机械臂自适应神经网络控制虚拟实现

针对机械臂自适应神经网络控制效果不能直观显示的问题,在深入研究各种虚拟仿真,可视化仿真方法的基础上提出了一种基于ADAMS和MATLAB的虚拟样机联合仿真方法.采用该方法对三自由度机械臂进行动态仿真,首先在ADAMS中建立机械臂模型,然后在MATLAB中实现自适应神经网络控制器和机械臂终端轨迹的设计,最后进行联合仿真.仿真结果非常直观地显示了机械臂的动态控制过程和控制器各参数的实时变化情况,验证了该方法的有效性,为机械臂的复杂控制算法的仿真研究提供了新的有效方法.     

基于线性变参数控制的机械臂追踪误差仿真研究

针对目前机械臂在使用控制器时,存在轨迹追踪误差较大问题,设计了机械臂线性变参数控制方法,并且对追踪误差进行仿真验证。构造了两关节机械臂运动简图,建立机械臂刚体动力学数学模型,引入动力学参数的线性组合,推导出线性变参数模型。设计出机械臂的线性变参数控制器,采用Matlab/Simulation软件对控制器的轨迹追踪误差进行仿真。同时,与其它控制器的机械臂轨迹追踪误差仿真结果进行比较和分析。仿真结果显示,采用线性变参数控制器实际输出运动轨迹与理论期望运动轨迹更接近,运动比较平稳。采用线性变参数控制可以提高机械臂运动轨迹的追踪精度。     

基于遗传神经网络的直线伺服系统定位误差补偿

针对数控直线伺服系统的定位误差补偿,采用激光干涉仪测量工作台的定位误差,建立基于RBF算法的神经网络误差模型.提出遗传算法的训练方案优化RBF的网络参数,为了评价优化后RBF网络预测的精度,运用部分误差样本进行训练和仿真.构建了以DSP为核心的直线电机定位误差实验平台,根据误差校正值进行误差实时补偿实验.仿真和实验结果表明:经过遗传算法训练的神经网络模型对工作台的误差具有良好的学习能力和泛化能力,工作台定位精度显著提高.     

基于径向基函数神经网络的管道缺陷漏磁场分析

管道缺陷漏磁场的量化研究一直是个难题，提出了应用径向基函数（RBF）神经网络来对漏磁场插值计算和非线性逼近的必要性，建立了适合该问题的RBF网络模型，给出了学习算法，制作了常见的人工凹坑缺陷，并对其用该方法进行插值和漏磁场曲面重构。结果表明，该模型算法收敛速度快、自适应性强、所需数据量小、计算量少、拟和曲面效果好，能很好地反映缺陷漏磁场的分布，比其它插值方法更方便、有效，为管道缺陷检测量化提供了一种可行的方法。     

径向基函数神经网络应用于反向工程曲面重构的研究

讨论了目前反向工程中曲面重构的方法 ,提出将径向基函数神经网络应用于自由曲面的拟合 ,并对该方法理论上的可行性和实践上的实用性进行了讨论和验证 ,证明了径向基函数神经网络应用于解决曲面拟合问题的可行性 ,为解决反向工程的技术关键———自由曲面重构提供了一个新的途径     

径向基函数神经网络在复合材料滚压加工中的应用

文章以滚压速度、进给量、滚压力、滚压次数为输入参数,建立了对表面粗糙度进行预测的径向基函数神经网络模型,利用该模型对高硅铝合金基复合材料的已加工表面粗糙度进行了预测.结果表明,预测值可达到满意的精度要求,对7组样本进行预测时最大相对误差不超过12%,且表面粗糙度值越大,模型的预测效果越明显;模型的学习速度和精度均优于传统的BP神经网络.此外,利用所建立的模型对滚压工艺参数进行了优化,得出了工艺参数的最佳范围.     

基于全微分模型的打磨机械臂静态误差分析

针对打磨机械臂系统的精度设计问题的解决,基于DH模型建立了机械臂的运动学参数模型,并基于全微分法建立了运动学参数误差与末端误差的数学关系。对机械臂可能出现的误差源进行分析,归纳误差源的类型,代入误差模型分别进行仿真,并对结构误差与传动误差对机械臂末端位置的影响进行比较。结果表明:传动误差对X、Y向的位置影响较大,而结构误差对Z轴的影响较大,这些信息可用于对实际机械臂参数误差的回归分析,为在机械臂设计及制造阶段、机械臂的制造及装配误差预计及优化提供数据参考。     

刚性机械臂系统的抗饱和神经网络动态面控制

针对机械臂系统轨迹跟踪控制中存在外界干扰及控制输入受限问题,提出一种抗饱和神经网络动态面控制方法。其中模型中不确定项和外界干扰由径向基函数神经网络补偿,控制输入受限部分由辅助的抗饱和函数解决,完整的系统控制律由动态面控制方法获得。该控制算法解决了反步法中可能存在的"微分爆炸"现象,避免了滑模控制中存在的"抖振"现象以及自适应控制的鲁棒性受限现象。最后,设计相应的Lyapunov函数证明整个闭环系统的半全局渐进稳定性,仿真结果证实了所设计控制算法的有效性。     

基于群智优化小波神经网络的机械臂路径控制研究

为了提高机械臂路径控制的准确性,采用群智能优化的小波神经网络算法对机械臂路径进行跟踪,以便实现精准有效的控制。首先分析了二连杆机械臂动力结构,然后建立基于小波神经网络的机械臂路径控制模型,根据机械臂状态变量构建粒子群,通过粒子位置更新获得稳定的小波神经网络模型主要参数。在仿真过程中通过差异化设置隐藏层节点数M和粒子群速度权重ω主要参数,实验证明,当M=12,ω=1.2时,可以获得最优的机械臂目标路径跟踪性能,角度平均误差和位移平均误差均最小,相比于小波神经网络的机械臂路径跟踪,经过了粒子群优化后的跟踪性能提升明显。     

基于RBF-BP算法的工业机械臂轨迹控制与跟踪

针对现有机械臂轨迹控制补偿算法偏差大、效率低的不足,提出一种基于RBF-BP的机械臂行进轨迹控制与跟踪算法研究.从机械臂各轴向的空间移动、角度旋转等6个自由度出发建模,描述机械臂末端的位置移动和姿态变化,并计算向量的移动距离和偏转角度;面对机械臂系统误差和摩擦扰动导致的轨迹偏差问题,利用RBF-BP算法局部逼近最优控制...     

一种新型径向基函数神经网络在模型辨识方面的应用

采用改进的径向基函数（MRBF）神经网络，利用实测到的发动机飞行试验数据作为学习样本，建立了发动机的辨识模型，并利用这种方法对不同飞行高度发动机的参数进行了辨识。研究结果表明：这种方法具有训练时间短、学习速度快、辨识精度高、实时性好等优点，并可用于在线辨识。     

基于径向基神经网络的广义预测控制研究及应用

实际工业生产过程中常含有非线性、滞后环节,特别是在化工、冶炼等生产过程中尤为显著.连续搅拌釜式反应(CSTR)在反应过程中会产生大量的反应热,及时地移去反应热保证生产正常进行是控制的主要目标.采用了基于神经网络的预测控制来解决非线性、滞后等环节的影响.讨论了广义预测控制的基本结构与原理,研究了广义预测控制算法的预测模型、反馈校正、滚动优化.选取径向基(RBF)网络建立了系统的多步预测模型,并对连续搅拌釜式反应过程进行了仿真.仿真结果表明,基于RBF神经网络的广义预测控制器具有良好的自适应性、鲁棒性和抗干扰能力.     

基于神经网络的虚拟轴机床轨迹跟踪控制方法的研究

针对永磁直线电机驱动的六自由度虚拟轴机床提出基于神经网络的轨迹跟踪控制方法.采用神经网络来实现永磁直线电机伺服系统的位置和速度控制,将负载扰动、杆间耦合扰动等效地看成电动机模型参数的变化,通过调整权值来补偿不确定性扰动对轨迹跟踪控制的影响,保证了系统的鲁棒性.仿真实验结果表明,用该方法设计的虚拟轴机床控制系统具有良好的跟踪给定和抑制扰动的效果,从而保证机床运动协调、姿态合理.     

基于BP神经网络PID的高速清扫车摆臂控制系统

针对传统清扫车摆臂开环控制系统的动态响应特性不足、抗干扰能力弱,不能适应高速工况下清扫作业,设计了高速清扫车摆臂执行机构和闭环控制系统。为解决BP神经网络(BPNN)存在局部极值、收敛速度慢等问题,提出一种改进BPNN PID算法,其核心是通过主动串联校正,抑制PID前一次输出值u (k-1)对此次输出值u (k)的影响。通过搭建Simulink-AMESim联合仿真模型,研究了高速清扫车摆臂闭环控制系统的阶跃响应、抗干扰能力以及位置跟踪能力。研究结果表明:所改进的BPNN PID控制器能够动态调整PID参数,提高了系统的适应性、准确性和稳定性;改进BPNN PID控制器的抗干扰能力更强,鲁棒性更好,且系统近乎没有超调,超调量为0.5%,仅为PID控制超调量的2.34%,稳定时间0.62 s,相比PID提前了66.31%。     

五关节机械手控制程序设计

设计了一种新的五关节机械手,通过机构运动学理论方程设计了控制程序,并设计了友好的操作平台,便于远程控制。该机械手是一个含有四杆结构的五关节串联机构,其最长伸展距离可达125 cm。利用逆运动学理论,建立了机械手运动方程,通过伺服电机调节相应关节角度的大小便可控制末端夹持器的位置。通过VB语言对整个系统编程,当操作人员在屏幕上点击目标位置后,程序通过所指定的末端位置,利用逆运动学理论,得到相应的伺服角度大小,然后传达指令给伺服电机,伺服电机调节伺服角度,从而使机械手末端夹持器到达操作人员所指定的位置。该机械手用于营救机器人领域,因而并不需要很高的操作精度,理论结果与实验结果对比,验证了操作精度在允许范围内。     

基于神经网络算法的轴承外径参数的测量

分析了系统检测轴承外径参数的误差产生原因，提出了神经网络算法来处理检测参数误差的方法。并对其结果进行了分析，取得了满意的结果。     

基于神经网络的工业机器人力控制研究

针对工业机器人夹持工件进行磨削时的力控制问题,提出一种基于神经网络算法的机器人力控制方法,搭建一套工业机器人磨削系统,并在Visual Studio软件环境下开发了相应的上位机软件。通过分析神经网络算法的原理,设计神经网络结构,使用从实际磨削过程中获得的训练数据对神经网络进行训练;将力传感器实时采集的力信号输出给训练好的神经网络模型,预测出机器人磨削加工的轨迹修正值并传给机器人,对磨削轨迹进行实时修正,从而实现工业机器人的间接力控制。最后,在搭建的工业机器人磨削系统上进行了力跟踪实验和钛合金试件磨削实验,验证了所提出的力控制方法和机器人磨削系统的有效性和实用性。     

基于BP神经网络的并联机构误差分析

以3-UPS/S并联机器人机构为研究对象,构建一种基于虚拟实验与BP神经网络的并联机构输出误差预测模型,能够快速预测并联机器人机构的输出误差。充分考虑并联机构铰链安装误差与铰链轴线误差,建立包含上述输入误差的虚拟样机模型,通过虚拟实验仿真求解该机构输出误差;假定机构零部件在大批量生产情况下误差服从正态分布,构造多组服从正态分布的输入误差样本,进而建立该机构的BP神经网络预测模型。研究结果表明:该BP神经网络模型可以准确、快速地对机构位姿输出误差进行预测,为并联机器人机构的误差分析与精度综合提供了新的依据。     

基于ANSYS和神经网络的液压挖掘机动臂轻量化设计方法研究

以挖掘机的动臂结构为研究对象,构建考虑静态强度、刚度、轻量化等性能的优化设计数学模型,以ANSYS软件为工具,对挖掘机动臂进行了轻量化设计计算,针对轻量化设计过程中设计变量非线性的特点,建立了人工神经网络的模型,对ANSYS软件优化设计的结果进行了验证,有效地降低了动臂的质量。结果表明,用两种方法结合起来进行轻量化设计的方法合理可行,对其他的机械进行轻量化设计具有一定的指导意义。     

采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。