| 【论文摘要】 | 多年来,机器人的控制问题在理论和工程上一直倍受关注。如果机器人系统可以精确建模,反馈线性化技术可以很好地解决其控制问题。然而在实际工程中,诸多不确定性因素的存在可能引起控制系统品质的恶化,甚至造成系统不稳定。本文在参考国内外大量文献的基础上,针对不确定性机器人轨迹跟踪控制问题,引入智能控制方法,使机器人满足高速、高精度的工业生产要求。
针对不确定性机器人系统无法精确建模的特点,在其轨迹跟踪控制问题中,提出了具有一定自适应能力的模糊自校正PD控制策略。通过预先建立的模糊规则,自动调整PD控制参数,达到最佳跟踪控制要求。其次,利用滑模变结构的强鲁棒性和神经网络的学习功能,提出了基于变结构与神经网络的鲁棒自适应控制。实现了对不确定机器人的鲁棒自适应控制,但该控制方案实时性不强。针对这一缺点,本文又提出了基于动态模糊神经网络的自适应控制策略,弥补了常规网络学习速度慢的缺点,确保对时变轨迹的快速跟踪,而且具有较强的鲁棒性和自适应能力。最后,采用模糊自校正PD控制方案,应用SRV02(2-DOF)Robot实验设备进行了轨迹跟踪控制实验研究,通过实验验证了所提出的控制方案的有效性。
本文提出了几种新的不确定性机器... |