制方案
• 5.3 机械手的仿真模型
• 5.4 改进的T-S 型模糊神经网络结构及参数
• 5.5 仿真实验
• 5.6 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要