清洗檢測(cè)機(jī)器人的智能魯棒自適應(yīng)軌跡跟蹤控制方法研究（英文版）.pdf

1、冷凝器是工業(yè)領(lǐng)域中起冷卻作用的重要裝置，它將蒸汽從氣態(tài)轉(zhuǎn)變?yōu)橐簯B(tài)。這樣做可以使氣體提供的潛熱轉(zhuǎn)變成冷卻介質(zhì)。冷凝器作為一個(gè)能量交換裝置，是由有許多小的冷凝管縱橫交錯(cuò)組成的，有各種尺寸滿足不同生產(chǎn)流程的需求。通常在實(shí)際生產(chǎn)中，冷凝器長(zhǎng)期處于連續(xù)在線工作狀態(tài)，由此對(duì)設(shè)備自身帶來的損害是非常常見的。將會(huì)降低冷凝器的運(yùn)行效率。此外，冷凝器的損壞不僅影響了冷凝器的冷卻效果，還將會(huì)增加生產(chǎn)成本。因此實(shí)現(xiàn)冷凝器的在線清洗和檢測(cè)對(duì)于保障冷凝器安全可靠經(jīng)

2、濟(jì)運(yùn)行至關(guān)重要。近年來，本人所在的研究團(tuán)隊(duì)針對(duì)大型冷凝器研制了在線清洗和檢測(cè)移動(dòng)機(jī)器人，具有工作效率高、環(huán)境適應(yīng)能力強(qiáng)、能夠完成危險(xiǎn)作業(yè)的特點(diǎn)。冷凝器清洗檢測(cè)機(jī)器人是一個(gè)冗余驅(qū)動(dòng)系統(tǒng)，由于難以建立精確的數(shù)學(xué)模型，常規(guī)控制方法在實(shí)際中的應(yīng)用效果較差，探索能夠?qū)崿F(xiàn)良好作業(yè)性能的控制系統(tǒng)具有一定的難度。針對(duì)這一問題，本文分別將神經(jīng)網(wǎng)絡(luò)控制、模糊神經(jīng)網(wǎng)絡(luò)控制和模糊小波神經(jīng)網(wǎng)絡(luò)控制應(yīng)用于冷凝器清洗檢測(cè)機(jī)器人的控制系統(tǒng)中，提高了設(shè)備的性能，取得了良

3、好的應(yīng)用效果。
　　本文的主要研究工作如下:
　　1)第一部分提出了帶有魯棒補(bǔ)償器的智能自適應(yīng)軌跡跟蹤神經(jīng)網(wǎng)絡(luò)控制方法。該方法中，利用自適應(yīng)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNNs）對(duì)機(jī)器人的未知?jiǎng)討B(tài)進(jìn)行逼近，使得控制系統(tǒng)的設(shè)計(jì)不依賴于系統(tǒng)的先驗(yàn)知識(shí)。采用滑模變結(jié)構(gòu)控制(SMC)作為魯棒補(bǔ)償算法，并與RBFNNs的優(yōu)點(diǎn)相結(jié)合，所設(shè)計(jì)的控制方法可以實(shí)現(xiàn)精確的軌跡跟蹤和良好的控制性能。此外，利用反向傳播算法(BP)和Lyapunov理論

4、實(shí)現(xiàn)控制算法參數(shù)的自調(diào)節(jié)，可以保證整個(gè)系統(tǒng)的鎮(zhèn)定和參數(shù)調(diào)節(jié)的收斂。與基于自適應(yīng)模糊理論(AF)和小波網(wǎng)絡(luò)理論(WNs)的控制方法相比，該方法具有更好的控制性能。仿真和實(shí)驗(yàn)驗(yàn)證了所設(shè)計(jì)方法的有效性和魯棒性。
　　2)第二部分針對(duì)兩連桿CADRM慣量時(shí)變、存在外部擾動(dòng)和建模不確定性的特點(diǎn)，采用基于RBFNNs的SMC智能魯棒自適應(yīng)軌跡跟蹤方法實(shí)現(xiàn)了CADRM的周期運(yùn)動(dòng)和預(yù)定軌跡跟蹤控制。在該方法中，利用三層RBFNNs逼近機(jī)器人的非線

5、性動(dòng)態(tài)，利用Lyapunov穩(wěn)定性理論對(duì)RBFNNs的權(quán)重進(jìn)行自適應(yīng)調(diào)節(jié)，保證了整個(gè)系統(tǒng)的全局鎮(zhèn)定性和魯棒性，跟蹤誤差可以收斂到所需要的精度。與比例微分控制(PD)和自適應(yīng)模糊控制相比，在參數(shù)變化和存在外部擾動(dòng)情況下，基于RBFNNs的SMC具有更好的性能。仿真驗(yàn)證了所設(shè)計(jì)方法的控制精度和魯棒性，并利用兩連桿CADRM進(jìn)一步對(duì)算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
　　3)第三部分利用模糊神經(jīng)網(wǎng)絡(luò)方法(FNNs)為CADRM設(shè)計(jì)了智能魯棒自適應(yīng)控制

6、方法。該方法結(jié)合了FNNs和SMC控制的優(yōu)點(diǎn)，期望在各種條件下都能夠達(dá)到更高的位置控制精度。采用四層FNNs對(duì)機(jī)器人非線性動(dòng)態(tài)進(jìn)行逼近，以削弱滑?？刂乒逃械亩墩瘳F(xiàn)象。此外，該方法利用Lyapunov穩(wěn)定性理論自動(dòng)調(diào)節(jié)控制算法中的參數(shù)，保證了系統(tǒng)的全局穩(wěn)定性、魯棒性和位置控制精度。與比例-積分-微分控制(PID)和AF控制相比，該方法具有更好的柔性。仿真和實(shí)驗(yàn)結(jié)果顯示，采用所設(shè)計(jì)的方法有效削弱了滑?？刂频亩墩瘢@著提升了系統(tǒng)的跟蹤性能。<

7、br>　　4)第四部分針對(duì)兩連桿CADRM設(shè)計(jì)了基于動(dòng)態(tài)FWNNs的智能魯棒自適應(yīng)控制方法，該方法實(shí)現(xiàn)了小波理論、模糊邏輯和神經(jīng)網(wǎng)絡(luò)的結(jié)合，使系統(tǒng)具有更快的學(xué)習(xí)能力和收斂速度，并且實(shí)現(xiàn)了結(jié)構(gòu)性和非結(jié)構(gòu)性不確定性的補(bǔ)償。在動(dòng)態(tài)結(jié)構(gòu)FWNNs中，基于與小波函數(shù)相關(guān)聯(lián)的模糊規(guī)則構(gòu)建了四層FWNNs，對(duì)結(jié)構(gòu)性、非結(jié)構(gòu)性不確定性動(dòng)態(tài)和復(fù)雜模型進(jìn)行補(bǔ)償。采用自適應(yīng)律對(duì)算法的參數(shù)進(jìn)行調(diào)節(jié)，所采用的自適應(yīng)律是基于Lyapunov穩(wěn)定性理論設(shè)計(jì)的，可以減