论文部分内容阅读
随着科技的不断进步发展,机械臂在医疗、航空、工业制造等领域得到了越来越广泛的应用与发展,对其轨迹跟踪性能也提出了更高的要求。然而机械臂是一个多变量、强耦合、时变的非线性系统,难以建立精确的动力学模型,对实现稳定、快速、准确的轨迹跟踪控制造成很大的阻碍。因此,机械臂轨迹跟踪控制方法的研究有很高的理论和实际应用价值。本文以Dobot串联机械臂为研究对象,建立了机械臂的运动学模型和动力学模型,进行了轨迹规划研究,然后通过研究设计相应的滑模变结构控制方法,实现了机械臂的轨迹跟踪控制,具体工作如下:(1)对Dobot机械臂的运动学及动力学进行了分析。首先利用D-H建模方法建立了Dobot机械臂正运动学模型,并利用反变换法对机械臂进行逆运动学分析,通过数值算例验证了正逆运动学分析的正确性。然后采用拉格朗日动力学建模方法,建立简化的Dobot机械臂动力学模型。(2)对机械臂在关节空间和笛卡尔空间的轨迹规划方式进行了研究。首先,研究了关节空间的三次多项式和五次多项式轨迹规划方法,仿真对比分析得出五次多项式可以得到更平稳、光滑的轨迹曲线。然后,研究了笛卡尔空间内直线插补算法和圆弧插补算法轨迹规划方式,并仿真验证了其可行性和有效性。(3)针对Dobot机械臂动力学模型存在建模误差和外界干扰,且其上界已知的情况,提出了一种基于改进趋近律的计算力矩法的滑模变结构控制算法。首先针对滑模变结构传统指数趋近律的抖振问题,设计了一种改进的指数趋近律;然后使用计算力矩法和改进趋近律的滑模变结构控制分别对机械臂的名义模型和不确定部分进行控制,利用已知的不确定部分上界值对建模误差和外界干扰进行补偿;最后通过李雅普诺夫函数证明了系统的稳定性。仿真结果表明该控制算法具有很好的轨迹跟踪效果,抖振抑制效果和动态性能显著提高。(4)针对Dobot机械臂动力学模型中外界干扰和建模误差较大的情况,在无上界先验知识条件下,提出了基于干扰观测器的神经网络自适应滑模变结构控制算法。该方法使用非线性干扰观测器对外界干扰进行观测补偿,利用RBF神经网络自适应跟踪系统建模误差,并通过李雅普诺夫函数确定神经网络权值自适应律,采用滑模变结构控制器作为主控制器,增强系统的鲁棒性。仿真结果表明该控制算法具有较好的抗干扰能力和控制精度,能够实现对规划的期望轨迹快速稳定精确跟踪。