并聯(lián)機(jī)器人神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制策略研究.pdf

1、并聯(lián)機(jī)器人具有結(jié)構(gòu)簡單、剛度大、定位精度高和動態(tài)響應(yīng)快等優(yōu)良特性，特別適合于高精度、大載荷且工作空間小的場合。由于并聯(lián)機(jī)器人模型的不確定性，高度非線性和強(qiáng)耦合性等特點(diǎn)，傳統(tǒng)的控制方法很難得到理想的控制效果。因此，本文著重于找到一種適合醫(yī)療康復(fù)的并聯(lián)機(jī)器人的位置閉環(huán)控制策略，以保證并聯(lián)機(jī)器人在測量和建模的不精確、負(fù)載的變化以及外部擾動的影響下仍然可以精確有效的工作。
　　 本文首先通過對六自由度并聯(lián)機(jī)構(gòu)結(jié)構(gòu)的研究，以Matlab為

2、工具完成了并聯(lián)機(jī)器人運(yùn)動學(xué)分析和軌跡規(guī)劃。對并聯(lián)機(jī)器人工作空間進(jìn)行仿真分析，表明該并聯(lián)機(jī)器人能夠達(dá)到康復(fù)訓(xùn)練的位置和姿態(tài)要求；并通過軌跡規(guī)劃給出上平臺動點(diǎn)的軌跡參數(shù)，采用CP軌跡規(guī)劃算法進(jìn)行實(shí)例仿真。
　　 在研究基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制算法和PSO算法，并均作出算法改進(jìn)的基礎(chǔ)上，提出了一種基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制算法。算法結(jié)合傳統(tǒng)PID控制、BP神經(jīng)網(wǎng)絡(luò)和PSO全局優(yōu)化算法，用PSO來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)

3、值，然后用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)在線調(diào)整PID參數(shù)。優(yōu)化過程引入了變異操作，并考慮激活函數(shù)增益及隱含層數(shù)的選擇對PSO和BP的綜合影響。該算法合理地確定了神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，改善了神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值以及收斂速度慢的問題。通過仿真實(shí)驗(yàn)對比分析得知該方法在精確性和實(shí)時(shí)性上有很大的改進(jìn)。
　　 最后，在Matlab中的SimMechanies搭建了Stewart六自由度并聯(lián)機(jī)器人模型，并采用傳統(tǒng)PID控制對并聯(lián)機(jī)器人系統(tǒng)進(jìn)行仿真