chapter9.4-基于神经网络的未知机械臂导纳控制_第1页
chapter9.4-基于神经网络的未知机械臂导纳控制_第2页
chapter9.4-基于神经网络的未知机械臂导纳控制_第3页
chapter9.4-基于神经网络的未知机械臂导纳控制_第4页
chapter9.4-基于神经网络的未知机械臂导纳控制_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

CHAPTER9其他控制方法力观测器控制器设计仿真验证29.4基于神经网络的未知机械臂导纳控制9.4基于神经网络的未知机械臂导纳控制本节将介绍一种基于神经网络的无力传感器机械臂与人体手臂物理交互的控制方案。需要解决的问题和解决方法如下：3轨迹生成Kinect传感器、几何矢量法外部环境力矩观测器、导纳控制不确定性径向基函数神经网络方案验证Baxter机器人实验解决方法机器人动力学建模

外加干扰力观测器力观测器设计

求导代入动态模型化简外力矩模型

状态空间表达式

设计的观测器

力观测器如图所示：

控制器设计第一步：在机械臂运动学的基础上，建立导纳模型；第二步：用误差转换方法保证系统暂态控制效果；第三步：用神经网络对模型的不确定项进行估计，以保证系统的稳定；第四步：构建李雅普诺夫函数，对系统进行稳定性分析。

导纳控制

简化

误差转换定义约束函数：

引入转换函数：

基于神经网络的关节速度控制

函数逼近技术FATRBF神经网络逼近

控制力矩：李雅普诺夫函数：

神经网络权值更新稳定性分析构建如下李雅普诺夫函数：

求导

13

14

仿真验证实验基于Baxter双臂机器人进行仿真验证，如下图所示。神经网络跟踪性能仿真本实验主要验证神经自适应控制器的有效性。通过Kinect传感器采集操作者肘曲角和肘转角的运动轨迹。注意：数据采集过程中，要求操作者保持身体稳定，操作者手臂周期性的平稳运动。操作者从起始位置到目标位置以低速旋转手臂

（对比控制器）控制器①仿真结果：（a）对关节1轨迹的跟踪结果（b）对关节2轨迹的跟踪结果（c）对关节1轨迹的跟踪误差（d）对关节2轨迹的跟踪误差无论是在瞬态还是稳态阶段，实际轨迹都能很好地跟随所期望的轨迹，跟踪误差都能收敛到规定边界。控制器②仿真结果：在没有瞬态约束控制的情况下，跟踪误差超出了规定边界，稳定阶段的误差相对较大。（a）对关节1轨迹的跟踪结果（b）对关节2轨迹的跟踪结果（c）对关节1轨迹的跟踪误差（d）对关节2轨迹的跟踪误差控制器③仿真结果：与控制器②相似，控制器③在没有瞬态约束控制的情况下，跟踪误差超出了规定边界，稳定阶段的误差相对较大。（a）对关节1轨迹的跟踪结果（b）对关节2轨迹的跟踪结果（c）对关节1轨迹的跟踪误差（d）对关节2轨迹的跟踪误差控制器①中神经网络权值和控制输入的仿真结果：两关节神经网络权值范数变化关节1的输入力矩关节2的输入力矩结论：带误差转换的神经网络自适应控制器（控制器①）在暂态和稳定阶段均能保证跟踪误差不超过规定的界限，且控制效果优于另外两种控制器。导纳控制性能仿真该实验主要是对导纳控制性能进行验证。实验中，外部力矩施加于机械臂6s至16s。仿真结果如下：

期望轨迹与修正轨迹(a)导纳控制的跟踪性能(b)导纳控制的跟踪误差(c)外部力矩的估计对比图(a)和图(b)可知，通过观测器外力的估计值和动量的估计值均接近于它们的真实值，说明观测器估计外力的方法是有效的。图(b)和图(c)可以看出，当机械臂受到外力时，导纳控制可以改变机械臂的预设运动轨迹

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 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，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论