带有前馈和神经网络补偿的机械手系统轨迹跟踪控制

本资料包含pdf文件1个，下载需要20积分

带有前劳神经网络补偿的机械手系统轨迹跟踪控制

机械手广泛应用于工业系统，由于其具有复杂的机械结构并且具有强非线性等特点，机械手的高性能控制算法-直是研究热点。现有的控制方法包括基于机理模型的计算转矩控制鲁棒控制以及自适应控制等可以获得很好的动态性能。以神经网络为代表的智能控制方法不需要系统的数学模型，在机械手研究中也得到广泛的应用。早期的机械手神经网络控制方法，采用小脑模型补偿系统的非线性动态，但是缺乏理论分析和系统稳定性的保证。此后，文献[3]和[4]提出了稳定的机械手神经网络控制方法。文献[5]将机械手神经网络控制推广到离散时间。
尽管机械手的研究方法很多，但是工业机械手控制中广泛地应用的仍然是PD控制器。由于现代工业对高速高精确度的需求增加，单纯使用PD控制器很难满足高性能要求，而现有的研究方法依赖系统的动力学模型，失去了PD控制器的优势，难应用于工业中。针对机械手的抓取任务即定位控制，提出了带有神经网络补偿的PD控制方法，该方法从采集到的数据中，提鳃械手的近似线性模型，该模型用于整定PD控制器参数，而且采用神经网络来补偿近似模型与实际模型的偏差，该方法取得了良好的实验效果，但是应用于机械手的轨迹跟踪任务时，性能还有待提高。
针对机械手的轨迹跟踪控制任务，研究-种不依赖机械手系统动力学模型的机械手轨迹跟踪控制策略，该控制策略由PD控制器、前馈补偿器和神经网络补偿器组成，首先需要通过实验数据辨识出系统的近似线性模型，用于设计PD控制器的参数和前馈补偿器，然后采用神经网络补偿未建模部分对系统的影响。本文所要研究的方法仅需要系统的输入输出数据，结构简单，易于工业应用，同时又能保证系统的控制精确度。