基于可靠性的机械臂运动优化控制与仿真研究

针对当前机械臂运行的可靠性要求,从可靠性评价的相关指标入手,选择末端位姿精度、末端速度精度和末端力精度作为评价指标,从多因素的角度对空间机械臂运动优化模型进行构建,通过采用协方差矩阵算法对目标函数进行求解。最后通过仿真试验,得到在不同阈值下空间机械臂运行的可靠性,结果表明经优化后,其运行可靠性可达到73.7%,大大高于优化前的39%,进而验证本文构建的空间机械臂运行模型具有一定的可行性。     

采摘机械臂的PSO-RBF神经网络自适应控制

针对采摘机械臂系统的不确定性为控制带来的问题,设计一种PSO-RBF神经网络自适应控制方法.该方法使用径向基函数神经网络来逼近并补偿系统模型误差,用粒子群优化算法来优化RBF的权值参数,确保PSO-RBF控制性能更好.MATLAB仿真结果表明:与RBF神经网络控制相比,PSO-RBF神经网络控制精度和性能更好.     

空间机械臂基于神经网络的死区补偿控制

针对自由漂浮空间机械臂所存在的模型误差和机械传动机构中的齿隙死区问题,提出基于神经网络的自适应补偿控制方法。对于系统的模型误差,利用神经网络的逼近能力来对不确定部分进行自适应补偿,而设计变结构控制器消除逼近误差。对于关节执行机构中的齿隙死区,利用两个神经网络来分别进行死区模型的估计与补偿,利用死区补偿原理来推导死区输出、死区补偿器及控制器三者之间的数学关系,进而设计基于神经网络的控制器、补偿器及死区估计器的自适应在线学习律。基于Lyapunov理论证明了控制系统的稳定性。仿真结果验证了控制器的有效性。     

多连杆机械臂GA-RBF神经网络轨迹跟踪控制

针对多连杆机械臂模型系统信息不完整、存在外界干扰等问题,设计了一种新型的GA-RBF神经网络闭环自适应控制系统。该系统利用径向基函数(RBF)神经网络来逼近并补偿系统的模型误差和外界扰动,在基于计算力矩法的基础上实现对机械臂的轨迹跟踪控制,并采用遗传算法(GA)对RBF神经网络权值进行在线优化,确保机械臂控制系统能在更短时间内获得稳定,实现了高精度的轨迹跟踪,提高了轨迹跟踪的性能。MATLAB数值仿真的结果验证了该方法的有效性。     

基于PSO的神经网络机械臂自校正控制

粒子群优化算法(PSO)基于群体的演化算法,本质上是一种随机搜索算法,并能以较大概率收敛到全局最优.针对非线性机械臂系统,利用径向基函数(RBF)神经网络和PID控制器作为混合控制器,运用PSO算法对神经网络参数进行在线学习优化,同时在PID控制器的辅助下对机械臂系统进行在线自校正控制.计算机仿真表明,该控制器具有较高的控制精度和响应速度,可以满足机械臂工作要求.     

柔性空间机械臂的动力学仿真及控制

介绍了柔性机械臂的基本理论及建模方法,利用有限元软件ANSYS创建机械臂的模态中性文件,并导入到多体系统动力学仿真软件ADAMS中,替换掉机械臂的相应刚性结构部分,进行运动学和动力学仿真,对比分析柔性体对机械臂末端执行器运动精度及动力学特性的影响,再进行ADAMS和MATLAB的联合仿真,在simulink中建立反馈控制方案,实现机械臂末端执行器运动轨迹的精确调控,为空间机械臂的优化设计提供参考和依据。     

六自由度机械臂的动力学仿真及控制

介绍了一种六自由度机械臂装置,分析了六自由度机械臂的基本理论知识,在SolidWorks软件中建立了六自由度机械臂的模型。然后将模型导入ADAMS中,建立动力学仿真模型,通过对机械臂各部件运动的仿真分析,得出每个关节达到指定转速所需力矩,从而为各关节电机的选型提供依据。最后使用MATLAB与ADAMS进行联合仿真,在Simulink中建立控制方案,实现对机械臂各关节角的精确控制,为六自由度机械臂的发展提供设计参考及依据。     

推力矢量控制机械臂运动规划及仿真

提出了一种将推力器置于多自由度机械臂末端,并对末端推力进行矢量控制的四自由度串联机械臂。首先,对推力矢量控制的理论意义及研究现状进行了简要介绍,并提出了研究方向;其次,对该串联机械臂的结构和连杆参数进行了分析,采用D-H参数法建立了该机械臂的运动学模型,并采用代数法求解出正向和逆向运动学方程;最后,利用MATLAB中的robotics工具箱仿真分析了该机械臂的工作范围,并通过算例验证了所求解的运动学方程的正确性。结果表明,该结构类型的机械臂可作为推力器,并通过推力矢量控制方法调整空间飞行器的位姿。     

基于电流变液的机械臂控制系统设计与仿真

电流变液作为可变粘性阻尼器可实现系统的抑振控制,对基于电流变液的单一自由度机械臂进行半闭环控制系统研究,机械臂系统包括:驱动电机,谐波传动,执行机构和电流变阻尼器.并通过极点配置的方法计算阻尼系统和控制系统参数.通过Matlab平台进行仿真计算可以看出:电流变液作为可变阻尼可明显的抑制共振/反共振的现象.并将这种新型控制系统与传统PD控制系统进行对比分析,可以看出电流变液作为可变粘性阻尼器对抑制干扰和振动起到重要的作用.     

具有未建模动态机械臂的自适应神经网络控制

对于具有未建模动态机械臂系统,基于神经网络对非线性函数的拟合特性,用径向基神经网络来补偿机械臂系统中的未建模动态,同时提出的自适应神经网络控制器,可以保证具有未建模动态的非线性机械臂系统的渐进稳定特性.仿真结果验证了这种控制策略的有效性.     

多关节机械臂反演滑模神经网络干扰观测器控制

多关节机械臂在建模过程中存在不确定干扰和建模误差,对机械臂的控制系统带来了许多不良的影响.为此,文中研究了一种反演滑模神经网络干扰观测器控制策略.文中采用非线性干扰观测器对多关节机械臂的外部不确定干扰进行观测补偿,且无需外界不确定干扰的上界先验知识.对于建模过程中存在的不确定性,采用反演滑模神经网络自适应控制,运用神经...     

机械臂关节空间轨迹的神经网络滑模跟踪控制

为了提高机械臂对给定轨迹的跟踪精度且削弱滑模控制抖振问题,提出了基于RBF神经网络滑模控制的轨迹跟踪方法。建立了多连杆机械臂系统的运动学和动力学模型。首先忽略由建模误差和系统扰动产生的系统不确定项,建立了全局PID滑模控制器,设计了由等效控制律和切换控制律组成的全局滑模控制律;而后使用单隐含层RBF神经网络逼近系统不确定项,使用神经网络对不确定项的逼近值补偿建模误差和系统扰动,达到提高控制精度的目的。经仿真验证,在机械臂初始位置误差较大的情况下,神经网络滑模控制器的调节时间、超调量、驱动力矩抖振远小于全局PID滑模控制器,证明了神经网络滑模控制器在机械臂轨迹跟踪控制中的有效性。     

多关节机械臂的高阶滑模神经网络自适应控制

本文针对多关节机械臂提出了 一种高阶滑模神经网络自适应控制策略.在机械臂的动力学方程的基础之上,设置了滑模面,并对该滑模面求二阶导数,利用高阶滑模控制理论设计了机械臂的控制方案;高阶滑模控制分两步实施,针对标称系统采用了齐次连续控制项,对系统中存在外部干扰的情况添加了补偿项,并对系统中存在的不确定性采用RBF神经网络进...     

基于改进模糊滑模控制的机械臂运动轨迹仿真

为了避免机械臂运动轨迹受到外界干扰,提高轨迹跟踪精度,构造了多连杆机械臂动力学数学模型,推导了机械臂关节运动轨迹的误差函数.建立了机械臂模糊滑模控制法则,应用改进粒子群算法对模糊滑模控制系统进行了优化.采用Matlab软件对双关节机械臂运动轨迹进行仿真验证,并与其他控制方法的仿真结果进行对比,输出运动轨迹的仿真曲线.在有外界干扰的状态下,采用滑模控制的机械臂运动轨迹跟踪误差较大,输入转矩的跳动幅度较大,而采用改进模糊滑模控制的机械臂运动轨迹跟踪误差较小,输入转矩的跳动幅度较小.机械臂采用改进模糊滑模控制方法,控制系统能够避免外界干扰,机械臂运动相对稳定.     

采用滑模观测器的机械臂故障检测与控制优化

针对复合干扰影响下机械臂的故障检测和控制精度问题,提出了一种基于滑模观测器的故障检测和控制优化方法。首先建立了带有电机故障、模型误差和机械摩擦等复合干扰的机械臂系统故障模型,然后设计了滑模观测器来实现在复合干扰下对电机故障的准确检测,最后引入滑模观测器对电机故障程度进行估计,并设计了反步容错控制方法,从而实现了对机械臂系统的精确控制。仿真结果表明,基于滑模观测器的故障检测和控制优化方法能够快速、准确检测和估计电机故障,确保机械臂系统准确跟踪指令信号,角度跟踪误差范围仅为-0.2°～0.2°,能够准确估计出复合干扰的大小,估计误差范围仅为-0.1～0.1 (°)/s²,大大改善了对机械臂的控制效果。     

基于神经网络的液压柔性机械臂运动轨迹的跟踪控制

针对液压柔性机械臂在运动作业过程中,由于系统参数不确定、运动轨迹缺乏控制,导致运动失稳的情况,首先介绍了神经网络,结合柔性机械臂的高自由度特点选择适合的轨迹跟踪方法;其次,结合模糊神经网络图,对液压柔性机械臂系统进行参数化设计,利用其能跟踪轨迹误差的特点,结合一阶梯度法寻找液压柔性机械臂的运动期望位置;最后,在满足两个关节达到期望轨迹的同时,利用神经网络系统有效控制液压柔性机械臂的运动轨迹。实验表明,该智能网络方法具有更好的跟踪效果。     

基于自适应神经网络控制的机械臂运动轨迹跟踪误差研究

针对机械臂受到外界干扰时运动不稳定、轨迹跟踪误差较大等问题,提出了自适应神经网络控制方法。给出了机械臂动力学方程式,利用正反馈神经网络研究机器臂的动力学特性。设计了自适应神经网络控制系统,通过李雅普诺夫函数证明了该闭环系统的稳定性和收敛性。建立了机械臂模型简图,采用Matlab/Simulink软件对机械臂动力学参数进行仿真。同时,与PID控制系统仿真结果进行对比和分析。仿真结果显示,机械臂运动轨迹在受到外界干扰情况下,采用自适应神经网络控制运动轨迹跟踪误差较小,输入转矩波动较小。机械臂采用自适应神经网络控制方法,可以提高运动轨迹的控制精度,削弱了机械臂运动的抖动现象。     

采用RBF神经网络滑模控制的冗余机械臂避障研究

机械臂在有障碍物运动的环境中工作,其运动轨迹跟踪容易受到干扰,导致跟踪误差较大。对此,建立了机械臂动力学模型,推导了机械臂关节运动速度和加速度方程式,添加了机械臂运动约束关系式。引用滑模控制器,采用RBF神经网络算法对滑模控制器输出误差进行逼近,将RBF神经网络滑模控制器用于控制冗余机械臂运动轨迹,并与滑模控制器的跟踪效果进行对比分析。结果显示:在有障碍物运动的环境中,采用滑模控制器,机械臂容易受到障碍物移动的干扰,其跟踪误差较大;采用RBF神经网络滑模控制器,机械臂能够避免障碍物移动的干扰,其跟踪误差较小。采用RBF神经网络滑模控制器,不仅可以使机械臂成功躲避障碍物,而且提高控制系统的输出精度和运动的稳定性。