论文部分内容阅读
随着社会和科技的发展,机器人与人们生产生活的联系越来紧密,机器人相关研究与应用已经成为衡量一个国家智能制造水平的重要标志。一些高速度、高精度的应用领域对工业机械臂的性能和精度提出了更高的要求。然而,由于机械臂的运行控制受到关节柔性部件的非线性因素、关节耦合、摩擦及负载抗扰动等多因素的干扰,其运行轨迹跟踪与控制精度很难达到理想状态。本文以二自由度机械臂为研究对象,以提高机械臂轨迹跟踪精度为目的,针对机械臂动力学建模和轨迹跟踪控制等问题进行了研究,本文完成的主要工作如下:(1)建立机械臂动力学数学模型。通过对比Newton-Euler方法和Lagrange方法建立机械臂动力学模型各自优缺点,利用Lagrange方法,结合机械臂各个连杆动能与势能构建机械臂动力学数学模型。(2)针对机械臂轨迹跟踪问题,给出了两类求解机械臂运动轨迹的离散型五步归零神经网络算法。首先,基于归零神经网络技术,将求解机械臂运动轨迹问题转化为时变矩阵逆求解问题。利用连续型归零动力系统,通过引入积分项构建连续-抗噪型归零动力系统。其次,结合泰勒型离散化公式将连续-抗噪型归零动力系统离散化,提出两类五步离散-抗噪型归零神经网络模型。利用根稳定性定理,分析了两类神经网络模型的零稳定性、一致性和收敛性,证明了两类网络模型具有O(?~4)收敛阶,明显地提高了该类网络模型的收敛阶。再次,通过与传统离散-欧拉型神经网络模型进行数值对比实验,数值结果表明所研究的两类五步离散-抗噪型归零神经网络模型是可行的、有效的。最后,将两类五步离散-抗噪型归零神经网络模型成功地应用到机械臂轨迹跟踪仿真实验,实现了机械臂快速的、实时的轨迹跟踪。(3)针对机械臂最优控制问题,提出一类离散型归零神经网络控制算法。基于归零神经网络技术,将求解机械臂最优控制问题转化为时变二次规划求解问题。利用拉格朗日方程将时变二次规划问题转化为时变方程组求解问题,构造了时变误差函数获得非线性控制系统,提出五步离散型归零神经网络模型求解该类非线性控制系统,分析了该类网络模型的零稳定性、一致性和收敛性,基于泰勒公式的截断误差理论证明了该网络的收敛阶为O(?~4),数值结果表明基于归零神经网络的机械臂最优算法能够实现低能耗、高效、稳定控制。