模糊、小波神经网络研究及其在柔性冗余度机器人控制中的应用

来源 :北京工业大学 | 被引量 : 1次 | 上传用户:caway1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
新一代机器人要求具有轻质、高速、高精度以及高度灵活性的特点。柔性冗余度机器人同时兼具柔性和冗余性的特性,因而在其控制系统的设计中需要满足比普通机器人控制系统更多的要求,即一方面需要按一定的性能要求控制系统的输出准确到位,另一方面在机器人末端关节准确定位后,还需要快速抑制柔性机械臂的残余振动。 针对上述问题,本文设计了分布式柔性冗余度机器人控制系统。针对机器人末端关节位置控制和柔性臂残余振动抑制两个任务,系统采用刚性柔性分解控制的思想,运用刚性臂的控制策略保证精确定位,然后再设计主动控制算法消除柔性振动。在对模糊神经网络(FNN)和小波神经网络(WNN)的原理、构造和学习算法进行分析研究的基础上,本文设计了模糊神经网络控制器(FNNC)对机器人末端关节进行位置控制、小波神经网络控制算法实现柔性末端杆的抑振控制。因为本课题研究的抑振主要集中在抑制柔性关节的残余振动,因此在具体实施上采用位置控制变量u_c与抑振控制变量u_r切换的控制策略,即当机械臂执行轨迹跟踪控制时,首先开启位置控制变量u_c,完成操作任务并尽快停止在预定的位置上,然后关闭u_c,同时开启抑振控制变量u_r进行柔性末端杆的残余振动抑制。 大量的仿真实验结果表明,本文所设计的分别用FNNC进行位置控制、用WNNC进行柔性臂残余振动抑制的柔性冗余度机器人控制系统是可行的,轨迹跟踪精度以及残余振动抑制的效果也是令人满意的。
其他文献
部队实弹射击训练是现代化军队日常训练的重要环节和主要训练科目,主要是通过训练人员的精准命中程度来检验其对武器装备的控制水平。目前部队实弹射击训练大多依旧采用人工