RBF神经网络补偿的并联机器人控制研究 |
| |
引用本文: | 彭志文,高宏力,梁超,文刚.RBF神经网络补偿的并联机器人控制研究[J].机械设计与制造,2018(3):252-254,259. |
| |
作者姓名: | 彭志文 高宏力 梁超 文刚 |
| |
作者单位: | 西南交通大学机械工程学院; |
| |
摘 要: | 为了实现对三自由度Delta并联机器人更精确的轨迹跟踪控制,对并联机构的动力学建模不确定性进行研究,提出了计算力矩控制基础上的RBF神经网络在线补偿控制策略。利用Lyapunov理论推导了神经网络在线权值自适应律,保证了系统稳定性。运用RBF神经网络在线自学习系统的不确定性,提高了控制效率同时增加算法的自适应性。在Simmechanics中建立系统物理模型并在Simulink中设计控制器,之后进行Simulimk/Simmechanics联合仿真,结果表明算法优于计算力矩控制,可以有效减小跟踪误差的收敛半径,实现对目标轨迹的准确跟踪。
|
关 键 词: | Delta并联机器人 计算力矩 RBF神经网络 SIMMECHANICS |
Research on Parallel Robot Control Based on RBF Neural Network Compensation |
| |
Abstract: | |
| |
Keywords: | Delta Parallel Robot Computed Torque RBF Neural Network Simmechanics |
本文献已被 CNKI 维普 等数据库收录! |
|