论文部分内容阅读
随着自动化技术和人工智能控制算法的快速发展,机器人技术也取得了跨越式的发展并在智能制造、航天航空、海洋探测、医疗服务等方面占有重要地位。其中柔性关节机械臂因其卓越的安全性被广泛应用于教育、医疗、人机协作等需要保证机械臂与操作者或环境安全交互的领域。然而,柔性关节机器臂因其模型的非线性和惯性参数不确定等因素,在实际应用中难以建模。而且实际工况中又可能会出现受到传感器部署的限制或外界干扰的影响,无法准确得到所有状态变量的问题,使得传统的基于被控对象数学模型与状态变量的反馈控制算法无法直接应用。这就使得设计一种针对模型与状态信息受限的柔性关节机械臂的有效控制算法具有重要的应用价值。本文针对模型与状态信息受限的柔性关节机械臂系统设计运动控制算法。包括柔性关节机械臂的运动学与动力学建模、状态估计与系统辨识。具体的工作包括:1)构建多自由度线驱动柔性关节机械臂的运动学模型,并设计基于运动学模型的控制器。基于运动学模型的位置控制方案不考虑外界的力矩干扰与系统内部的模型误差,实现过程简单,但是抗干扰能力与鲁棒性较差。2)研究系统模型的误差与外部的干扰力矩设计基于动力学模型的控制方案,采用基于经典的拉格朗日欧拉方法构建的柔性关节机械臂动力学模型,通过神经网络系统辨识和带重力项补偿的PID(Proportion Integral Derivative)控制两种思路解决动力学模型参数问题。系统辨识基于RBF(Radial Basis Function)神经网络并采用多变量复合反馈的处理方法提升了模型辨识的精度与训练速度。3)利用RBF神经网络与非线性状态观测器相结合设计针对模型未知的非线性系统的状态观测器解决柔性关节机械臂系统状态变量信息受限的问题。通过状态观测器估计动力学模型存在未知参数的柔性关节机械臂关节电机端的角度与角速度,并将估计到的状态信息提供给控制器。4)最后通过李雅普诺夫稳定性分析在理论上证明了所提出控制算法的稳定性,并通过仿真验证了方法的实际控制效果。