论文部分内容阅读
果园的复杂作业环境,使得果园作业平台调平系统本质上是一个多输入多输出的非线性不确定系统,对其控制需要融合机电液一体化技术、信息传感技术和自动控制技术等。且对于不确定系统,由于外界随机干扰和系统参数的动态变化,很难建立被控对象的精确数学模型,导致控制效果较差,从而影响整个系统性能,因此进行果园作业平台调平机构的动力学分析和研究调平控制问题具有重要的理论和实践意义。 本论文主要研究内容如下: (1)利用旋量理论描述果园作业平台调平机构的运动,提出了一种逆解新方法。引入地形变化,将果园作业平台简化成五自由度串联连杆机构,建立了旋量理论的运动学模型,推导了雅可比矩阵,分析影响工作台质心位姿的关键因素为连杆4(横梁)和连杆5(工作台);依据搭建的试验模型的几何参数和杆件转角范围,通过运动学模型得到工作台期望位姿,利用希尔维斯特结式消元法和Paden-Kahan子问题1组合方法对运动学模型求逆解,得到其中一组逆解与设定转角近似相等,最大误差为0.6527°,表明该运动学模型准确可靠,求解方法正确。 (2)将旋量理论与凯恩方程相结合,提出了一种果园作业平台调平机构的高效动力学建模方法。通过定义各连杆偏速度旋量,推导了调平机构的广义主动力和广义惯性力,建立了基于旋量的调平机构Kane动力学方程;通过MATLAB计算和仿真分别得到各杆驱动力矩、驱动力的变化曲线,计算与仿真结果具有一致性,偏差率分别为0.92%和1.52%,分析得回转支承(连杆2)的驱动力矩最大,横梁(连杆4)的驱动力最大,表明该动力学模型正确,为提高调平精度控制提供理论依据。 (3)为进一步验证调平机构动力学模型,提出了一种基于局部模型的RBF神经网络自适应控制方法。将调平机构动力学模型转换成RBF神经网络表示的控制模型,设计了控制器,推导了自适应律,通过积分型李雅普诺夫(lyapunov)函数进行稳定性分析;以PID控制为对比进行仿真:RBF控制的跟踪效果明显比PID控制好,轨迹最大跟踪误差约为0.08°;对搭建的试验模型进行试验,无干扰时,RBF控制最大倾角误差为0.21°,较PID控制低40%,表明动力学模型和算法正确;加入较大干扰时, RBF控制比PID控制误差增幅大,最大倾角误差为0.79°,表明实际应用中较大的不确定性使RBF产生控制输入颤振。 (4)为解决实际果园环境存在较大不确定性,提出了一种融合卡尔曼滤波的模糊PID自动调平控制系统。基于调平机构动力学模型和液压系统数学模型,得到调平系统控制状态模型;设计模糊PID控制器,控制电磁阀驱动油缸伸缩调整工作台姿态,引入卡尔曼滤波降低地形因素产生的随机干扰和测量噪声,实现了工作台自动调平;对控制系统进行仿真表明:模糊PID控制较PID控制性能好,经卡尔曼滤波后控制误差降低47.31%;在试制样机上安装卡尔曼-模糊PID调平控制系统,以PID控制为对比,试验结果表明:系统调平响应快,响应时间仅为0.079 s;平台不升降时,最大坡度满载时横向调平误差为1.66°,纵向调平最大误差为1.09°,相对PID控制系统提高了1.72°;平台升降时,最大坡度满载时纵向调平最大误差为1.75°,较PID控制系统提高了1.89°,调平效果较好,满足使用要求。