论文部分内容阅读
本文建立了六自由度机械臂运动学与动力学模型。鉴于传统运动学建模法计算复杂且存在奇异解,采用基于旋量理论的POE建模法分别得到机械臂运动学方程和运动学误差模型。提出了一种结合POE公式、Lagrange法和U-K方程的动力学建模法,建立了受约束机械臂动力学的完整方程,该方程具有一定的通用性。本文完成了六自由度串联机械臂系统的研究与设计。前三关节选用电机组合+蜗轮蜗杆的二级减速机构,后三关节采用直接驱动的结构形式,电控部分采用PMAC运动控制卡+伺服驱动器+直流电机组合的形式,调试完成了机械臂的单轴运动与6轴联动。在MATLAB中设计GUI界面求解得到机械臂的正逆运动学、正逆动力学和轨迹规划。实现MATLAB与Pro/E数据接口,分析了机械臂在实验环境中的工作空间。通过ANSYS分析了机械臂关键零部件在受力情况下的应变与应力,结果满足强度要求。机械臂在约束情况下,末端会受到理想约束力与非理想约束力作用。考虑到非理想约束力的不确定性,提出了滑模控制法实现非理想约束力的跟踪控制。为了验证控制算法的有效性,针对末端受垂直约束的两关节机械臂进行仿真实验。考虑到受约束机械臂存在冗余变量,提出了一种基于U-K方程的动力学模型降阶法,并设计降阶滑模控制器来实现受约束机械臂末端轨迹和非理想约束力的跟踪控制。为了消弱滑模控制的抖振现象,提出了降阶自适应模糊滑模控制和降阶自适应神经网络滑模控制方法,实现了受约束机械臂高精度的控制与未知非理想约束力的逼近和补偿。实验结果表明:降阶自适应模糊滑模控制较单独采用滑模控制的控制精度提高了约10~4倍,降阶自适应神经网络滑模控制较单独采用滑模控制的控制精度提高了约10~5倍。采用了基于旋量理论的POE建模法,得到了自主设计六自由度机械臂的运动学模型和运动学误差模型。提出了一种基于徕卡全站仪TC2003与BMR棱镜的直接测量法完成了机械臂运动学标定。进行了坐标系转化与重复定位精度的测定实验,重复定位精度最终测定为?0.3 mm,小于设计初提出的指标?0.5 mm,达到预期的指标要求。通过测量机械臂不同位姿的实际坐标值,采用最小二乘法辨识出运动学参数误差并进行误差补偿,将机械臂的平均绝对定位精度由设计初的6.11mm提高到了0.82mm。