论文部分内容阅读
工业机械手在当代制造业中有着广泛的应用，控制精度是决定机械手工作性能的一个关键因素。产业结构的调整升级对机械手的控制精度提出了更高的要求，传统的PID控制方法已经不能满足高精度控制效果的需要。运动学逆解是机械手轨迹规划和控制的基础，运动学逆解的精度直接影响到机械手控制精度的提高,同时好的控制方法对控制精度的提高也尤为重要。因此，本文主要通过对逆运动学求解和控制方法的研究来提高机械手的控制精度。本文以四自由度SCARA机械手GRB400为研究对象，运用D-H方法建立机械手的连杆坐标系，通过坐标变换得到机械手运动学方程；基于拉格朗日理论建立机械手的动力学模型；针对用于运动学逆解的代数法存在的计算量大、求解精度低及可能出现奇异点等问题，将RBF神经网络与最小二乘法结合起来运用到机械手逆运动学的求解过程中并对该算法进行仿真，结果表明了该方法求解精度高并能对产生奇异点的问题进行很好的处理；在D-H参数的基础上利用MATLAB软件中的Robotics Toolbox建立机械手模型，在关节空间对该模型进行给定作业要求的轨迹规划，采用上述逆解法求得各关节轨迹规划所需的角度值，在此基础上对机械手模型进行运动学与轨迹规划仿真试验，结果验证了所建模型的正确性以及达到了给定作业的要求；依据RBF神经网络的非线性映射能力，提出了基于RBF神经网络的自适应控制算法，在机械手动力学模型的基础上利用MATLAB软件对该算法进行模拟仿真，仿真结果表明了该算法具有较高的轨迹跟踪控制精度，可以达到很好的控制效果。