基于運動學模型的機械臂迭代學習控制.pdf

1、在輕工業(yè)、手工業(yè)等行業(yè)的生產(chǎn)過程中，存在著大量高強度的重復性工作，這類工作適合使用機械臂系統(tǒng)代替人類完成。在汽車、電子等行業(yè)中，機械臂已經(jīng)被大量投入使用，相關的機械臂系統(tǒng)控制技術也已比較成熟;但是，現(xiàn)有的成熟機械臂系統(tǒng)大多使用國外知名廠商生產(chǎn)的精密機械臂，系統(tǒng)的購買和維護成本很高，我國中小型企業(yè)難以負擔設備引入的高額成本。因此，選取合適的低成本機械臂系統(tǒng)、提出適合于實際工況的機械臂控制方案，對于提升中小型輕、手工業(yè)企業(yè)的自動化程度有很大

2、的實際意義。
　　本文選取一類配備運動學控制器的機械臂系統(tǒng)作為研究對象，設計了三種不同形式的迭代學習控制器用以解決不同情況下的控制問題，為這一類機械臂系統(tǒng)的控制器選取問題提供了一套比較完整的解決方案。本文的主要研究內(nèi)容如下:
　　(1)針對機械臂對象模型未知的情況，選取了一種無模型的PD型閉環(huán)迭代學習控制算法。首先，由于迭代學習算法本身非常適合解決非線性系統(tǒng)軌跡跟蹤問題，因此選取迭代學習控制作為機械臂系統(tǒng)的基本控制方案;之后

3、，本文對比了閉環(huán)迭代學習算法與開環(huán)算法的特點，選取了對于環(huán)境干擾抑制效果較好的閉環(huán)形式迭代學習算法;最后，考慮到PID形式的控制器結構簡單、魯棒性強的特點以及迭代學習過程本身在迭代軸上的積分效應，選取了PD型閉環(huán)迭代學習律作為機械臂系統(tǒng)的控制算法。仿真實驗證明了該算法對于解決機械臂軌跡跟蹤問題的有效性。
　　(2)針對機械臂對象參考模型已知的情況，提出了一種基于固定運動學模型的迭代學習控制算法。通過使用機械臂對象的參考模型作為先驗

4、知識，利用運動學逆解得到的參考關節(jié)角指導迭代學習過程，該算法能夠有效加快系統(tǒng)跟蹤誤差的收斂速度。仿真結果顯示，通過使用基于固定運動學模型的控制算法，系統(tǒng)誤差收斂速度明顯提升。
　　(3)針對機械臂參考模型與實際對象偏差較大的情況，提出了一種基于自適應模型的迭代學習控制算法。該算法使用卡爾曼濾波方法對機械臂運動學模型參數(shù)進行在線估計，每次迭代后更新對象的參考模型用于下一步迭代學習控制。仿真實驗結果表明，通過使用基于自適應模型的算法，