一、受限柔性机器人基于遗传算法的自适应模糊控制(论文文献综述)
张青云[1](2021)在《柔性空间闭链机器人非线性数学建模及智能控制算法研究》文中认为机器人朝高速、高精度及轻质化方向发展,使其运动不仅包含大范围的刚体运动,还存在柔性轻质构件变形产生的弹性振动运动。柔性构件变形引起的系统振动,将导致系统运动轨迹精度下降,并且过大的惯性力将使系统关节和构件损伤甚至破坏,降低系统使用寿命。构建柔性机器人的精确非线性数学模型是实现数值解优化的必要手段。同时,基于精确非线性数学模型开展控制算法研究可提高跟踪轨迹精度,且降低智能控制算法复杂度。本文以运动支链中既存在刚性构件,又存在柔性构件的空间闭链机器人为研究对象,对其数学模型构造方式、数值求解算法及控制算法问题进行了深入研究。本文主要研究工作及成果如下:一、针对柔性多体系统数学模型构建不精确问题,提出了一种新的柔性多体系统可计算模型。首先,利用有限元法和浮动坐标系法相结合,建立考虑耦合效应的柔性单元数学模型。其次,根据系统约束模型建立考虑微小位移的末端执行器数学模型。最后,将刚性系统模型、柔性单元数学模型及末端执行器数学模型进行装配即可得到精确柔性多体系统的可计算模型。该模型通用性强,可用于任意含柔性空间构件的柔性多体系统数学模型的构建。二、柔性多体系统可计算模型为时变、强耦合、高度非线性的微分代数方程。为克服数值求解过程中因初值估计不准确导致的数值发散问题及通过增加约束方程使模型维度增加,降低求解效率等问题,提出了通过模型降阶算法将微分代数方程问题转化为纯微分问题进行求解,并根据约束违约稳定算法(Baumgarte’s constraint violation stabilization methods,BSM)保证约束模型有效性。这种求解算法结构简单且易于实现,可提高复杂数学模型的求解效率,且保证解的精度。三、基于建立的非线性数学模型,采用前馈补偿与比例-微分(Proportion Derivative,PD)控制器相结合的控制算法,分析了系统末端执行器轨迹跟踪精度、扰动抑制情况以及外载荷为零倍臂杆质量、三倍臂杆质量和五倍臂杆质量下的单点轨迹跟踪精度。同时,为了避免建模过程中非线性未知项对控制性能的影响,利用模糊控制算法具有的逼近非线性系统特性对系统进行自适应逼近,以提高系统控制性能,并对其设计准则、稳定性、求解原则及有效性进行了详细说明和分析。四、提出一种将神经网络控制器和自适应滑模控制器相结合的新的控制算法。首先,利用自适应滑模控制器来保证轨迹精度,再根据神经网络无线逼近非线性系统的性能来逼近非线性误差和降低未知干扰的影响。在相同系统参数下,对比分析了自适应滑模神经网络和位置比例-积分-微分(Proportion Integral Derivative,PID)控制算法作用下的末端执行器轨迹精度。结果表明:所设计的自适应滑模神经网络控制器满足控制精度要求且与位置PID控制算法相比效果更佳,有效降低了末端执行器的轨迹跟踪误差。新控制算法只需较少隐层节点,说明该控制器结构简单、易于实现、通用性强。
邱志成[2](2021)在《柔性机械臂的振动测量和控制研究进展综述》文中指出柔性机械臂通常具有柔性关节和/或连杆.在过去的40多年里,柔性机械臂的研究取得了长足的进展.本文综述了柔性机械臂在动力学建模方法、振动的传感器测量系统和控制算法研究方面的发展现状、研究热点和前沿进展.首先,简要说明了柔性机械臂的优缺点和复杂性,介绍了柔性关节机器人和柔性连杆机械臂的建模方法和技术;其次,综述了不同振动测量系统在柔性机器人中的应用和特点,并比较了不同测量方法在柔性机械臂振动测量应用中的优缺点;然后,重点评述了文献中提出的柔性机械臂振动控制方法和控制算法;并分析了并联柔性机器人自激振动及其控制的研究现状;最后,对未来研究工作的发展趋势,面临的问题和挑战进行了展望.
郭博辉[3](2021)在《鸡腿菇采摘机器人轨迹跟踪控制研究》文中提出传统鸡腿菇的采摘和加工主要靠人工劳作,其中不可食用的根部切削是整个加工流程最费时费力的一道流程,实现根部自动化切削是目前急需解决的关键问题,机器人的应用给解决这一问题提供了契机。因鸡腿菇自身较脆,采摘加工过程对机器人的核心-“控制器”要求较高;基于运动学位置误差控制对伺服驱动器要求较高,且机器人发生意外,不能及时做出响应,造成机器人损坏甚至对工作人员的生命安全产生威胁。基于动力学模型力矩误差控制,可以保证机器人关节高精度轨迹跟踪控制,同时也改善了机器人的动态特性,提高了误差收敛速度。本文在鸡腿菇采摘加工流程设计的基础上,对夹取机构的机器人展开基于动力学模型力矩误差控制研究,实现机器人高效、平稳、快速的抓取鸡腿菇。本文主要研究内容有:首先设计了整套鸡腿菇采摘加工的工艺流程。将整个采摘流程的机械系统分为采摘机构、传送机构、夹取机构、切削机构。通过对目前市面上主要机器人的应用分析决定利用SCARA机器人作为夹取机构的机器人。其次建立了夹取机构机器人的运动模型和动力学模型;利用机器人的D-H参数变换解出机器人的正运动学和逆运动学模型,求出机器人的雅可比矩阵实现机器人工作空间和任务空间的坐标转换;以拉格朗日法建立夹取机构的机器人动力学模型,对于机器人关节存在摩擦,利用线性函数逼近Stribeck摩擦模型。通过线性变换消去一些线性相关的动力学参数,求出了机器人动力学最小参数集。然后由于夹取机构的机器人动力学参数未知,采用理论辨识法对其动力学参数辨识。为了提高参数辨识精度,重点对辨识算法进行了优化改进,采用改进优化后的遗传算法替代传统最小二乘法。然后按照动力学参数辨识基本流程对夹取机构的机器人的参数辨识。最后通过实验验证了优化改进的遗传参数辨识的精度比最小二乘法高,可以替代最小二乘法作为参数辨识的算法,对抓取机构机器人轨迹跟踪控制提供了动力学模型。最后对夹取机构的机器人的轨迹跟踪控制展开研究。辨识的动力学参数无法与实际值完全相等,影响动力学模型精度的因素主要为建模时摩擦模型不精确和外界干扰。因此以计算力矩控制作为主控制器,然后对未建模(外界干扰和摩擦建模不精确)非线性部分采用模糊RBF神经网络自适应补偿控制策略。设计的模糊RBF神经网络是一个具有五层结构的Mamdani型,动态调整径向基函数的中心和宽度。利用模糊RBF神经网络逼近动力学未建模部分非线性部分进行反馈控制,引入滑模面抑制机器人抖动。仿真实验表明,采用了模糊RBF神经网络补偿控制策略比单纯的计算力矩控制降低了关节跟踪误差和时滞性。实现了机器人高精度轨迹跟踪控制和平面定位,为机器人抓取鸡腿菇提供了高效、平稳、快速的控制策略。
王国栋[4](2020)在《钢结构建筑柔性探伤机器人轨迹跟踪控制研究》文中研究表明传统的钢结构建筑监测方法存在检测耗时耗力、检测不全面、不准确的问题,因此本文将一种磁吸附式柔性探伤机器人用于钢结构健康监测工作。这种柔性探伤机器人拥有前后两个车体部分,每个车体具有两个强力的磁轮,通过差速方式驱动,前后车体使用可弯曲变形的柔性钢带连接。这样的结构使得机器人具有翻越各种空间结构障碍的能力,通过搭载相关仪器检测钢结构的不同部位。探伤机器人是具有特殊结构和功能的移动机器人,轨迹跟踪控制是它的一个基本任务也是研究的关键。本文基于柔性机器人的结构特点和柔性钢带的力学分析提出了柔性探伤机器人的轨迹跟踪误差模型。基于该系统模型设计了一种新型的改进滑模控制器,解决了钢结构探伤机器人在轨迹跟踪控制中存在的控制结构复杂,跟踪速度不快和跟踪精度不足的问题。本文研究工作和成果如下:1.首先从柔性探伤机器人的结构特点角度对机器人的运动形态进行分析,将前后车体分别视作是两轮驱动的移动机器人,再根据非完整性约束建立其运动学模型。柔性机器人的特点在于连接前后车体的钢带具有柔性。根据弹性力学理论对钢带形变和前后车体的运动之间的关系进行分析,基于欧拉伯努利梁方程建立柔性机器人前后车体之间的速度约束方程,进一步结合移动机器人运动学模型和速度约束方程建立柔性机器人整体的轨迹跟踪误差模型。2.针对柔性探伤机器人的轨迹跟踪控制问题,分析得出探伤机器人系统是多输入多输出的复杂耦合系统,提出使用滑模控制方法来实现机器人轨迹跟踪。首先利用Backstepping设计方法,设计了基于传统滑模趋近律的轨迹跟踪控制器。然后基于对传统滑模趋近律缺点的分析,提出一种改进的滑模趋近律,利用此滑模趋近律设计新的轨迹跟踪控制器。接着对改进的滑模控制器进行稳定性分析,验证了控制器的稳定性。将轨迹跟踪控制器输出的机器人前后车体线速度和角速度控制量解耦后得到前后车体驱动轮的转速控制量,之后使用数字PID调节器控制驱动轮的转速,最终实现机器人轨迹跟踪控制。3.以ATMega128高性能处理器为核心组建探伤机器人的控制系统硬件平台。针对柔性机器人的特点,提出前后车体分别搭载控制系统电路板的方案,构建了各个功能模块的框架图。机器人控制系统主要包括核心控制模块、输入输出模块、电源模块和无线通信模块。依据控制系统的原理图绘制了PCB,加工制作了电路板实现机器人控制系统。4.分别以基于传统趋近律的滑模控制器和基于改进趋近律的滑模控制器进行柔性探伤机器人的轨迹跟踪仿真。对比分析两者的仿真结果,结果表明改进的滑模控制器能够实现柔性探伤机器人轨迹跟踪,并且更加稳定,跟踪速度更块,跟踪精度更高,控制性能更好。以设计的控制系统为基础搭建钢结构探伤机器人的样机实验平台,并在此平台上验证了数字PID轮速控制器的有效性。
何俊培[5](2020)在《新型超冗余空间机械臂的关键技术研究》文中认为受发射载荷和体积等的影响,超大口径空间望远镜需要在太空中才能完成装配。这个装配任务对精度,反应速度,灵巧度等具有很高的要求。传统的空间机械臂的体型较大且避障能力不高,并且它们在执行狭窄空间或复杂环境下的任务时不灵活,所以研发新型超冗余灵巧空间机械臂对空间在轨装配至关重要。本文介绍了第一代自主设计的超冗余空间机械臂,包括单关节的结构设计,串联臂的工作原理,电控系统和性能测试。还展示了第二代自主设计的空间灵巧臂的结构设计和外壳受力后的有限元分析。通过和第一代臂进行比对分析,明确指出了改进的地方。计算了机械臂的可达和灵巧工作空间。针对自由度很多的机械臂(例如蛇形机器人)给出了基于脊椎曲线的运动学分析方法,对于九自由度机械臂提出了基于DH参数的运动学建模。为了更好地实现机械臂的轨迹规划和避障,改进了BiRRT算法。搭建了联合仿真系统,并根据仿真结果进行了避障实验。实验结果不仅表明避障算法的有效性,也证明了本文机械臂具有很强的避障能力和灵巧性。分析了基于静基座的机械臂的动力学方程,包括多体系统的动能和势能,拉格朗日动力学方程以及局部参数化方法。对于自由漂浮的柔性机械臂进行了动力学分析。分析方法是基于假设模态法和线弹性假设,并考虑位置和姿态约束方程,从而得到空间机械臂的多体动力学方程。为了提高空间机械臂的运动性能,提出了改进的智能控制算法。它们包括基于误差分析模型和指令滤波器的预测模糊控制,基于动力学模型和扰动观测器的神经网络抑振控制。此外,还设计了三个实验来验证算法的有效性。实验分别是机械臂受力后的自适应运动,末端执行器的写字运动,以及机械臂的抑振。实验结果表明,改进后的方法不仅能够使得机械臂运动更加平稳,还能减轻关节间的动力学耦合,进而抑制机械臂的末端振动。
段晋军[6](2019)在《多机器人协作焊接中的轨迹规划和位置力协调控制研究》文中认为随着工业的发展和机器人技术的进步,传统的单机器人系统已不足以胜任当今日益多样化的柔性自动化生产需求。为适应任务复杂化、操作智能化及系统柔性化等要求,多机器人协作系统已逐步被推广和应用在工业环境中。多机器人协作系统与单个机器人相比,具有更强的作业能力、更大范围的工作空间、更灵活的系统结构和组织方式,是目前的研究热点之一。本文以多机器人协作在焊接领域中的应用为背景展开研究,以协作完成空间复杂焊缝焊接为任务目标,重点研究多机器人协作焊接过程中的关键性研究问题。相比于传统的焊接机器人+变位机组成的焊接工作站或由两台工业机器人组成的协作系统,多机器人(三台或三台以上)协作焊接具有更多的优势,但是也带来了更为复杂的控制问题。本文针对这些难点问题展开研究,研究的主要内容和成果如下:(1)在连续焊接过程中为满足复杂焊缝焊接的任务约束和焊接工艺要求等诸多因素,搬运机器人必须不断的变换夹持工件的位姿以保证焊点始终处于理想的焊接位姿,焊接机器人也必须不断调整焊枪的位姿以保证焊枪满足焊接要求,此过程要求搬运机器人间、搬运机器人与焊接机器人间均满足一定的位姿约束。除此之外,在协作焊接过程中还需考虑初始焊接位置的布局问题,若初始焊接位置选取不当,可能导致整个焊接过程无法顺利进行。针对上述难点问题,本文提出了一种面向被操作对象“分层规划”的多机器人规划方法,并且首次考虑了初始焊接位置的最优布局,根据多项性能指标建立求解最优布局的数学模型,通过优化算法对其进行最优求解,并将其求解结果融入到“分层规划”中,最终求解得到各机器人的运动轨迹。所提的规划算法不仅解决了坐标系变换复杂等难点,而且同时考虑了焊接工艺要求和位姿约束。(2)随着焊接过程的进行,搬运机器人夹持的工件逐渐被焊接为一体,此时搬运机器人与工件形成一个闭链系统。在实际的控制系统中往往存在标定误差或外界干扰,这些因素会导致机器人末端在协作运动中存在时变的轨迹偏差,而动态变化的轨迹偏差会使得机器人与工件、机器人与机器人间产生巨大的内力作用,控制不当可能导致待焊工件或机器人的损坏。针对上述难点问题,本文提出了面向被操作对象的对称式内外阻抗策略,并且首次考虑了实际控制系统中外部干扰和标定误差所导致的动态变化且未知的轨迹偏差,提出了自适应变阻抗的控制策略来补偿动态变化的轨迹偏差导致的未知干扰广义力。(3)为系统地研究多机器人协作焊接过程中的关键性研究问题和验证相关理论研究成果,采用嵌入式PC+伺服总线架构自主研发了多机器人协作控制系统,进一步搭建了典型的多机器人协作焊接系统,对所提的多机器人轨迹规划算法和双臂位置力协调控制算法了进行了仿真和物理实验的验证。在此基础上,将上述算法应用在多机器人协作焊接实验中,首次在由三台工业机器人组成的协作焊接系统上顺利地完成了管管相接马鞍形曲线焊缝的焊接实验。总之,针对多机器人协作焊接过程中的难点问题,本文从多机器人协作焊接过程中的轨迹规划和双臂位置力协调控制两方面开展深入研究,在理论上提出了面向被操作对象且考虑最优初始焊接位姿布局的多机器人轨迹规划方法和基于对称式自适应变阻抗的双臂位置力协调控制方法,在实现上基于自主研发的开放式多机器人控制器完成了空间复杂焊缝的多机器人协作焊接任务。
旺玥[7](2019)在《柔性关节机器人参数辨识及固定时间轨迹跟踪控制研究》文中研究指明近年来,柔性关节机器人以其能耗低、自重比小、灵活性强等优点广泛应用于人机交互、医疗、航空航天等领域。柔性关节机器人具有刚柔耦合特性,致使传统刚性机器人数学模型及控制算法不再适用柔性关节机器人。因此,本文针对柔性关节机器人动力学模型参数辨识和非线性控制两个重要问题展开研究,主要工作如下:首先,针对含摩擦项的柔性关节机器人动力学模型参数未知问题,提出了一种基于飞蛾火焰-遗传优化算法(Moth Flame-Genetic Optimization,MF-GO)的辨识策略。在标准飞蛾火焰算法的基础上改进飞蛾、火焰位置更新机制,加快前期寻优速度。为避免飞蛾火焰算法陷入局部最优解,引入遗传算法的交叉变异机制。仿真结果表明,MF-GO具有更快的辨识速度和更高的辨识精度。然后,针对含不确定扰动的柔性关节机器人轨迹跟踪控制问题,设计了一种基于固定时间高阶干扰观测器(Fixed-Time High-Order Disturbance Observer,FxTHODO)的全阶终端滑模控制器。该控制器采用反馈线性化方法对含扰动项的四自由度柔性关节机器人动力学模型进行精确线性化处理;结合固定时间理论改进了干扰观测器,设计固定时间高阶干扰观测器,实现了对扰动的精确估计;同时,在全阶终端滑模控制的基础上引入双幂次趋近律,设计了固定时间全阶终端滑模控制器。仿真结果表明,该控制器具有更快的响应速度和更高的控制精度。最后,在含不确定扰动的柔性关节机器人系统模型基础上,考虑各关节的死区输入问题,设计了一种基于固定时间扩张状态观测器(Fixed-time Extended State Observer,FxTESO)的动态面控制器。该控制器将系统死区非线性项和不确定干扰项定义为综合扰动项;采用FxTESO对每一阶子系统的状态变量和综合扰动项进行估计;通过引入固定时间滤波器避免了传统反演算法的“微分爆炸”问题;同时为实现系统在任意初始状态下完成轨迹跟踪任务,利用FxTESO的估计结果设计了固定时间动态面控制器。通过仿真对该控制器的准确性、快速性和鲁棒性进行验证。
韩瑞[8](2019)在《机器人系统的自适应模糊控制研究》文中研究指明在机器人系统中,测量和建模的不精确、以及摩擦、负载变化和外部扰动等不确定因素是普遍存在的。在各种控制方法中,自适应模糊控制是获得高性能控制效果的一种有效方式。然而,传统的自适应模糊控制仍有一些局限性,如:学习能力低、控制效果不佳、收敛时间慢等。因此,本论文针对机器人系统的自适应模糊控制进行研究,系统解决传统的自适应模糊控制方法应用于机器人系统中所遇到的上述局限性。本文的主要工作总结如下:(1)针对含有未知非线性动力学的单个机器人的位置轨迹跟踪问题,提出一种自适应模糊滑模控制方案。该方案利用滑模控制中的切换函数作为输入,根据模糊系统的逼近能力设计控制器,并基于Lyapunov方法设计自适应律对控制器所需参数进行实时调节。仿真中将其与传统的滑模控制进行了比较,仿真结果表明:自适应模糊滑模控制能使机器人更好地实现对期望的位置轨迹跟踪并有效地减轻抖振现象。(2)针对多输入多输出的非线性双机器人系统的一致性问题,提出一种基于自适应模糊小波网络的控制方案。该方案首先设计跟踪控制器,让两个机器人的关节位置和速度分别达到一致。然后针对系统含有的未知非线性动力学,结合模糊系统的逼近能力和小波网络的学习能力设计模糊小波网络补偿控制器,以提高系统的逼近能力和逼近速度。最后基于Lyapunov函数设计自适应律对控制器参数进行实时调节。将该方案在由两台Phantom Omni机器人搭建的实验平台上进行验证,并在实验中将其与传统的自适应模糊控制进行了比较,实验结果表明:所提出的方案能使双机器人系统更好地实现关节位置和速度的一致性并有效地缩短调节时间。(3)针对含有时间延迟的双机器人系统的位置和速度跟踪问题,提出一种基于滑模的自适应模糊小波网络控制方案。该方案首先以积分滑模作为控制器的输入,以减少系统的输入和模糊规则数量。其次针对系统含有的时间延迟和未知非线性动力学,结合模糊系统的逼近能力和小波网络的学习能力设计模糊小波网络控制器,以提高系统的逼近能力和逼近速度。然后设计切换控制,减小逼近误差。最后基于Lyapunov函数设计自适应律对控制器参数进行实时调节。将该方案在由两台Phantom Omni机器人搭建的实验平台上进行验证,并在实验中将其与未考虑小波网络的传统自适应模糊控制进行了比较,实验结果表明:所提出的方案能使双机器人系统更好地实现关节位置和速度的跟踪并有效地削弱时间延迟的影响。(4)针对多机器人系统的位置轨迹跟踪问题,提出了一种自适应模糊小波网络控制方案。该方案选择机器人的关节位置、关节速度和控制力矩作为模糊函数的输入。结合模糊系统的逼近能力和小波网络的学习能力,设计模糊小波网络控制器,基于Lyapunov函数设计自适应律实时调整控制器的参数。在仿真中,将自适应模糊小波网络控制与传统的自适应模糊控制进行比较,结果表明:自适应模糊小波网络控制可以更好的实现多机器人位置轨迹跟踪并有效缩短调节时间,从而证明了自适应模糊小波网络控制在多机器人系统中的可行性。
王三秀[9](2015)在《多关节机器人鲁棒跟踪控制策略研究》文中认为机器人具有时变、强耦合、非线性等复杂的动力学特性,还存在各种不确定因素,如未建模动态、参数测量误差、负载变化、外部扰动以及关节之间的摩擦等等,从而无法获得机器人精确的动力学模型。这些不确定性因素将严重影响系统的控制性能和动态品质,尤其是对于高精度、高性能以及高速的机器人系统,研究具有建模误差和外部扰动等不确定性的系统的控制问题尤为重要和迫切。本文主要针对具有建模误差和外部扰动等不确定性的机器人鲁棒轨迹跟踪控制进行了研究,提出一些有效的控制理论和方法。论文主要研究工作如下:1.介绍了刚性机器人的动力学模型和基本性质,并给出了后续研究所需的数学预备基础。然后研究刚性机器人系统的轨迹跟踪控制问题。为了有效抑制非线性、时变性以及外部扰动等不确定因素对机器人轨迹跟踪控制品质的影响,提出了两种基于神经网络的机器人鲁棒控制策略。首先设计了一种基于RBF神经网络的机器人鲁棒轨迹跟踪控制算法,由计算转矩法用于标称模型的控制,鲁棒控制用于消除系统未建模动态以及外部扰动等不确定的影响,再利用神经网络的万能逼近特性来学习鲁棒控制器的未知上界,并给出了机器人闭环误差系统渐近稳定的相关结果,最终得到理想的轨迹跟踪效果;另一种是基于模糊神经网络的鲁棒跟踪控制策略,模糊神经网络鲁棒控制器用于机器人系统的不确定性和外界干扰的处理,神经网络用于学习系统不确定性的未知上界,模糊逻辑控制器则用于调节鲁棒控制器有界层的宽度。仿真结果表明控制方案具有较好的跟踪性能和抗干扰性。2.提出了两种基于自适应模糊控制的鲁棒跟踪控制算法。为了控制算法适用的一般性,首先针对不确定的多输入多输出非线性系统,提出了一种自适应模糊H∞鲁棒跟踪控制算法。利用间接自适应模糊控制构造系统未知的非线性函数,然后附加H∞鲁棒控制器消除模糊系统逼近误差和外部扰动的影响,保证系统稳定并取得理想的跟踪效果。其次,提出了一种基于模糊补偿的机器人自适应模糊滑模鲁棒跟踪控制算法,间接自适应模糊控制系统用于逼近未知不确定项,并基于Lyapunov法设计参数的自适应律,鲁棒控制项则用于增强系统对模糊系统逼近误差和外界干扰的鲁棒性,保证系统稳定。最后将两种算法通过对二自由度刚性机械臂的仿真实验证明控制算法的有效性。3.提出了两种基于自适应鲁棒控制的刚性机器人跟踪控制算法。第一种自适应鲁棒控制器,计算转矩法用于系统标称模型控制,使标称系统渐近跟踪期望轨迹,再由鲁棒控制消除系统不确定的影响,利用自适应律来自动调节鲁棒控制器的不确定上界,并给出了机器人闭环误差系统渐近稳定的相关结果;另一种是基于神经网络自适应鲁棒轨迹跟踪控制算法,针对机器人系统的不确定性和外界干扰,设计了神经网络控制器对其进行补偿,而鲁棒控制器则用于消除神经网络控制的逼近误差,再由自适应律调节鲁棒控制器的未知参数值,保证了系统具有良好的鲁棒性以及动态性能。4.针对柔性臂杆机器人,在实现精确轨迹跟踪的同时还要对柔性杆的弹性振动进行抑制,提出了基于奇异摄动理论的柔性机械臂分解控制方法。应用奇异摄动理论将柔性机械臂控制系统分解为代表刚体运动的慢变子系统以及代表柔性振动的快变子系统,然后对两个不同时间尺度的子系统分别设计控制律,综合成为总的控制输入。文中分别采用滑模变结构控制和简单的PD控制用于代表刚体运动的慢变子系统,实现轨迹跟踪;采用最优控制用于代表柔性振动的快变子系统,实现弹性振动抑制。并对关节惯量对控制系统性能的影响进行了分析和比较。最后对论文的主要研究内容和创新点进行了归纳总结,并对后续需要进一步进行研究的问题进行了展望。
戎新萍[10](2015)在《飞机装配制孔机器人振动抑制控制算法研究》文中研究表明飞机装配制孔机器人用于飞机制孔作业,由关节机器人进行制孔定位,具有成本低、高度柔性化等独特优势,符合飞机柔性装配的理念,但关节机器人是个十分复杂的多输入多输出系统,具有时变、强耦合和非线性的动力学特性,又由于谐波减速器等弹性部件的存在,给该机器人的关节快速精确定位控制增加了难度。为了提高飞机制孔效率、制孔质量、降低成本,本课题着重研究如何有效地解决飞机装配制孔机器人在定位过程中的振动抑制问题。本文对关节机器人进行理论分析和研究,利用牛顿-欧拉方法及参数辨识方法建立了精确的关节机器人动力学模型,提出了模糊解耦补偿算法,并在解耦的基础上引入输入整形技术来抑制关节机器人振动的控制方法。本文主要的研究内容如下:(1)采用牛顿-欧拉方程对关节机器人进行动力学建模;建立机器人关节转角伺服系统传递函数方框图,并分别对控制系统的电流环、速度环、位置环的控制器进行了参数设计及校正,且对各环的频响特性进行了分析。(2)辨识关节机器人的动力学参数,对非线性的关节机器人动力学模型进行线性化,选用递推最小二乘法作为关节机器人参数辨识的辨识算法,再利用组合体法辨识关节机器人每个连杆的动力学参数,并在Matlab/Simulink仿真环境下对双关节机器人进行参数辨识仿真验证,且搭建了单自由度旋转试验台验证递推最小二乘法参数辨识的有效性。(3)提出关节机器人振动抑制算法,针对多关节机器人关节间的耦合关系进行了详细的耦合分析,利用模糊控制器提出了模糊解耦补偿的控制算法,并对多关节机器人中的单个关节控制提出了输入整形技术与系统半闭环相结合的振动抑制算法,来有效地解决多关节机器人振动抑制的问题。(4)在Matlab/Simulink的仿真环境下,分别搭建单关节和双关节机器人的数学模型,对本文所提出的振动抑制算法,进行仿真验证。
二、受限柔性机器人基于遗传算法的自适应模糊控制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、受限柔性机器人基于遗传算法的自适应模糊控制(论文提纲范文)
(1)柔性空间闭链机器人非线性数学建模及智能控制算法研究(论文提纲范文)
摘要 |
abstract |
符号注释表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 模型构建 |
1.2.2 数值仿真 |
1.2.3 智能控制算法 |
1.3 本文主要研究目的和内容 |
1.3.1 本文研究目的 |
1.3.2 本文研究内容 |
第二章 一种新的柔性机器人可计算模型构建 |
2.1 引言 |
2.2 刚性系统数学模型 |
2.2.1 模型特点 |
2.2.2 模型构建方法 |
2.2.3 仿真实验分析 |
2.3 柔性多体系统可计算模型 |
2.3.1 模型特点 |
2.3.2 可计算模型构造方法 |
2.3.3 组成单元数学模型 |
2.4 本章小结 |
第三章 基于MATLAB的模型降阶算法及分析校准 |
3.1 引言 |
3.2 模型降阶算法分析 |
3.2.1 模型概述 |
3.2.2 模型降阶算法设计 |
3.2.3 仿真实验分析 |
3.3 与ADAMS仿真模型比较 |
3.3.1 ADAMS模型 |
3.3.2 跟踪精度结果比较 |
3.3.3 应力参数仿真分析 |
3.3.4 驱动参数仿真分析 |
3.3.5 扰动参数仿真分析 |
3.4 本章小结 |
第四章 柔性多体系统跟踪控制算法研究 |
4.1 引言 |
4.2 跟踪控制算法分析 |
4.2.1 问题描述 |
4.2.2 算法设计 |
4.2.3 参数整定 |
4.2.4 算法稳定性分析 |
4.3 算法仿真及结果分析 |
4.3.1 单点跟踪精度仿真结果及分析 |
4.3.2 扰动抑制仿真结果及分析 |
4.3.3 与传统控制算法比较 |
4.4 本章小结 |
第五章 柔性多体系统自适应模糊控制算法研究 |
5.1 引言 |
5.2 自适应模糊控制算法 |
5.2.1 问题描述 |
5.2.2 模糊算法设计 |
5.2.3 自适应算法设计 |
5.2.4 算法稳定性分析 |
5.3 自适应模糊控制算法仿真 |
5.3.1 模型构建 |
5.3.2 算法步骤 |
5.3.3 仿真结果及分析 |
5.4 本章小结 |
第六章 柔性机器人自适应滑模神经网络控制算法研究 |
6.1 引言 |
6.2 自适应滑模神经网络控制算法 |
6.2.1 问题描述 |
6.2.2 滑模变结构控制器设计 |
6.2.3 自适应神经网络控制器 |
6.2.4 算法稳定性分析 |
6.3 柔性多体空间闭链机器人联合仿真 |
6.3.1 机器人联合仿真模型 |
6.3.2 与传统控制算法对比 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 论文主要工作及结论 |
7.2 创新点 |
7.3 研究展望 |
参考文献 |
附录 |
在学期间取得的科研成果和科研情况说明 |
取得的科研成果 |
参与的科研项目 |
致谢 |
(2)柔性机械臂的振动测量和控制研究进展综述(论文提纲范文)
0 引言 |
1 柔性臂建模 |
1.1 假设模态方法 |
1.2 有限元方法 |
1.3 柔性关节机器人建模 |
1.4 带有柔性关节的柔性连杆机器人建模 |
2 柔性机器人振动测量 |
2.1 应变测量方法 |
2.2 加速度传感器测量 |
2.3 PSD测量 |
2.4 激光位移传感器测量 |
2.5 视觉测量 |
3 平面柔性机器人振动控制策略 |
3.1 自适应前馈控制 |
3.2 输入整形控制 |
3.3 应变反馈和PD控制 |
3.4 正位反馈控制(PPF) |
3.5 加速度反馈控制 |
3.6 视觉反馈反馈控制 |
3.7 时延反馈控制 |
3.8 滑模变结构控制 |
3.9 鲁棒、 自适应控制 |
3.10 预测控制 |
3.11 智能控制 |
3.12 强化学习控制 |
3.13 柔性关节机器人控制 |
3.14 智能特征模型控制 |
3.15 轨迹优化控制 |
3.16 采用振荡器方法控制 |
3.17 气压驱动控制 |
4 平面并联柔性机器人振动控制 |
5 结论与展望 |
(3)鸡腿菇采摘机器人轨迹跟踪控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景意义 |
1.2 机器人动力学研究现状 |
1.2.1 动力学建模研究现状 |
1.2.2 动力学参数辨识研究现状 |
1.3 基于动力学模型轨迹控制研究现状 |
1.4 本文研究内容 |
第2章 鸡腿菇采摘加工流程及控制方案设计 |
2.1 引言 |
2.2 鸡腿菇采摘加工整体流程设计 |
2.3 夹取机构机器人选型 |
2.4 总体控制方案的设计 |
2.4.1 动力学参数辨识步骤 |
2.4.2 影响动力学参数辨识精度的因素分析 |
2.4.3 鸡腿菇控制总体方案 |
2.5 本章小结 |
第3章 机器人运动学与动力学 |
3.1 引言 |
3.2 运动学分析 |
3.2.1 运动学建模 |
3.2.2 机器人正运动学 |
3.2.3 机器人逆运动学 |
3.2.4 雅克比矩阵 |
3.3 动力学分析 |
3.3.1 拉格朗日动力学方程推导 |
3.3.2 摩擦模型 |
3.3.3 机器人动力学建模 |
3.3.4 动力学最小参数集 |
3.4 本章小结 |
第4章 动力学参数辨识设计 |
4.1 引言 |
4.2 激励轨迹设计 |
4.2.1 激励轨迹优化 |
4.2.2 激励轨迹参数求解 |
4.3 算法改进 |
4.3.1 遗传算法 |
4.3.2 遗传算法的改进 |
4.4 数据的处理方式 |
4.5 实验验证 |
4.6 本章小结 |
第5章 基于动力学参数辨识模型轨迹控制研究 |
5.1 引言 |
5.2 计算力矩控制 |
5.3 模糊RBF神经网络控制优化设计 |
5.3.1 机器人模糊控制系统结构设计 |
5.3.2 模糊控制简述 |
5.3.3 模糊控制器设计 |
5.3.4 RBF神经网络 |
5.3.5 模糊RBF神经网络结构设计 |
5.3.6 模糊RBF神经网络控制器设计 |
5.4 仿真验证 |
5.4.1 计算力矩控制仿真 |
5.4.2 模糊RBF神经网络控制 |
5.4.3 仿真结果对比 |
5.5 本章小结 |
第6章 总结与展望 |
总结 |
展望 |
参考文献 |
致谢 |
(4)钢结构建筑柔性探伤机器人轨迹跟踪控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 钢结构探伤机器人研究综述 |
1.2.1 国外钢结构健康检测机器人研究 |
1.2.2 国内钢结构健康检测机器人研究 |
1.3 柔性机器人轨迹跟踪控制研究综述 |
1.3.1 刚柔耦合机器人运动学研究 |
1.3.2 刚柔耦合机器人轨迹跟踪控制研究 |
1.4 本文的主要研究内容及章节安排 |
第二章 柔性探伤机器人运动学分析与建模 |
2.1 引言 |
2.2 柔性机器人运动学分析 |
2.2.1 机器人前后车体独立运动学建模 |
2.2.2 转向情形下的机器人钢带静力学分析 |
2.2.3 柔性机器人的钢带运动约束简化 |
2.3 柔性机器人轨迹跟踪运动学建模 |
2.3.1 移动机器人轨迹跟踪误差模型 |
2.3.2 柔性机器人轨迹跟踪运动学建模 |
2.4 本章小结 |
第三章 基于趋近律的柔性探伤机器人滑模轨迹跟踪控制 |
3.1 引言 |
3.2 滑模控制技术简介 |
3.2.1 滑模控制的基本原理 |
3.2.2 滑模控制的相关性质 |
3.3 基于传统趋近律滑模控制的机器人轨迹跟踪 |
3.3.1 基于Backstepping方法的滑模切换函数设计 |
3.3.2 基于传统趋近律的滑模轨迹跟踪控制器设计 |
3.4 基于改进趋近律滑模控制的机器人轨迹跟踪 |
3.4.1 滑模趋近律改进 |
3.4.2 基于改进趋近律的滑模轨迹跟踪控制器设计 |
3.4.3 滑模轨迹跟踪控制器稳定性证明 |
3.5 机器人PID轮速控制 |
3.6 本章小结 |
第四章 柔性探伤机器人控制系统设计 |
4.1 引言 |
4.2 核心控制模块 |
4.2.1 处理器选择 |
4.2.2 最小系统 |
4.2.3 外部扩展存储 |
4.3 输入输出模块 |
4.3.1 基于ADS8341的模拟采集电路 |
4.3.2 编码器信号采集电路 |
4.3.3 PWM信号输出电路 |
4.3.4 姿态传感器模块 |
4.4 电源模块 |
4.4.1 电机供电7.2V模块 |
4.4.2 供电5V电路 |
4.4.3 供电3.3V电路 |
4.5 无线通信模块 |
4.6 PCB实物制作 |
4.7 本章小结 |
第五章 不同滑模控制下的柔性探伤机器人轨迹跟踪仿真与轮速控制实验 |
5.1 引言 |
5.2 传统滑模控制器轨迹跟踪仿真 |
5.2.1 直线轨迹跟踪 |
5.2.2 圆形轨迹跟踪 |
5.3 改进滑模控制器轨迹跟踪仿真 |
5.3.1 直线轨迹跟踪 |
5.3.2 圆形轨迹跟踪 |
5.4 柔性机器人样机搭建 |
5.4.1 柔性机器人机械结构 |
5.4.2 柔性机器人控制系统硬件结构 |
5.5 柔性机器人样机轮速控制实验 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
2 攻读硕士学位期间发表的学术论文 |
3 参加的科研项目 |
学位论文数据集 |
(5)新型超冗余空间机械臂的关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源及研究意义 |
1.1.1 课题来源和项目基础 |
1.1.2 选题背景及意义 |
1.2 空间机械臂的研究现状 |
1.3 空间机械臂运动学和轨迹规划的研究现状 |
1.4 空间机械臂动力学建模的研究现状 |
1.5 空间机械臂控制方法的研究现状 |
1.5.1 预测模型控制的研究现状 |
1.5.2 神经网络控制的研究现状 |
1.6 本文的主要研究内容 |
第2章 空间机械臂的结构设计 |
2.1 引言 |
2.2 第一代空间机械臂的结构设计 |
2.2.1 总体设计要求 |
2.2.2 机械臂关节的结构设计 |
2.2.3 串联臂的工作原理 |
2.3 机械臂的电控系统 |
2.3.1 设计输入的条件 |
2.3.2 控制结构 |
2.3.3 驱动电机 |
2.3.4 电源系统 |
2.3.5 控制器方案 |
2.3.6 驱动器方案 |
2.3.7 控制方案 |
2.4 机械臂的性能测试 |
2.4.1 关节输出力矩测试 |
2.4.2 关节运转角速度测试 |
2.4.3 旋转角度精度测试 |
2.5 第二代空间机械臂的结构设计 |
2.5.1 第二代臂的整体方案设计 |
2.5.2 第二代臂的关节结构设计 |
2.5.3 关节外壳受力分析和加强筋优化 |
2.6 两代空间机械臂的对比分析 |
2.7 本章小结 |
第3章 空间机械臂的运动学和轨迹规划 |
3.1 引言 |
3.2 机械臂的工作空间 |
3.2.1 九自由度冗余臂的可达工作空间 |
3.2.2 九自由度冗余臂的灵巧工作空间 |
3.2.3 可达工作空间与灵巧工作空间之间的关系 |
3.2.4 SLI指标 |
3.3 基于脊椎曲线的运动学分析 |
3.4 九自由度机械臂的运动学分析 |
3.5 机械臂的避障算法 |
3.5.1 Bi-RRT算法 |
3.5.2 改进的Bi-RRT算法 |
3.6 机械臂的运动和避障仿真 |
3.7 实验验证 |
3.7.1 末端柔性抓捕实验 |
3.7.2 复杂环境下的避障 |
3.8 本章小结 |
第4章 空间机械臂的动力学分析 |
4.1 引言 |
4.2 基于静基座的机械臂动力学分析 |
4.2.1 多体系统的动能和势能 |
4.2.2 拉格朗日动力学方程 |
4.2.3 局部参数化 |
4.3 空间机械臂的动力学建模 |
4.3.1 假设模态法 |
4.3.2 柔性臂的线弹性假设 |
4.3.3 位置和姿态约束方程 |
4.3.4 闭环系统的多体动力学 |
4.3.5 空间机械臂的多体动力学 |
4.4 本章小结 |
第5章 空间机械臂的智能控制 |
5.1 引言 |
5.2 基于误差分析模型和指令滤波器的预测模糊控制 |
5.2.1 机械臂的误差分析模型 |
5.2.2 模型预测控制 |
5.2.3 带指令滤波器的模糊控制 |
5.3 基于动力学模型和扰动观测器的神经网络抑振控制 |
5.3.1 柔性臂的神经网络控制 |
5.3.2 柔性臂的动力学模型 |
5.3.3 扰动观测器 |
5.4 实验验证 |
5.4.1 机械臂的自适应运动 |
5.4.2机械臂的写字实验 |
5.4.3机械臂的末端抑振实验 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(6)多机器人协作焊接中的轨迹规划和位置力协调控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景与意义 |
1.2 国内外研究现状 |
1.2.1 多机器人轨迹规划的研究现状 |
1.2.2 双臂位置力协调控制的研究现状 |
1.2.3 多机器人协作系统的研究现状 |
1.3 论文主要内容 |
1.4 论文结构安排 |
第2章 多机器人协作焊接系统关键性研究问题分析 |
2.1 多机器人协作焊接问题描述 |
2.2 多机器人协作焊接过程中的轨迹规划分析 |
2.3 双臂间的位置力协调控制策略分析 |
2.3.1 主流力控制算法问题分析 |
2.3.1.1 位置力混合控制 |
2.3.1.2 阻抗控制和导纳控制 |
2.3.1.3 模型参考自适应阻抗控制 |
2.3.2 多种柔顺控制算法的对比及测试 |
2.4 典型多机器人协作系统问题分析 |
2.4.1 多机器人协作的体系结构 |
2.4.2 多机器人的协作/协调方式 |
2.4.3 典型多机器人协作系统的存在问题分析 |
2.5 本章小结 |
第3章 多机器人协作焊接过程中的轨迹规划 |
3.1 问题描述 |
3.2 面向被操作对象的最优初始焊接位置布局 |
3.2.1 面向初始焊接位置选取的多目标优化模型建立 |
3.2.2 基于粒子群优化算法的最优初始焊接位置求解 |
3.3 被操作对象在其坐标系中的运动轨迹规划 |
3.4 多机器人系统中各机器人的运动轨迹规划 |
3.5 本章小结 |
第4章 空间复杂焊缝焊接过程中的双臂位置力协调控制 |
4.1 问题描述 |
4.2 双臂协作搬运过程中的动态且未知的轨迹误差分析 |
4.3 双臂闭链系统的建模及特性分析 |
4.3.1 闭链系统建模 |
4.3.2 负载分配 |
4.3.3 外力和内力分解 |
4.3.4 双臂搬运过程的特性分析 |
4.4 自适应变阻抗控制算法 |
4.4.1 机器人与环境的接触力模型 |
4.4.2 基于自适应变阻抗模型的动态力跟踪策略 |
4.4.3 自适应变阻抗算法的稳定性和收敛性证明 |
4.5 基于对称式自适应变阻抗的双臂位置力协调控制算法 |
4.6 本章小结 |
第5章 多机器人协作焊接系统平台的设计与实现 |
5.1 开放式多机器人协作焊接系统平台概述 |
5.2 多机器人协作焊接系统设计方案 |
5.2.1 多机器人系统的硬件构成 |
5.2.2 多机器人系统的软件架构 |
5.2.2.1 多机器人控制器软件系统 |
5.2.2.2 上位机端的仿真平台 |
5.3 本章小结 |
第6章 多机器人协作焊接中的轨迹规划和位置力协调算法验证 |
6.1 多机器人的轨迹规划算法验证 |
6.2 双臂位置力协调控制算法验证 |
6.2.1 自适应变阻抗算法测试 |
6.2.1.1 自适应变阻抗的仿真试验 |
6.2.1.2 自适应变阻抗的物理实验 |
6.2.2 对称式自适应变阻抗算法测试 |
6.2.2.1 对称式自适应变阻抗的仿真试验 |
6.2.2.2 对称式自适应变阻抗的物理试验 |
6.3 多机器人协作焊接马鞍形焊缝的物理实现 |
6.3.1 多机器人协作焊接中的位置力协调策略 |
6.3.2 多机器人协作焊接马鞍形焊缝的物理实验 |
6.4 本章小结 |
第7章 结论与展望 |
7.1 论文研究工作总结 |
7.2 进一步的研究工作展望 |
参考文献 |
作者简介、读博士学位期间发表的论文及其他成果 |
读博士学位期间参加的科研工作 |
致谢 |
(7)柔性关节机器人参数辨识及固定时间轨迹跟踪控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 柔性关节机器人参数辨识研究现状 |
1.3 柔性关节机器人轨迹跟踪控制研究现状 |
1.4 固定时间控制 |
1.5 需要进一步研究的问题 |
1.6 论文的主要工作 |
第2章 柔性关节机器人动力学建模及参数辨识 |
2.1 引言 |
2.2 柔性关节机器人动力学建模 |
2.2.1 柔性关节机器人模型 |
2.2.2 含非线性摩擦的柔性关节机器人动力学模型 |
2.3 基于MF-GO的柔性关节机器人参数辨识 |
2.3.1 建立辨识模型 |
2.3.2 标准飞蛾火焰优化算法 |
2.3.3 基于MF-GO的柔性关节机器人参数辨识 |
2.4 仿真研究 |
2.5 本章小结 |
第3章 含不确定干扰的柔性关节机器人固定时间轨迹跟踪控制研究 |
3.1 引言 |
3.2 模型描述 |
3.3 柔性关节机器人反馈线性化模型 |
3.4 固定时间高阶干扰观测器设计 |
3.5 基于FxTHODO的全阶终端滑模固定时间控制器设计 |
3.6 仿真研究 |
3.7 本章小结 |
第4章 含死区输入的柔性关节机器人固定时间轨迹跟踪控制研究 |
4.1 引言 |
4.2 问题描述 |
4.3 固定时间扩张状态观测器设计 |
4.4 基于FxTESO的动态面固定时间控制器设计 |
4.5 仿真研究 |
4.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(8)机器人系统的自适应模糊控制研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景与意义 |
1.2 机器人自适应模糊控制的国内外研究现状 |
1.3 论文的组织结构 |
1.4 论文的创新点 |
2 单机器人的自适应模糊滑模控制 |
2.1 前言 |
2.2 机器人的数学建模 |
2.3 控制算法设计 |
2.3.1 模糊滑模控制器设计 |
2.3.2 自适应控制算法设计 |
2.3.2.1 自适应模糊控制器设计 |
2.3.2.2 自适应切换控制器设计 |
2.4 仿真验证 |
2.5 小结 |
3 双机器人系统的自适应模糊小波网络控制 |
3.1 前言 |
3.2 双机器人系统的数学模型 |
3.3 自适应模糊小波网络控制 |
3.3.1 跟踪控制器设计 |
3.3.2 模糊小波网络补偿控制器设计 |
3.3.3 自适应律设计 |
3.4 实验验证 |
3.4.1 实验平台 |
3.4.2 实验结果 |
3.5 小结 |
4 含时间延迟的双机器人系统的自适应模糊小波网络滑模控制 |
4.1 前言 |
4.2 含时间延迟的双机器人系统的数学模型 |
4.2.1 双机器人系统的动力学模型 |
4.2.2 时间延迟信号模型 |
4.3 自适应模糊小波网络滑模控制 |
4.3.1 积分滑模函数设计 |
4.3.2 模糊小波网络控制器设计 |
4.3.3 自适应律和切换控制律设计 |
4.4 实验验证 |
4.5 小结 |
5 多机器人系统的自适应模糊小波网络控制 |
5.1 前言 |
5.2 多机器人系统的动力学模型 |
5.3 自适应模糊小波网络控制器设计 |
5.3.1 控制原则 |
5.3.2 模糊小波网络控制器的设计 |
5.3.3 自适应律设计 |
5.4 仿真验证 |
5.4.1 领导机器人的轨迹是正弦波 |
5.4.2 领导机器人的轨迹是方波 |
5.5 小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表论文及科研成果 |
致谢 |
(9)多关节机器人鲁棒跟踪控制策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 机器人研究现状概述 |
1.2.1 刚性机器人研究现状 |
1.2.2 柔性机器人研究现状 |
1.3 机器人控制技术概述 |
1.3.1 反馈线性化 |
1.3.2 鲁棒控制 |
1.3.3 滑模变结构控制 |
1.3.4 自适应控制 |
1.3.5 智能控制 |
1.4 本文的主要研究内容 |
第2章 基于神经网络的刚性机器人鲁棒跟踪控制 |
2.1 引言 |
2.2 刚性机器人的建模及相关预备知识 |
2.2.1 刚性机器人动力学建模 |
2.2.2 相关预备知识 |
2.3 RBF神经网络 |
2.4 基于神经网络的鲁棒跟踪控制策略 |
2.4.1 问题描述 |
2.4.2 神经网络鲁棒控制器设计 |
2.4.3 稳定性分析 |
2.4.4 仿真研究 |
2.5 基于模糊神经网络的鲁棒轨迹跟踪控制策略 |
2.5.1 模糊神经网络鲁棒控制器设计 |
2.5.2 仿真研究 |
2.6 本章小结 |
第3章 基于自适应模糊算法的机器人轨迹跟踪控制 |
3.1 引言 |
3.2 自适应模糊控制 |
3.2.1 间接自适应模糊控制 |
3.2.2 直接自适应模糊控制 |
3.3 基于MIMO系统的机械臂自适应模糊H ∞鲁棒控制策略 |
3.3.1 问题描述 |
3.3.2 自适应模糊H ∞鲁棒控制器设计 |
3.3.3 仿真研究 |
3.4 基于模糊补偿的机械手自适应模糊滑模控制 |
3.4.1 自适应模糊滑模鲁棒控制器设计 |
3.4.2 仿真研究 |
3.5 本章小结 |
第4章 机器人自适应鲁棒轨迹跟踪控制 |
4.1 引言 |
4.2 自适应控制技术 |
4.2.1 传统的自适应控制 |
4.2.2 线性参数化的非线性系统自适应控制 |
4.2.3 自适应鲁棒控制 |
4.3 一种基于自适应鲁棒补偿的轨迹跟踪控制策略 |
4.3.1 问题描述 |
4.3.2 自适应鲁棒控制器设计 |
4.3.3 稳定性分析 |
4.3.4 仿真研究 |
4.4 一种神经网络自适应鲁棒轨迹跟踪控制策略 |
4.4.1 神经网络自适应鲁棒控制器设计 |
4.4.2 稳定性分析 |
4.4.3 仿真研究 |
4.5 本章小结 |
第5章 基于奇异摄动理论的柔性机器人轨迹跟踪控制 |
5.1 引言 |
5.2 柔性机械臂动力学模型 |
5.3 柔性机械臂奇异摄动模型 |
5.4 柔性机械臂变结构跟踪控制及弹性振动抑制研究 |
5.4.1 变结构跟踪控制及柔性振动抑制策略设计 |
5.4.2 仿真分析 |
5.4.3 本节小结 |
5.5 基于奇异摄动理论的柔性机械臂控制及关节惯量分析 |
5.5.1 控制器设计 |
5.5.2 关节惯量分析 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 论文主要工作和创新点 |
6.2 论文工作展望 |
参考文献 |
致谢 |
攻读博士学位期间的研究成果及发表的论文 |
(10)飞机装配制孔机器人振动抑制控制算法研究(论文提纲范文)
摘要 |
英文摘要 |
注释表 |
第一章 绪论 |
1.1 课题研究背景 |
1.2 动力学参数辨识 |
1.3 解耦控制技术 |
1.4 关节机器人振动抑制方法 |
1.4.1 被动控制振动抑制 |
1.4.2 主动控制振动抑制 |
1.5 课题研究内容及意义 |
1.6 本文章节安排 |
第二章 关节机器人动力学建模及控制器参数设计 |
2.1 引言 |
2.2 基于牛顿-欧拉方程关节机器人动力学建模 |
2.3 柔性关节动力学模型 |
2.4 驱动电机数学模型 |
2.5 电机三闭环控制器的参数设计 |
2.5.1 电机三闭环控制器简介 |
2.5.2 电流环控制器参数设计 |
2.5.3 速度环控制器参数设计 |
2.5.4 位置环控制器参数设计 |
2.6 本章总结 |
第三章 关节机器人动力学参数辨识 |
3.1 引言 |
3.2 关节机器人动力学模型线性化 |
3.3 参数辨识算法 |
3.3.1 递推最小二乘法的辨识原理 |
3.3.2 组合体法辨识机器人所有关节动力学参数 |
3.4 参数辨识实验验证 |
3.4.1 单关节机器人参数辨识实验验证 |
3.4.2 多关节机器人参数辨识仿真实验验证 |
3.5 本章小结 |
第四章 关节机器人控制中的振动抑制算法 |
4.1 引言 |
4.2 多关节机器人动力学模糊解耦方法 |
4.2.1 耦合分析 |
4.2.2 模糊控制器的基本原理 |
4.2.3 模糊解耦补偿原理 |
4.3 多关节中单个关节振动抑制算法 |
4.3.1 输入整形技术基本原理 |
4.3.2 输入整形器的设计 |
4.3.3 单个关节的简化模型 |
4.4 多关节振动抑制算法 |
4.5 本章总结 |
第五章 关节机器人振动抑制算法仿真验证 |
5.1 引言 |
5.2 单个关节振动抑制算法验证 |
5.3 模糊解耦补偿控制算法验证 |
5.3.1 关节耦合作用分析 |
5.3.2 模糊控制器设计 |
5.3.3 仿真结果分析 |
5.4 算法综合验证 |
5.5 本章总结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
四、受限柔性机器人基于遗传算法的自适应模糊控制(论文参考文献)
- [1]柔性空间闭链机器人非线性数学建模及智能控制算法研究[D]. 张青云. 天津理工大学, 2021(01)
- [2]柔性机械臂的振动测量和控制研究进展综述[J]. 邱志成. 信息与控制, 2021(02)
- [3]鸡腿菇采摘机器人轨迹跟踪控制研究[D]. 郭博辉. 兰州理工大学, 2021(01)
- [4]钢结构建筑柔性探伤机器人轨迹跟踪控制研究[D]. 王国栋. 浙江工业大学, 2020
- [5]新型超冗余空间机械臂的关键技术研究[D]. 何俊培. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2020(08)
- [6]多机器人协作焊接中的轨迹规划和位置力协调控制研究[D]. 段晋军. 东南大学, 2019
- [7]柔性关节机器人参数辨识及固定时间轨迹跟踪控制研究[D]. 旺玥. 燕山大学, 2019(05)
- [8]机器人系统的自适应模糊控制研究[D]. 韩瑞. 西华大学, 2019(02)
- [9]多关节机器人鲁棒跟踪控制策略研究[D]. 王三秀. 浙江工业大学, 2015(04)
- [10]飞机装配制孔机器人振动抑制控制算法研究[D]. 戎新萍. 南京航空航天大学, 2015(10)