時間:2013-01-11 13:02:28來源:仲萌維
引言
焊接機械手的軌跡跟蹤是焊接機器人控制的難點。機械手是一個典型的非線性動力系統(tǒng),具有大慣性和大延遲。目前對機械手的控制,主要采用傳統(tǒng)PID控制。由于系統(tǒng)復雜性較高,設(shè)計人員為建立系統(tǒng)模型做出各種假設(shè)和簡化,因此數(shù)學模型的控制精度會受到很大的影響。本文將神經(jīng)網(wǎng)絡(luò)辨識與迭代控制相結(jié)合,提出基于神經(jīng)網(wǎng)絡(luò)辨識的迭代學習控制策略。該策略能夠提高系統(tǒng)控制精度,并使系統(tǒng)在較為廣泛的運行條件范圍內(nèi)實現(xiàn)控制系統(tǒng)的控制功能和期望性能,改善系統(tǒng)控制性能。
1 神經(jīng)網(wǎng)絡(luò)模型辨識
神經(jīng)網(wǎng)絡(luò)具備的泛化能力和快速學習能力為非線性系統(tǒng)辨識提供了有效的途徑,神經(jīng)網(wǎng)絡(luò)在機器人系統(tǒng)的研究上,充分發(fā)揮了神經(jīng)網(wǎng)絡(luò)的映射能力,神經(jīng)網(wǎng)絡(luò)可解決機器人控制系統(tǒng)中存在的死區(qū)、摩擦等非線性問題。神經(jīng)網(wǎng)絡(luò)模型辨識在機器人控制中的應(yīng)用,如圖1所示。
圖1 基于神經(jīng)網(wǎng)絡(luò)控制的剛性機械手結(jié)構(gòu)圖
神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識的特點是不需要建立系統(tǒng)辨識模型,對系統(tǒng)辨識的過程就是通過學習系統(tǒng)輸入、輸出數(shù)據(jù)的過程。學習的目的是使誤差函數(shù)值達到最小,反映出輸入、輸出數(shù)據(jù)間的映射關(guān)系。若神經(jīng)網(wǎng)絡(luò)的輸出能夠逼近系統(tǒng)在相同輸入信號激勵下的輸出,則可認為神經(jīng)網(wǎng)絡(luò)實現(xiàn)了對原系統(tǒng)的辨識,以神經(jīng)元網(wǎng)絡(luò)的輸出作為實際系統(tǒng)的輸出估計。
2 迭代學習控制器的設(shè)計
2.1 迭代學習控制
迭代學習控制適合于重復運動性質(zhì)的被控對象,無需辨識系統(tǒng)的參數(shù),通過迭代修正改善系統(tǒng)控制目標,迭代控制方法不依賴于系統(tǒng)精確的數(shù)學模型,可在給定的時間區(qū)段上,以極為簡單的算法解決復雜的控制問題[5]。
對于n階線性時變的離散系統(tǒng),迭代控制模型可描述為:
圖2 迭代學習控制器
2.2 機器人迭代學習控制器設(shè)計
系統(tǒng)控制框圖,如圖3所示。
圖3 系統(tǒng)控制框圖
3 焊接機器人控制仿真
采用柔性連接的機械手作為仿真對象,如圖4所示。
圖4 機械手示意圖
利用拉格朗日方法可以導出如下動力學方程:
圖5 神經(jīng)網(wǎng)絡(luò)逆向辨識結(jié)結(jié)構(gòu)圖
給定正弦激勵信號,運用Matlab程序代碼文件對該控制系統(tǒng)仿真。迭代學習控制曲線和傳統(tǒng)PID控制響應(yīng)曲線如圖6所示。
圖6 基于神經(jīng)網(wǎng)絡(luò)模型識別的迭代學習控制響應(yīng)曲線與常規(guī)PID控制響應(yīng)曲線
4 結(jié)論
從仿真結(jié)果可以看出,本文提出的基于神經(jīng)網(wǎng)絡(luò)辨識模型迭代控制方案控制效果明顯優(yōu)于傳統(tǒng)的PID控制,該控制策略跟蹤精度高,超調(diào)量小,能夠有效地提高系統(tǒng)的控制精度。同時,優(yōu)化該控制策略可應(yīng)用于其他機器人跟蹤控制系統(tǒng),使系統(tǒng)投入到更廣闊的機器人控制領(lǐng)域。
標簽:
中國傳動網(wǎng)版權(quán)與免責聲明:凡本網(wǎng)注明[來源:中國傳動網(wǎng)]的所有文字、圖片、音視和視頻文件,版權(quán)均為中國傳動網(wǎng)(www.treenowplaneincome.com)獨家所有。如需轉(zhuǎn)載請與0755-82949061聯(lián)系。任何媒體、網(wǎng)站或個人轉(zhuǎn)載使用時須注明來源“中國傳動網(wǎng)”,違反者本網(wǎng)將追究其法律責任。
本網(wǎng)轉(zhuǎn)載并注明其他來源的稿件,均來自互聯(lián)網(wǎng)或業(yè)內(nèi)投稿人士,版權(quán)屬于原版權(quán)人。轉(zhuǎn)載請保留稿件來源及作者,禁止擅自篡改,違者自負版權(quán)法律責任。
產(chǎn)品新聞
更多>2024-09-13
2024-09-09
2024-09-06
英偉達Blackwell可支持10萬億參數(shù)模型AI...
2024-09-05
2024-08-23
2024-08-22
推薦專題
更多>