基于神经网络的刚性机械臂控制研究.doc

分类号幺太原理工大学移二墨密组硕士学位论文题目基于神经网络的刚性机械臂控制研究英文并列题目鼬鲥竹邢研究生姓名：盐睦重学专研究方向：塑照蕉墅墨鱼塑垡导师姓名：煎妻塑职称：整蕉论文提交日期“学位授于单位：盔星堡王塞芏地址：坐亘：盘壁太屎理工大学太原理工大学硕士研究生学位论文平面的运动；关节是直线关节，通过丝杠连接完成坐标系轴方向的运动；关节为旋转关节，用来调整工具的角度。本文主要是解决关节和关节的平衡问题，通过设计智能伺服控制器，使其动力学性能更好，实现精确的轨迹跟踪。本论文主要的研究工作集中在以下几点：（）根据机器人运动学和动力学基础知识，建立了固高四自由度机械臂的运动学正解和逆解方程，并利用第二类动态数学建模法一拉格朗日功能平衡法，建立了四自由度机械臂的动力学模型。（）介绍了模糊逻辑和神经网络应用在机器人控制中的基本原理，尤其是局部连接神经网络的特点和结构。最后分析了模糊逻辑和神经网络相结合的形式，指出神经网络与模糊系统的函数等价性。（）为了提高不确定性系统的轨迹控制性能，本文提出了一种机械臂的新的智能混合控制器一多变量模糊神经网络控制器。基于神经网络的模糊神经网络多变量控制算法，分别对机械臂关节和关节进行两个回路控制，并通过个单层神经网络的协调级来消除和减小各回路的耦合影太原理工大学硕士研究生学位论文响。同时，可以在线调整网络隶属函数的中心值和宽度。（）将该控制策略应用于固高直接电驱动刚性机械臂。大量仿真结果表明，本文提出的控制算法在轨迹跟踪控制中，表现出有效性和鲁棒性。关键词机械臂，跟踪控制，神经网络控制，模糊神经网络，模糊神经网络，（），（），），（），太原理工大学硕士研究生学位论文，），太原理工大学硕士研究生学位论文图表索引图机器人控制系统结构框图图一二自由度机械臂示意图图二自由度机械臂系统控制框图图四自由度机械臂控制系统框图图机械臂界面图运动控制器工作路线图图控制策略图。形曲线模式的速度加速度力加速度曲线表曲线模式的参数范围图变形后的曲线图四自由度机械臂本体图直角坐标空间定义的机械臂图四自由度机械臂本体接口面板图四自由度机械臂系统连线图图图形示教系统主界面图示教再现系统框图图零件搬运作业图例表机器人完成搬运任务示教记录列表，图平移变换图连杆参数和连杆坐标系表机械臂、关节的连杆参数图固高机械臂示意图图二自由度机械臂数学模型图神经元模型图多层前向神经网络结构。号殂忽抖巧苈加加舶娜钙舶印铆太原理工大学硕士研究生学位论文图图图图图图局部连接神经网络结构图具有个输入节点的径向基函数网络结构径向基输入输出面积宽度关系图，径向基网络结构图机械臂传统控制结构机械臂动力学逆模控制图。机械臂内模控制图神经网络模型参考自适应控制图神经网络自校正控制图模糊控制器结构图机械臂模糊控制系统框图一表一模糊控制规则表图具有模糊逻辑功能的神经网络结构图广义径向基网络结构图模糊神经网络结构图模糊神经网络控制系统框图图模糊神经控制框图一图模糊神经控制器网络结构图图固高机械臂结构表固高机械臂参数图关节、的轨迹跟踪曲线图关节、的跟踪误差曲线（学习算法后期）图关节跟踪曲线图关节跟踪曲线图关节的跟踪误差曲线（在学习算法初期）图关节的跟踪误差曲线（在学习算法初期）图关节的跟踪误差曲线（在学习算法后期）图关节的跟踪误差曲线（在学习算法后期）图的隶属度函数（关节）包硒卵卯加他似他弘昌窨舯聪蛇晒凹太原理工大学硕士研究生学位论文第一章概论来源于捷克语，是电影罗沙姆的万能机器人剧中的人造机器的名字，我国译为“机器人”。在机器人从幻想世界走进现实世界的发展过程中，多连杆操纵器和数控机床的出现为机器人的产生准备了技术条件。自从年代初工业机器人问世以来，经过多年的发展，己广泛应用于各个工业领域，尤其是制造业，以及成为制造业生产自动化中主要的机电一体化设备。在制造业中采用机器人，可以提高劳动生产率、保证产品质量、缩短生产准备周期和改善劳动条件。在现代化的汽车工业中，成批的点焊、喷漆机器人已经成为不可缺少的自动化设备。很多工业化国家采用工业机器人改造制造业工业已经取得了重大的经济和社会效益。机器人不仅能够使用工具、能看、能听、能说，并且开始能进行一些决策和思考的智能行为。从应用上看，机器人不仅可以在粉尘、噪声、有毒、辐射等有害环境下部分代替人去操作，还能在人所不能及的极限条件下（极限机器人），如军事、深海、外层空间环境中完成人所赋予的任务，并开始进入了家庭和服务行业，扩大了人类改造自然的能力，因此越来越显示出巨大的力量，成为工业化强国的竞争领域。作为一种先进的机电一体化产品，机器人技术的发展与自动控制技术的发展息息相关。自动控制技术是机器人的中根神经，它控制着机器人的思维、决策和行为。几乎所有的自动控制技术都在机器人的控制上得到过应用。尤其是近年来，随着自动控制理论、电子计算机和航天技术的迅速发展，人工智能开始与机器人技术结合，机器人技术进入一个新的发展阶段。越来越多的学者和专家丌始致力于这个领域的研究并取得了丰硕的成太原理工人学硕士研究生学位论文果，本文也将在此方面做出一些探讨和研究。机器人的发展历史、现状及展望当代的工业机器人起源于数控机床和遥控操作器。年，研制出了第一台通用工业机器人（），这是台将遥控操作器的多连杆机构与数控铣床的伺服轴结合起来的设备，这是世界上第一台电子可编程的工业机器人。随后的十年间，机器人技术发展缓慢，进入世纪年代，由于人工智能研究对机器人领域的渗入，并随着自动控制理论、电子计算机和航天技术的迅速发展，机器人技术进入了一个新的发展阶段。到年全世界约有万台工业机器人，进入年代，机器人在工业中开始普及应用。直到年代中期，受资本主义国家经济危机的影响，机器入学和机器人产业出现了不景气。到年代中期，由于人工智能、计算机科学、传感器科学的长足进步，机器人技术维持了较好的发展势头。现在，机器人产业在全世界得到迅速发展，其应用遍及工业、科技和国防各个领域。年代初，我国开始了机器人技术的研究开发，并先后研制了多台工业机器人。年代我国机器人的发展逐渐形成体系，取得了长足进步。经过年的努力，我国的智能机器人研究和开发已取得了丰硕的成果，但是由于起步较晚以及受条件限制，同日本、美国一些发达国家相比，还存在不小的差距。众所周知，装备制造业门类繁多，从人民的衣食住行所用的各种产品的制造、装备，到各行各业所用的生产设备和军事武装装置，都是国民经济建设需求的发展方向。十六大报告指出，作为国家高技术发展计划，机器人技术主题力求从国家高技术前瞻性的战太原理工大学硕士研究生学位论文略发展高度，围绕国民经济建设发展的关键瓶颈技术问题，坚持“有所为有所不为”原则。从发展研究国家迫切需要的战略性装备前沿技术，提升国家发展急需的基础制造工艺装备竞争力，增强国家大量需求成套关键设备的设计和制造能力等三个方面。在水下作业装备、超精密加工装备、微机电系统、特种机器人等能带动国家资源可持续发展方面加大力度。大力发展先进机器人与自动化关键装备的前沿高技术研究。对机器人的需求和机器人工业的迅速发展，促成了机器人技术形成了一门综合性学科机器人学。机器人学是多学科理论和技术集成的机电体化技术，是一门高度交叉的前沿学科，包括机械学、计算机科学与工程、控制论与控制工程学、电子工程学、人工智能等。一般地说，机器人学的研究目标是以智能计算机为基础的机器人的基本组织和操作。它包括基础研究和应用研究两方面的内容，其涵盖的研究领域有：机械手设计；机器人运动学、动力学和控制；轨迹设计和路径规划：传感器；机器人视觉；机器人控制语言；装置与系统结构；机器智能等。近年来，关于智能机器人的研究得到了越来越多的重视。为了提高智能机器人的这些能力，许多最新的智能技术在智能机器人中得到应用，如临场感技术、虚拟现实技术、多智能体技术、人工神经网络技术、多传感器融合技术等。当今机器人技术的发展趋势主要有两个突出的特点：一个是横向上，机器人的应用领域在不断扩大，机器人的种类日趋增多：另一个是纵向上，机器人的性能不断提高，并逐步向智能化方向发展。由于智能机器人可以获取、处理和识别多种信息，自主地完成较为复杂的操作任务，比一般的工业机器人具有更大的灵活性、机动性和更广泛的应用领域，对提高生产水平和生活水平具有十分现实的意义。具体而言，未来的太原理工大学硕士研究生学位论文机器人技术，将朝着以下几个方向发展。（）操作臂行动向：高速操作臂、柔性操作臂、冗余自由度操作臂、高精度多自由度力控制操作臂和微型操作臂：（）新型移动装置、运动信号传感技术、运动路径的智能决策、人机协调控制、选择控制；（）传感器技术；（）分布式计算机网络，机器人操作系统（）；（）人工智能，机器人知识库。机器人系统的结构和工作原理机器人有两个主要的特点：通用性（）和适应性（）。通用性取决于其几何特性和机械能力，指的是某种执行不同能力的功能和完成多样的简单任务的实际能力：适应性是指其对环境的自适应能力，即所设计的机器人能够自我执行未经完全指定的任务，而不管任务执行过程中所发生的没有预计到的环境变化。工业机器人从模仿人的胳膊动作开始，具有伸缩、移动、旋转和抓取的功能。调换机器人的手就能进行各种不同性质的工作。一般机器人系统由四个相互作用的部分组成：机械手、环境、任务和控制器。要使机器人具有以上两种能力，一个能够完成多种操作作业的具有多自由度的机器人系统，除了用于具体操作的机械臂和抓手等主体外，还应该具有监控机构、伺服控制机构、移动机构、视觉反馈机构、通讯结构、操作对象、作业环境以及各种能源等等。其工作原理如图所示【首先，通信机构将上位计算机系统下达的作业指令传给监控机构，太原理工大学硕士研究生学位论文关节能够以理想的动态性能跟踪期望轨迹，伺服控制系统必须采用反馈结构。而反馈伺服系统的参考输入信号，就是由监控系统根据上位计算机的操作指令而生成的期望轨迹。下面给出最简单的二自由度机械臂的控制系统结构框图，如图所示。图是公司的二自由度工业机械臂的示意图，由电机给出的驱动力矩，：分别作用在杆厶和杆岛上，臼。，岛分别为和上：在运动控制器基于驱动力矩。，：作用下转过的角度。假设要求机械臂的末端沿曲线爿曰运动，那么端点的期望运动轨迹可以由册坐标系中的，乃来表示。由于伺服系统需要以岛，岛的期望值作为参考输入，所以必须将期望轨迹的胛坐标变换为各个关节转角的期望值吼，巳：。图二自由度机械臂示意图一太原理工人学硕士研究生学位论文图给出了二自由度机械臂控制系统的框图。由图可见，各关节的控制环并不是完全独立的，相互之间存在耦合。尤其当关节数量增加以后这种耦合关系使得机器人呈现出严重的非线性特性，给机器人的动态控制带来了不便。如卜吼。伺坐服坐标控垒姆醴标换器变岛：制换图二自由度机械臂控制系统框图机器人动态控制方法对于机器人这样一个强非线性的控制系统，在建模时忽略了高频特性、机器人各关节的摩擦以及信号的检测误差等不确定性因素。因此，在实际设计的机器人动态控制系统时，必须考虑这些不确定性因素对控制品质的影响。经典控制理论并不要求被控对象的精确数学模型主要设计方法是基于现场测得的被控对象的频率特性曲线来设定串并联补偿器的参数初值，然后根据现场反复调试来确定满足要求的控制器参数。但它并没有能够给出用解析的手段设计控制器的有效方法。而以最优控制理论太原理工大学硕士研究生学位论文制器，它能以固定的，保证在不确定性破坏最严重的情况下系统的稳定性。这类控制器的设计问题在现代控制理论中被称为上或日标准设计问题，并且也已经给出了比较圆满的设计手段。该控制方法无须自适应算法，无须冗长的计算，运算速度快，实时性好。但是鲁棒控制器的暂态性能不是很好，而且在设计鲁棒控制器时，系统的不确定性必须属于一个可描述集，比如增益有界，且上界已知等等。这使得鲁棒控制的应用受到了限制，假如不确定性超出了假设范围，系统将发散。在机器人控制中，鲁棒控制与自适应控制、变结构控制互相结合发挥各自优势。研究了刚性机器人操作手的鲁棒自适应跟踪控制，该方法结合了自适应与鲁棒控制方法两者的优点，提高了系统的控制性能。鲁棒自适应方法一般以自适应控制补偿参数不确定性，鲁棒控制补偿非参数不确定性。鲁棒自适应控制对控制器实时性能的要求比较严格，它更适用于具有反复性的、持续时间长的操作任务。樊晓平等【研究了受限机器人臂的鲁棒变结构混合位置力控制问题，采用鲁棒变结构控制策略对控制方案进行修正，以改善该柔性机器人系统的鲁棒性，控制机器人终端执行器的位置和接触力，通过引入变结构鲁棒控制，可确保输出跟踪误差在有限时间内收敛到零。智能控制（）由于经典控制方法和现代控制方法在控制机器人这种复杂系统时所表现的种种不足，近年来，越来越多的学者开始将智能控制方法引入机器人控制，实现机器人控制的智能化。主要的控制方法有：模糊控制；神经网络控制；专家控制等等。对于复杂的环境和复杂的任务，如何将人工智能技术中较少依赖模型的求解方法与常规的控制方法来结合，正是智能控制所要解决的问题。因此，智能控制系统必须具有模拟太原理工大学硕士研究生学位论文人类学习和自适应、自组织的能力，这就要求智能控制系统要具有以下基本特点：）应能对复杂系统（如非线性、时变性、多变量耦合性、环境扰动性等）进行有效的全局控制，并具有较强的容错能力：）能实现定性决策和定量控制相结合的多模态组合控制；）能从系统功能和整体优化的角度来分析和综合系统，以实现预定的目标，并应具有自组织能力：）同时具有以知识表示的非数学模型和以数学模型表示的混合控制过程，人的知识在控制中起着重要的协调作用，系统在信息处理时既要有数学运算，又要有逻辑和推理能力。例如智能机器人系统在完成复杂的任务时要具有自行规划和决策的能力，有自动躲避障碍运动到期望目标位置的能力等等，采用智能控制方法往往可以较好地解决机器人非线性系统的控制问题和复杂作业任务的控制问题。现代智能控制技术的进步，为机器人技术的发展尤其是智能机器人技术的研究与发展提供了可能。其中，神经网络的研究已经有多年的历史，它是介于符号推理与数值计算之间的一种数学工具，具有很好的学习能力和适应能力，适合于用作智能控制的工具，所以神经网络控制是智能控制的一个重要方面。由于神经网络在许多方面试图模拟人脑的功能，因此神经网络控制并不依赖精确的数学模型，荠且神经网络对信息的并行处理能力和快速性，适于机器人的实时控制。神经网络的本质非线性特性为机器人的非线性控制带来了希望。神经网络可通过训练获得学习能力，能够解决那些用数学模型或规则描述难以处理或无法处理的控制过程。同时神经网络还具有很强的自适应能力和信息综合能力，因而能同时处理大量的不同类型的控制输入，解决输入信息之间的互补性和冗余性问题，实现信息融合处理。这就特别适用于像机器人这样具有复杂的不确定性系统、大系太原理工大学硕士研究生学位论文统和多变量高度非线性系统的控制。近年来，神经网络在机器人控制中得到了广泛的应用。机器入神经网络控制应用机器人控制从广义上讲主要包括任务规爱。壤隋艨篓酲羁指杉毫蓊躺“嗣为一里文籀承摆螺鹳职融曜精譬季品熠型辨雠甚沼嘎蠢提砸胄裂魏襄镪鞫钢蠹载型奠髓肇箬圳豫对髓鎏。靳廷弱鄯酣驰匀白蘩爹莓尚裂善于对；司来自于对未知参数的准确估计和高增益的反馈阻。对参数的估计需要进行冗长的计算，这使得只能应用于参数变化缓慢、机器人的关节较少的情况。高增益逆反馈也有两个缺点：首先，它容易引起机械振荡；其次，增益的调节需要经验。变结构控制（）变结构控制的基本思想是在误差系统的状态空间中，找到一个超平面，使得超平面内的所有轨迹都收敛于零。然后，通过不断切换控制器的结构，使得误差系统的状态能够到达该平面，进而沿该平面滑向原点【。鲁棒性好是变结构控制的一个重要优点，这主要表现在滑模运动方程对于扰动的不变性，而且只要正确选择了足够大的控制信号，在任何扰动下，状态轨迹从任何一个初始状态出发，都能可靠地到达滑模。正是基于这个优点，滑模变结构控制的方法可较好地用于机器人的控制。关于机器人的变结构控制可参见文献。”。但是，这种控制方法的缺陷是控制器频繁的切换动作有可能造成跟踪误差在零点附近产生抖动现象，它增加了稳态误差，有时还会引起寄生震荡。提出了三种变结构自适应控制（）算法，它们在抗干扰能力以及克服“抖振”现象等方面都要比单独的自适应方法和变结构控制方法强。现代鲁棒控制（）太原理工大学硕士研究生学位论文元的损坏只对输入输出关系有较小的影响，所以网络具有较好的容错性。而且网络的学习算法属于全局逼近的方法，因而具有较好的泛化能力。利用网络可以实现机器人手眼协调控制；将网络与异步自学习控制算法结合，组成神经网络异步自学习控制系统，对机器人进行轨迹跟踪控制可以取得很好的跟踪效果；而在多指灵巧手轨迹跟踪的神经网络控制中，如将算法和进化算法相结合，采用二者混合的学习算法，即先用算法对网络进行训练，再用进化算法训练，系统在轨迹跟踪阶段的效果也是很好的。基于高斯径向基函数网络，是以函数逼近理论为基础而构造的一类前向网络，这类网络的学习等价于在多维空间中寻找训练数据的最佳拟合平面。网络的每个隐层神经元传递函数都构成了拟合平面的一个基函数。它在机器人轨迹跟踪控制中是一种较为系统、逼近精度最高的方法，它能够保证机械手位霞和速度跟踪误差渐进收敛于零。在机器人运动学控制中，必须进行机器人正、逆运动学计算，因为机器人在完成任务时所要求的运动轨迹一般都是在直角坐标系中给定的，而实际的运动是通过控制安装在关节上的驱动部件来实现的，因此就要将机器人在直角坐标空间中的运动变换到关节空间，此时必须进行逆运动学计算。机器人逆运动学求解是非常复杂的，且求解不唯一，尤其是对于冗余机器人，求解将更复杂。我们可以采用神经网络来自动实现机器人正逆运动学的计算，利用神经网络输出的结果作为控制变量，来实现机器人运动学控制。例如一种进行机器人正、逆运动学计算的双向映射神经元网络。这种控制不需要各个变量之间的准确解析关系模型，而只要通过对大量例子进行训练就可以实现。所以神经网络在机器人运动学控制中应用也是很多的。太原理工大学硕士研究生学位论文同时神经网络技术应用于机器人等非线性系统中，与多种控制方法相结合，并提出了多种结构的神经网络控制器。如：等人提出的自学习控制系统神经网络】；何玉彬等人提出的复杂系统的神经网络自适应预测控制器【卅及多种神经网络控制结构口】；刘妹琴等人提出的基于神经网络的自适应控制口；讪南和提出了四种不同的神经网络控制方案对柔性机械臂进行控制；等人提出的在选择性柔性机械臂中应用改进反馈误差学习控制策略（）【】；等人提出的鲁棒神经网路控制器】；提出的受干扰系统的神经网络控制【】；等人提出的多层神经网络控制器；等人提出的神经网络自适应控制和模型近似：等人提出的反馈一前馈非线性控制系统神经网络控制器【】等等【。虽然神经网络控制方法作为一种处理非线性、不确定性的控制模型的有效方法在机器人控制领域获得了广泛的应用。但其使用的神经网络模型无论是从结构还是从网络规模，都是真实神经网络的极简单模拟。同时由于其发展的时间不长，理论还远未成熟，自身仍存在着许多不足和需要解决的问题。其缺点主要有：（）缺乏系统化的方法来构造网络的结构（）网络需要定的时间来训练，在训练完成之前不能很好地控制系统；（）网络的权值没有明确的物理意义，权值的初始化过分依赖经验：（）虽然已经证明具有等学习算法的网络的学习过程是收敛的，但出于网络的高度非线性，使得从数学上证明整个系统的稳定性是十分困难的，主要依赖于实验结果的分析。针对神经网络的缺点，近年来许多专家学者对神经网络进行了改进，太原理工大学硕士研究生学位论文将其他的现代控制方法或智能控制方法与神经网络结合，从而弥补了神经网络的不足。这种结合主要有两类：一类是具有推理归纳能力的神经网络；另一类是具有全局稳定性的神经网络。我们可以通过将模糊控制与神经网络结合构成模糊神经网络（卧矾）来使神经网络具有推理和归纳能力；用李雅普诺夫理论来设计神经网络构成鲁棒神经网络（）来使神经网络具有全局的稳定性【。为了提供与生物神经系统智能控制行为具有更大相似性的智能控制方法，同时也为克服神经网络控制方法的局限性，目前将模糊逻辑与神经网络结合，发展模糊神经网络控制方法已成为享串经网络控制砑究的主要发展趋势。这种将两者以递阶方式融合起来的新网络模型及其控制方法，能够提供更加有效的智能行为、学习能力、自适应特点、并行机制和高度灵活性，使其能够更成功地处理各种不确定的、复杂的、不精确的和近似的控制问题。等【通过模糊神经网络实现了灵活机器人手臂的位置跟踪，所提出的模糊神经网络动态模型能够提供模糊推理。锄和【恰出了一种模糊神经网络间接自适应控制方法，当系统结构改变时能够迅速调整参数而且收敛速度快。王洪斌等【】将模糊神经网络用于解决机器人逆运动学问题，并实现了轨迹跟踪，仿真研究证实了该方案具有收敛速度快和控制精度高的优点。这种基于模糊神经网络的控制方法已应用于机器人的控制中了，也将是今后机器人智能控制的一个主要方向。总的来说，神经网络技术应用于机器人控制主要解决了非线性系统中的非线性函数逼近和模型参数识别问题，并对控制精度有所保证。所存在的问题有（）神经网络模型的选择没有明确的理论和方法；（）神经网络到底采用哪种结构没有具体的准则，包括各层结点数和映射函数太原理工大学硕士研究生学位论文的确定、学习模式、初始权值的选择和训练次数的确定，以及学习算法和算法参数的确定，都控制本质上是一种非线性控制，尚无通用的稳定性判别准则。本文针对固高工业机器人的本体特征和运动特点，设计了一种多变量模糊神经网络控制器，使神经网络结点和连接权值具有明确物理意义，网络结构简单，经过较少的训练次数就能实时跟踪期望轨迹，该控制器用于机器人等非线性系统是有效的。本论文的主要工作和创新鉴于神经网络控制和模糊控制各自的优点，本文讨论了采用多变量模糊神经网络控制用于多自由度机器人系统控制的方法，主要研究内容和创新为：、根据固高机械臂的本体特征和运动特点，分析了机器人系统的运动学和动力学特性，建立了固高机械臂的运动学正、逆解方程和动力学模型。、从众多的模糊神经网络结构中，指出模糊神经网络应用于机械臂这类非线性、强耦合、时变系统的优越性。首先，神经网络在机器人的轨迹跟踪中是一种较为系统、逼近精度最高的方法，它能够保证机械手位置和速度跟踪误差渐进收敛于零。其次，数学分析了神经网络与模糊系统的函数等价性，使得神经网络与模糊控制具有结合优势。、在机器人系统存在不确定性因素和出现干扰时，提出了一种新的】与模糊控制具有太原理二大学硕士研究生学位论文机械臂控制方法一多变量模糊神经网络控制算法，给出了控制算法的结构及学习算法分析。该控制算法，分别对机械臂关节和关节进行两个回路控制，并通过一个单层神经网络的协调级来消除和减小各回路的耦合影响。同时，可以在线调整网络隶属函数的中心值和宽度。、实验结果表明，控制器学习速度快，控制精度高，不仅消除和减小了关节、之间的耦合作用，而且实现了对非线性系统的精确轨迹跟踪控制。本论文的结构安排本文的主要内容安排如下：第一章概论。在这一章中，回顾了机器人技术的发展历程，简要地介绍了机器人动态控制问题及其主要方法，提出了基于神经网络技术的机器人控制方法，并指出了其优缺点。第二章固高机械臂装置简介。针对本论文中的实验装置一固高工业机器人，介绍了其运动控制、本体结构、图形示教再现程序以及机器人编程等方面，为进一步研究其运动学、动力学特征及其运动控制器的设计奠定基础，从而实现系统的轨迹跟踪控制。第三章固高机械臂运动学和动力学方程的建立。在这一章中首先介绍了机器人的运动学和动力学基础知识，得到了固高机械臂的运动方程；用拉格朗日方法（）推导了力学模型的运动学微分方程，建立了系统的标称数学模型，以及考虑了系统中存在的不确定性因素后的实际系统的数学模型。第四章机械臂的神经网络控制。本章主要从控制的角度介绍了神经太原理工大学硕士研究生学位论文元网络的基本理论和结构，给出机器人控制中常用的几种局部连接神经网络的结构、功能以及具体应用。最后着重讨论了基于神经网络的机械臂动力学控制方法，指出模糊神经网络成为机械臂动态控制研究的热点和重点。第五章机械臂的模糊神经网络控制。由于神经网络具有多种结构和学习算法，而模糊逻辑推理也具有多种形式，因此本章首先简要地介绍了模糊逻辑控制的结构和基本原理，并在此基础上分析了模糊神经元的实现形式。基于模糊系统与局部连接神经网络的函数等价性，寻找模糊控制与神经网络控制相结合的优势，提出一种机械臂的模糊神经网络的控制算法。第六章机械臂多变量模糊神经网络控制及其仿真分析。在第五章的基础上，提出一种应用于像机械臂这种系统的多变量模糊神经网络控制算法。给出了多变量模糊神经网络的结构，分析了该网络的算法，最后通过仿真实验证明了该控制算法的可行性。第七章结论与展望。在总结本论文的工作的基础上，展望了进一步要研究的方向。太原理工大学硕士研究生学位论文第二章固高机械臂装置简介固高机械臂装置运动控制介绍固高机械臂运动控制公司研制的四自由度机器人系统是基于搬运和装配作业的机器人系统，控制采用基于的开放式运动控制体系结构，其硬件组成包括：通用机（或工控机）、高性能多轴运动控制器（包含了电机驱动器和接口电路板的控制柜）和机器人本体三大部分，如图所示为控制系统框图。该机械臂系统采用层次结构，通用机作为主控制器，高性能运动控制器作为底层控制器。采用这种层次结构设计使得运动控制体系中的各个层次之间相互独立，主控制器面向的控制对象是机器人的关节（），运动控制器面向的控制对象是确定的电机控制轴（）。这种机器人关节和电机控制轴之间的对应关系由机器人模型确定，这样使得运动控制器是通用的。在通用机上运行机器人控制主程序，提供用户界面接口，并完成作业任务规划、运动学正反解和坐标变换等，并将规划得到的机器人关节目标任务（以多大的速度、加速度运动到某个位置）下达给运动控制器，见图机用户界面显示。高性能运动控制器作为底层控制器，运用一定的控制策略完成关节电机的运动控制，见图所示为公司使用的系列运动控制器工作的典型应用。奎璺望三盔兰堡主婴塑皇兰垡堡奎困四自由度机械臂控制系统框图一图机械臂界面太原理工大学硕研究生学位论文图运动控制器工作路线圉。在图。中机主控制器和运动控制器通过机总线通信，运动控制器调用库函数下达任务并检测命令执行的状态。运动控制器的控制信号送入控制柜中的各个关节电机驱动器中，经过运算放大器后驱动机器人本体上的关节电机运动。运动控制器机器人本体电机轴的控制采用固高通用控制器，该控制器具有开放性、可移植性、可扩展性等特点，可以方便的添加网络通讯功能。其工作原理是：机主控制器下达控制轴目标任务到运动控制器；运动控制器读取得到电机轴上光电编码器的实际位置信号，通过轨迹规划生成电机的参考运动轨迹；参考运动轨迹通过伺服控制滤波器后得到太原理工大学硕士研究生学位论文十，。（。一，）。口（），其中，分别为第个伺服周期下电机的实际位置、位置跟踪误差和伺服滤波器输出的控制量。丘，足，足。分别是控制器的比例、积分、微分系数。咿，硝为前馈控制器的参考速度前馈增益和参考加速度前馈增益。在提供的五种控制轴运动模式中最常用的是形曲线加减速模式和梯形曲线加减速模式。两种模式下的工作原理是一致的，下面介绍形曲线加减速模式。速度曲线”一可臣口图形曲线模式的速度加速度加加速度曲线如图所示，规划器生成的速度目标序列，经过正向形加速阶段后达到最大速度；匀速运行一段时间后以反向形减速到速度为零。太原理工大学硕士研究生学位论文在一曲线模式下，我们可以随时修改目标位置，因为轴的运动方向由目标位置决定。而其它参数在运动过程中是不能修改的，输入的最大速度、最大加速度和加加速度均是绝对值。同时，图中的曲线是对称的，在实际中，可以缺少某些过程，即可以是不对称的，曲线模式下参数的变化范围如表所示，变化后的一曲线模式如图所示。运动控制器中目标位置设置固高实验装置采用运动控制器，它是将四轴电机控制集成在同运动控制器上，通过四路脉冲输出接口控制步进电机，从而实现机要求的运动。我们将这四个控制通道简称为四个控制轴，即关节、对应的控制轴、。运动控制器根据机要求，自动完成一些复杂运算和操作，并将结算结果转化为脉冲数来控制步进电机运动。因此，本节介绍运动控制器在位置、速度、加速度的设置计算。己知系统参数为：驱动器指令脉冲倍频为（），螺距（），电机每转脉冲数为，变比为（当电机与丝杠之间连接时，）。设我们要求的运动速度是（汕）、加速度为（耐）、关节运动到目标位置（绝对位置）为（）。对应的运动控制器设置参数为：目标位置（），目标速度为（），目标加速度为（），控制周期为（）。、位置设置（）卡闭环伺服控制系统（驱动器为速度控制模式）：胁竿（础。）（）（）、卡开环伺服控制系统（驱动器为位置控制模式）：太原理工大学硕士研究生学位论文在一曲线模式下，我们可以随时修改目标位置，因为轴的运动方向由目标位置决定。而其它参数在运动过程中是不能修改的，输入的最大速度、最大加速度和加加速度均是绝对值。同时，图中的曲线是对称的，在实际中，可以缺少某些过程，即可以是不对称的，曲线模式下参数的变化范围如表所示，变化后的一曲线模式如图所示。运动控制器中目标位置设置固高实验装置采用运动控制器，它是将四轴电乏三至薹至一专至；兰一一一？一一一妾囊薯至，善毒簿譬孺厦！耄赣馨鸶蓠琵；。筵，；太原理工大学硕士研究生学位论文丝杠角力口速度为：而（而）华（，）电机角加速度为：旦！芋翌（，）控制器具有倍频功能，电机每转脉冲数为，则控制器设置速度为：伽半（）志一（砷明“（）筹（）（）、卡开环伺服控制系统（驱动器为位置控制模式）：驱动器指令脉冲分频参数为，则控制器每转需设置脉冲数为（），于是控制器设置速度为：伽塑蔫芦（）协，）（）、卡开环步进控制系统：控制器每转需设置脉冲数为（），于是控制器设置速度为：鲫：譬蜜娑妇牌）（）三、。当确定了运动卡采用的控制系统类型后，利用以上公式，就可以计算得到控制器的加速度、速度或目标位置的设定值。例如，采用卡闭环伺服