《拟人机械臂动力学建模与智能控制研究.docx》由会员分享，可在线阅读，更多相关《拟人机械臂动力学建模与智能控制研究.docx（2页珍藏版）》请在三一文库上搜索。
1、拟人机械臂动力学建模与智能控制研究本文对一种 6-DOF串并混联拟人机械臂进行了动力学建模和智能控制研究。该机械臂为 3-2-1 布局形式 , 肩关节为 3-DOF球面并联机构 , 肘关节为 2-DOF并联机构 , 腕关节为平面四杆机构。建立了肩关节以动平台姿态角为广义变量的标称动力学方程, 设计了无源轨迹跟踪控制器 , 并对其进行了仿真验证 ; 考虑线性化、密度不均等因素造成的误差,建立了肩关节带参数不确定性的动力学方程, 并考虑系统参数不确定性和外界扰动 , 设计了自适应轨迹跟踪控制器 ; 考虑肩关节重复工作特性 , 设计了自适应迭代学习控制器 , 并对其进行了重复轨迹跟踪仿真研究。 采用
2、 Lagrange 方法建立了前臂的标称动力学模型 , 并设计了径向基神经网络自适应轨迹跟踪控制器 ; 为了降低对不确定参数分别进行学习时的计算量和满足重复轨迹跟踪要求 , 设计了集中参数自适应迭代学习控制器 , 并进行了仿真研究。建立了 6-DOF混联拟人臂的动力学模型。 考虑其参数不确定性、 摩擦及外界干扰等因素 , 对该系统设计了模糊自适应轨迹跟踪控制器 , 并对其进行了仿真研究。提出了伪欠驱动动力学模型的概念和伪欠驱动智能控制策略, 并对 6-DOF拟人臂进行了伪欠驱动智能控制研究。第一步, 通过扩展广义变量 , 采用 Lagrange方法建立拟人肩和前臂以及6-DOF拟人机械臂的伪欠驱动动力学模型。第二步 , 对 6-DOF拟人机械臂的伪欠驱动动力学模型设计了神经网络自适应轨迹跟踪控制器 , 并进行了仿真研究。该控制器采用神经网络学习算法得到扩展的广义变量 , 通过自适应算法补偿由学习误差带来的动力学不确定性和摩擦、干扰等因素带来的影响 , 最终得到理想的轨迹跟踪效果。研制了 6-DOF拟人机械臂控制系统 , 对肩关节和前臂进行了轨迹跟踪实验研究。对各传感器的检测数据进行了数据采集和曲线绘制, 为此机械臂的应用奠定了基础。