论文部分内容阅读
助餐机器人是国内研究较少,但又不可或缺的一类服务机器人。其主要用于协助失能或者半失能老人和病残患者完成饮食,它对老年人和残疾人的康复医疗问题的缓解所起到的作用是极为重要的。因此,为了使助餐机器人能够平稳、精准、高效地完成助餐任务,需要对其进行合理的轨迹规划和选择恰当的轨迹跟踪控制算法。本文设计一款6自由度助餐机器人,并以此为对象,对其进行运动学求解、动力学建模、轨迹规划和轨迹跟踪控制算法研究。首先,使用三维软件UG建立助餐机器人的三维结构模型,并以D-H参数法建立正运动学方程求解助餐机器人的姿态矩阵,以解析法建立逆运动学方程。其次,由于解析法求解逆运动学问题存在多解性和奇异性问题,提出采用基于LM算法的BP神经网络用于求解关节变量。为了追求更高的精度、更快的收敛速度和最小化非常规任务中的位置误差,提出一种在传统LM算法的BP网络的基础上添加一种把前一次迭代的输出当作下一次输入的反馈方式的新型LM算法的BP网络。通过仿真实验证明,该算法确实能够实现相对更小的训练误差和更快的收敛速度。然后,以前面的运动学分析为基础,对助餐机器人进行轨迹规划。主要采用五次准均匀B样条插值法进行助餐机器人轨迹规划。通过仿真实验发现,该方法不仅可以确保助餐机器人的关节位移、关节速度、关节加速度和加加速度运动曲线的连续性、平稳性和高精度,且规划出来的曲线都可以用函数很好的拟合出来。通过正运动学求得的末端执行器空间轨迹也经过了助餐机器人任务过程中的初始点、取食点和喂食点。这表明该方法规划的轨迹可以值得信赖,且能够完成助餐任务的同时确保食物不洒落。最后,使用拉格朗日方程法构建助餐机器人的动力学模型,该模型是用于轨迹跟踪控制的数学模型,并对几个需要用的动力学特性进行简要介绍。由于PID等传统算法无法确保跟踪控制精度,提出一种基于模糊补偿的鲁棒自适应模糊控制的智能控制算法用于助餐机器人的轨迹跟踪控制。其中模糊控制用于补偿求解动力学模型的不确定项误差以及摩擦、变载荷和外界干扰等不确定干扰导致的误差。经过仿真实验结果表明,该控制算法的跟踪精度高、收敛时间短、鲁棒性好,进而认证该算法是可行的。