论文部分内容阅读
在机器人的研究中,柔性机械臂的建模与控制是最重要的领域之一。 本文较系统地介绍了一种两杆柔性机械臂的建模方法:利用拉格朗日原理推导了两杆柔性机械臂的非线性动力学方程。该方法考虑了柔性机械臂刚体运动和弹性变形之间的耦合影响,并将柔性机械臂假设为一段Euler-Bernoulli梁处理,将弹性变形用截断模态方程表示,同时考虑了弹性势能和重力势能的影响,得到的双连杆柔性机械臂的动力学模型具有模型准确、结构简单等特点。仿真结果验证了该模型的准确性。 由于神经网络对非线性函数具有任意逼近和自学习能力,所以神经网络作为系统辨识工具,为非线性系统的辨识提供了一种简单而有效的途径。为了解决神经网络拓扑结构难以确定的问题,本文在传统进化规划算法的基础上,提出了递阶进化规划方法,对神经网络的拓扑结构和网络参数进行递阶式优化,在单次仿真运行中,同时得到了合理的神经网络拓扑结构和网络参数值。 柔性机械臂由于测量和建模的不精确,再加上负载的变化以及外部扰动的影响,很难得到精确、完整的运动模型;使其控制过程存在严重的不确定性,传统的控制方法难于对其进行准确控制,采用智能控制方法可以较好地解决柔性臂非线性系统的控制问题。 在柔性臂的控制中,必须要对柔性臂进行正、逆运动学计算。本文介绍了一种应用双向映射神经元网络来实现柔性臂正、逆运动学计算的方法,利用神经网络输出的结果作为控制变量,来实现柔性臂运动学控制。双向映射神经元网络主要由两个神经网络和一个修正函数构成,其中一个神经网络用来进行正运动学求解,另一个神经网络用来计算雅可比矩阵,修正算法是根据李雅普诺夫函数来计算的。逆运动学的解利用正运动学通过迭代算法来求解。在双向映射神经元网络中求解正运动学的神经网络分别采用RBF神经网络和BP神经网络来实现,并用递阶进化规划算法对RBF神经网络的拓扑结构和网络参数同时寻优。仿真结果表明:进化规划算法应用在神经元网络的学习训练中,具有精度高、收敛速度快的特点。因此应用双向映射神经元网络对柔性机械臂进行控制,能够满足柔性机械臂控制的要求,是一种有效的控制方法。