关键词:
柔性机器人
非线性数学模型
轨迹跟踪
神经网络
模糊控制
摘要:
机器人朝高速、高精度及轻质化方向发展,使其运动不仅包含大范围的刚体运动,还存在柔性轻质构件变形产生的弹性振动运动。柔性构件变形引起的系统振动,将导致系统运动轨迹精度下降,并且过大的惯性力将使系统关节和构件损伤甚至破坏,降低系统使用寿命。构建柔性机器人的精确非线性数学模型是实现数值解优化的必要手段。同时,基于精确非线性数学模型开展控制算法研究可提高跟踪轨迹精度,且降低智能控制算法复杂度。本文以运动支链中既存在刚性构件,又存在柔性构件的空间闭链机器人为研究对象,对其数学模型构造方式、数值求解算法及控制算法问题进行了深入研究。本文主要研究工作及成果如下:一、针对柔性多体系统数学模型构建不精确问题,提出了一种新的柔性多体系统可计算模型。首先,利用有限元法和浮动坐标系法相结合,建立考虑耦合效应的柔性单元数学模型。其次,根据系统约束模型建立考虑微小位移的末端执行器数学模型。最后,将刚性系统模型、柔性单元数学模型及末端执行器数学模型进行装配即可得到精确柔性多体系统的可计算模型。该模型通用性强,可用于任意含柔性空间构件的柔性多体系统数学模型的构建。二、柔性多体系统可计算模型为时变、强耦合、高度非线性的微分代数方程。为克服数值求解过程中因初值估计不准确导致的数值发散问题及通过增加约束方程使模型维度增加,降低求解效率等问题,提出了通过模型降阶算法将微分代数方程问题转化为纯微分问题进行求解,并根据约束违约稳定算法(Baumgarte’s constraint violation stabilization methods,BSM)保证约束模型有效性。这种求解算法结构简单且易于实现,可提高复杂数学模型的求解效率,且保证解的精度。三、基于建立的非线性数学模型,采用前馈补偿与比例-微分(Proportion Derivative,PD)控制器相结合的控制算法,分析了系统末端执行器轨迹跟踪精度、扰动抑制情况以及外载荷为零倍臂杆质量、三倍臂杆质量和五倍臂杆质量下的单点轨迹跟踪精度。同时,为了避免建模过程中非线性未知项对控制性能的影响,利用模糊控制算法具有的逼近非线性系统特性对系统进行自适应逼近,以提高系统控制性能,并对其设计准则、稳定性、求解原则及有效性进行了详细说明和分析。四、提出一种将神经网络控制器和自适应滑模控制器相结合的新的控制算法。首先,利用自适应滑模控制器来保证轨迹精度,再根据神经网络无线逼近非线性系统的性能来逼近非线性误差和降低未知干扰的影响。在相同系统参数下,对比分析了自适应滑模神经网络和位置比例-积分-微分(Proportion Integral Derivative,PID)控制算法作用下的末端执行器轨迹精度。结果表明:所设计的自适应滑模神经网络控制器满足控制精度要求且与位置PID控制算法相比效果更佳,有效降低了末端执行器的轨迹跟踪误差。新控制算法只需较少隐层节点,说明该控制器结构简单、易于实现、通用性强。