多自由度機械臂軌跡跟蹤控制仿真研究.pdf

1、多自由度機械臂是機器人的重要組成部分,在人類的生產(chǎn)生活中具有廣泛的應(yīng)用。本文以機械臂運動學(xué)、動力學(xué)等為基礎(chǔ),重點對機械臂逆運動學(xué)求解問題及軌跡跟蹤問題進行了研究。并以六自由度機械臂為例,對其運動學(xué)、動力學(xué)及軌跡規(guī)劃進行用了仿真。
　　對于機械臂逆運動學(xué)的求解,可以通過遺傳算法或者BP算法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)的權(quán)值,從而得到問題的解。但這些方法在求解精度和收斂速度上有待進一步的改進。本文通過RBF神經(jīng)網(wǎng)絡(luò)與免疫系統(tǒng)存在相似性,采用人工免疫

2、原理對RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集的泛化能力,動態(tài)調(diào)整神經(jīng)網(wǎng)絡(luò)隱層結(jié)構(gòu)。并采用遞推最小二乘法確定網(wǎng)絡(luò)連接權(quán)值。由此實現(xiàn)對神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)進行自適應(yīng)調(diào)整和學(xué)習(xí)。仿真結(jié)果表明用免疫原理訓(xùn)練的神經(jīng)網(wǎng)絡(luò)收斂速度快,泛化能力強,可提高機械臂逆運動學(xué)求解精度。
　　軌跡跟蹤問題作為機器人控制學(xué)中的一個重要方面,在控制系統(tǒng)運行過程中,存在系統(tǒng)誤差、信號檢測誤差、高頻特性及關(guān)節(jié)摩擦等不確定因素。常規(guī)的傳統(tǒng)的基于對象的控制方法很難精確的控制運

3、動軌跡。同時無法獲得令人滿意的控制性能。本文利用RBF神經(jīng)網(wǎng)絡(luò)函數(shù)與模糊系統(tǒng)的相似性,將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合,采用RBF模糊神經(jīng)網(wǎng)絡(luò)對機械臂進行控制。通過模糊控制對RBF神經(jīng)網(wǎng)絡(luò)各參數(shù)及結(jié)構(gòu)進行調(diào)整,同時采用最近鄰聚類算法對模糊規(guī)則庫的進行更新,優(yōu)化神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元的數(shù)目。從而達到自適應(yīng)調(diào)整控制器參數(shù)和結(jié)構(gòu)的目的,并加快網(wǎng)絡(luò)訓(xùn)練速度。仿真結(jié)果表明,該算法與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法相比具有較好的性能,學(xué)習(xí)速度快,跟蹤精度高,并具有良好的控