会员注册 | 登录 | 微信快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

   首页 人人文库网 > 资源分类 > DOC文档下载

外文翻译--混合位置力控制SCORBOT-ER4支机械手与神经网络的非线性补偿 中文版.doc

  • 资源星级:
  • 资源大小:521.28KB   全文页数:9页
  • 资源格式: DOC        下载权限:注册会员/VIP会员
您还没有登陆,请先登录。登陆后即可下载此文档。
  合作网站登录: 微信快捷登录 支付宝快捷登录   QQ登录   微博登录
友情提示
2:本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3:本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

外文翻译--混合位置力控制SCORBOT-ER4支机械手与神经网络的非线性补偿 中文版.doc

1混合位置/力控制SCORBOTER4支机械手与神经网络的非线性补偿PiotrGierlak热舒夫科技大学,应用力学与机器人系8PowstancowWarszawy街,波兰,35959Rzeszowpgierlakprz.edu.pl摘要。机械手的混合位置/力控制的问题,机械手是不平凡的,因为是一个非线性的对象,其参数可能是未知的,变量和工作条件多变。神经网络控制系统,使机械手的行为正确,即使在控制对象的数学模型是未知的。在本文中,混合位置/力控制与神经的SCORBOTER4PC机器人的非线性补偿操纵器呈现。所提出的控制律和自适应律保证在意义上的实际的闭环系统稳定李雅普诺夫。进行了数值模拟的结果。关键词神经网络,机器手,跟踪控制,力控制。1引言机器人找到不同的应用在许多领域的设备经济。有关的运动精度和要求机械手的自主性不断增加以及他们所执行的任务,更多,更复杂。在当代工业应用中,它是所需机械手施加指定的部队,沿着规定的路径。机械手是对象的非线性和不确定性的动态,未知可变参数(质量,转动惯量,摩擦系数),在多变的条件下工作。这种复杂系统的控制是非常有问题的。该控制系统具有产生这种控制信号,将保证用适当的力沿路径运动的执行和的更换操作条件下,保证所需的精度。在控制系统,工业机械手,计算力矩法1,2使用非线性补偿。然而,这些方法需要精确的数学模型(知识结构的运动方程的系数)的控制对象。此外,在这样的的方法,在补偿参数的标称值,由此来实现控制系统的作用,没有考虑到更换操作条件。在文献算法存在着许多变化,其中参数适应机械手的数学模型1,2。然而,这些方法不消除不确定性的模型与结构问题。与目前的困难,神经网络控制技术3,4,5,6。在这些方法中的数学模型是不必要的。这些技术用于混合位置/力控制。在作品等7,8控制器已提交。但是,在第一次的作品,只会迫使正常的同时考虑到接触表面,在所述第二工作部分假设在实际应用中难以满足,即一些刚度矩阵其中环境和特点的功能,可以计算接触力,必须是已知的。上作者的论文,被认为只有位置控制器。在本文混合位置/力神经网络控制器。这种方法考虑到最终作用于所有的力/力矩。这些位于端部执行器由传感器2测量的力/力矩。2描述的SCORBOTER4PC机器人机械手示于图SCORBOTER4支机械臂。1。它的驱动直流齿轮电机和光学编码器。机械手有5个对旋转运动手臂的机器人有3个自由度而夹持器有2个度。图。1。一)SCORBOTER4支机械手,B)计划从关节空间直角坐标空间的变换是由以下方程ykq1其中,q∈Rn为广义坐标(链接的旋转角度)的载体,K(Q)是一个运动学函数,Y∈Rm是一个的位置/方向的矢量端部执行器(D点)。动力运动方程的分析模型在下面的表格79Mqq¨Cq,q˙q˙Fq˙GqτdtuJThqλτF2其中M(q)∈Rnxn是惯性矩阵,C(Q,Q˙)∈Rn是一个向量的离心科氏力/力矩,F(˙Q)∈Rn是摩擦向量,G(Q)∈RN一个重力矢量,τd(T)∈Rn是一个向量扰动界||τd||0,U∈Rn是控制输入向量,JH(Q)∈Rm1xn是一个雅可比矩阵与接触面的几何形状相关联的,λ∈RM1是一个向量的约束施加的力通常在接触表面上(拉格朗日乘数),τF∈Rn是一个矢量,力/力矩的关节,来自力/力矩FE∈室施加到端部执行器(除约束力)。的矢量τF是由下式给出τFJbTqFE(3JB(q)的∈Rmxn在体内是一个几何的雅可比矩阵2。雅可比矩阵可以以下列方式计算Jh的(q)Jhq∂hq/∂q4其中,h(q)的0是一个完整约束方程,它描述了的接触表面。这个等式的自由度的数量减少n1的正M1,因此,可以通过以下进行说明的分析系统的减少位置变量θ1∈RN17。变量的其余部分在下面的依赖于θ1方法θ2γθ15θ2∈RM1,和γ产生的完整约束。的载体广义坐标可以被写为qθT1θT2T。让我们定义扩展雅可比矩阵73111nIL(6)在那里输入1身份矩阵∈Rn1xn1。这使得写的关系1.1.Lq7).11...11..LLq8并写了降阶动态的θ1,如EbTThtJFJJudGFVLM111.1..111..1119其中,,1.111.1.111LCLMV预乘式(9)由LT(1),并考虑到011LJh,降阶动力学计算公式如下uLGFVMTd.11..110,,,,11EbTdTdTTTTFJLGLGFLFVLVMLLM3神经网络混合控制一个混合位置/力控制的目的,是按照所需的轨迹运动11ndR,并产生期望的接触力,1mdR令吉正常表面。通过定义运动误差Eθ,过滤的运动误差,力的错误λ和一个辅助信号υ1为11de11ees.12d13evd.1114其中,Λ是正对角设计矩阵的动力学方程(10)可以是写在过滤的运动误差uLFJLxfLsVsMTEbTdTT1.15与一个非线性函数GFvVvMLxf1.1116其中1..1.1.TdTdTdTTxveeT。数学结构混合位置/力控制器具有7的一种形式4vKJLsKxfuFdThD17KD和KF为正定矩阵的位置和力的增益,ν是鲁棒控制的术语中,函数f(x)近似的功能(16)。此功能可近似由神经网络。在这项工作中一个典型的前馈假定具有一个隐藏层的神经网络(图2b)。隐藏层使用S形曲线的神经元,与输入层的连接权重收集中的矩阵D,并与输出层的权重矩阵W中收集输入权重随机选择和恒定,但输出的权重最初是等于零,并且将适配过程期间被调谐。这种神经网络中的权重是线性的,并具有以下的说明中,3,4xWxfT18与输出从隐藏层xDSxT的,其中,x是输入向量,神经元的激活函数是一个向量,ε是一个估计误差界||ε||0。矩阵W是未知的,所以估计W是使用一个真正的神经网络的数学描述,这近似函数f(x)由下式给出xWxfT19图。2。a)计划的闭环系统,B)神经网络代入方程(18),(18)和(19)代入(15),我们获得了描述的闭环系统(图2a),在过滤的运动误差条款1.vFkLxWLsVLsKLsMEbTdTTTDT20其中WWW是重量估计错误的。为了获得一个适应的权重和法律的鲁棒控制长期v,Lyapunov稳定性理论的应用。定义Lyapunov函数候选,这是一个二次形式的经滤波的运动误差和重量估计错误421211WWtrsMsVWTT21其中ΓW是一个对角的设计矩阵,TR()表示矩阵的痕迹。的时间衍生物的沿的解决方案的函数V(20)是1.vFJLsWLsxWtrLsKLsVEbTdTTWTTTDTT22˙M2V的斜对称矩阵的属性。定义一个自适应律的重量估计为7

注意事项

本文(外文翻译--混合位置力控制SCORBOT-ER4支机械手与神经网络的非线性补偿 中文版.doc)为本站会员(英文资料库)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网(发送邮件至[email protected]或直接QQ联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

[email protected] 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5