论文部分内容阅读
机器人是由机械本体、控制器、伺服驱动系统和检测传感器装置构成的,一种能仿人操作、可自动控制、重复编程、并能在三维空间完成各种作业的机电一体化设备。机器人的应用是潜力无限的,所有人类所从事的领域机器人基本都可以从事,从人们的日常生活、工农业生产到海洋探测、太空探测,机器人都发挥着越来越重要的作用。多关节机器人也称为机械臂、机械手,是指一端与基础固定的一系列具有空间运动能力的刚体的连接组合。根据其运动方式,多关节机器人是一个十分复杂的多输入多输出非线性系统,具有时变性、耦合性和非线性等动力学特征。其控制问题就是要使机器人的各关节或末端执行器位置能够以理想的动态品质跟踪给定的轨迹或稳定在指定的位置上。针对具有建模误差和不确定干扰的机器人控制,目前主要有:(1)PID控制;(2)自适应控制;(3)鲁棒控制;(4)变结构控制;(5)智能控制;(6)反演控制等等。本文主要研究了基于反演的滑模控制与模糊控制、神经网络控制相结合的控制方法,主要有以下研究成果。(1)针对具有建模误差和不确定干扰的机器人轨迹跟踪问题,分别研究了反演线性滑模控制、反演非线性终端滑模控制和反演准滑模控制,并利用李亚普诺夫稳定性定理证明了系统的稳定性。反演的线性滑模控制采用传统的线性滑模面,其缺点无法在有限时间内收敛到平衡点。反演非线性终端滑模控制采用非线性终端滑模面,使得系统状态在滑模面上能够在有限时间内到达平衡点零。反演准滑模控制是在反演滑模控制律的基础上将符号函数改为饱和函数,即变成准滑模控制律。最后通过仿真实验验证了上述控制方法的有效性。(2)将模糊控制、反演控制和滑模控制相结合,针对有建模误差和干扰的的多关节机器人轨迹跟踪控制问题,研究了全局PID模糊滑模控制、PID反演自适应模糊滑模控制、基于模糊补偿的反演滑模控制和反演非奇异终端模糊滑模控制,并利用李亚普诺夫稳定性定理证明了系统的稳定性。前两种控制方法利用自适应模糊控制器在线估计不确定性上界值,实现对建模误差和干扰的自动跟踪,削弱了抖振。模糊补偿的反演滑模控制通过设计模糊补偿器逼近建模误差和外界干扰,减弱干扰的影响,从而削弱控制器的抖动。反演非奇异终端模糊滑模控制采用非线性终端滑模面,克服了终端滑模面存在奇异点的缺点,基于反演方法设计控制系统,为了削弱抖振设计了模糊控制器对建模误差和干扰的自动跟踪。最后通过仿真实验验证了上述控制方法的有效性。(3)将反演控制、滑模控制和神经网络相结合,针对有建模误差和干扰的的多关节机器人轨迹跟踪控制问题,研究了RBF神经滑模控制、全局PID神经滑模控制、积分反演神经滑模控制、反演非奇异终端神经滑模控制和反演非奇异快速终端神经滑模控制,并基于Lyapunov理论证明了系统的稳定性。RBF神经滑模控制是将切换函数作为RBF神经网络的输入,利用RBF神经网络直接作为滑模控制器,实现多入多出的神经滑模控制。全局PID神经滑模控制设计了全局PID滑模面,用RBF神经网络调节滑模控制的切换增益,通过在线调整控制器参数,实现对建模误差和干扰的自动跟踪,从而消除了抖动。积分反演神经滑模控制采用了RBF网络在线估计不确定性上界值,并且设计了网络权值的自适应律。反演非奇异终端神经滑模控制采用非线性终端滑模面,设计了神经网络控制器在线估计不确定性上界值,削弱了抖动。为了进一步减少系统收敛时间,设计了反演非奇异快速终端神经滑模控制。最后通过仿真实验验证了上述控制方法的有效性。