雙關(guān)節(jié)機械手的神經(jīng)網(wǎng)絡魯棒控制仿真研究.pdf

1、近年來，隨著科學技術(shù)的發(fā)展，工業(yè)機械手控制取得了顯著的進步。多關(guān)節(jié)機械手不僅在工業(yè)領域獲得了廣泛的應用，而且越來越多滲透到其它領域。而機械手最重要、最核心的部分則是其控制系統(tǒng)，它直接影響著機械手的整體性能與先進程度。從控制理論的角度來看，操作機械手系統(tǒng)具有嚴重的非線性和不確定性，加之機械臂各個關(guān)節(jié)存在相互耦合性，這種耦合關(guān)系使得機械手呈現(xiàn)出嚴重的非線性特性，因而很難獲得精確的數(shù)學模型，加之外界的擾動以及模型自身所帶來的不確定性的影響，從

2、而使得多關(guān)節(jié)機械力臂運動控制的有效性大大降低。
　　本文首先介紹了雙關(guān)節(jié)機械手的魯棒控制和自適應模糊反演控制，并分別對這兩種控制設計控制器以及進行仿真研究，通過實驗結(jié)果可以看到魯棒控制雖然能夠保證系統(tǒng)的穩(wěn)定性，但對雙關(guān)節(jié)機械臂的軌跡跟蹤很難獲得良好的暫態(tài)性能。同樣，自適應模糊反演控制雖然在一定程度上能夠改善雙關(guān)節(jié)機械臂對位置跟蹤的動態(tài)特性，但對于機械臂的速度和加速度軌跡跟蹤的控制效果很差。
　　鑒于魯棒控制和自適應模糊反演控

3、制不能獲得雙關(guān)節(jié)機械手軌跡跟的良好的暫態(tài)性能，本文采用神經(jīng)網(wǎng)絡魯棒控制，通過給定期望軌跡，由神經(jīng)網(wǎng)絡的學習能力在線辨識和實時逼近整個控制系統(tǒng)的不確定性，然后根據(jù)李雅普諾夫穩(wěn)定性定理來設計網(wǎng)絡的學習算法和魯棒控制器，最后由魯棒控制器來消除網(wǎng)絡的逼近誤差，這就解決了魯棒控的局限性。由于魯棒控制很難對系統(tǒng)的不確定性進行預期假設以及獲取不確定性的上界值，當系統(tǒng)的不確定性超出預期假設時，魯棒控制系統(tǒng)將會發(fā)散，甚至崩潰。因此，采用神經(jīng)網(wǎng)絡的魯棒控制