一、使用模糊转换器的并联机器人神经元控制(论文文献综述)
王永强[1](2020)在《基于深度学习方法的平面3-RRR并联机器人动力学建模》文中进行了进一步梳理随着现代科技的快速发展,智能化正逐渐成为研究的热点,其中应用深度学习中的神经网络来解决传统的问题已经成为人工智能的重要研究领域。传统的平面3-RRR并联机器人动力学建模需要用到大量的公式,计算过程十分繁琐并且不便于应用。而采用深度学习中的RBF和BP神经网络来替代传统的方法,建立并联机器人动力学模型,可以很好的解决上述问题。其主要研究内容如下:(1)平面3-RRR并联机器人机械系统的设计。根据应用场景和制造与装配工艺的要求确定各个杆件的三维结构与尺寸,采用“沉头销+销套+轴向定位”的创新设计解决了连杆铰链连接的轻便性和干涉性问题。(2)平面3-RRR并联机器人控制系统的设计。控制部分的设计包括软件和硬件两个部分:软件部分包括伺服电机驱动软件的设计、在C++环境下的扭矩转速传感器配套软件设计;而硬件部分包括伺服驱动电机及其驱动器的选型、扭矩转速传感器的选型,以及整个实验平台机电系统的集成。(3)平面3-RRR并联机器人运动学和动力学的建模。其中运动学建模采用的是矢量环路法,把每个杆件都看成矢量来建立方程组,而动力学的建模采用的是逆动力学,使用拉格朗日方程建立方程组求解。(4)基于机器学习方法的平面3-RRR并联机器人逆动力学建模。先设计BP和RBF神经网络架构,再以平面3-RRR并联机器人逆动力学模型的数值求解数据和来源于样机动力学测试的数据,训练BP和RBF神经网络。通过两种不同来源的数据对该网络训练结果的对比表明:基于BP和RBF神经网络的逆动力学模型误差可达到工程应用要求,可以替代复杂的理论模型。
郑坤明[2](2020)在《轻型并联机器人柔体动力学建模分析及智能控制方法研究》文中提出轻型并联机器人广泛应用于电路板加工、生产线精确分拣、食品行业的转运包装等领域,但是轻型并联机器人机械结构与动力学特性复杂,在高速复杂工况下,柔性连杆、柔性关节与关节间隙等影响因素将会降低其末端执行器的位置精度、工作效率与运行稳定性,现有机器人控制方法的表现大都不尽如人意,存在误差大、算法结构复杂、鲁棒性与可移植性差等问题。针对这些问题,本文深刻分析轻型并联机器人的动力学建模过程及特性,并对其智能控制方法进行系统研究,辨识出要实现期望的运动状态这一过程中有哪些变量、变量间的关系以及哪些变量是可控能控的,指导智能控制策略的制定,实现对轻型并联机器人末端执行器的精确、高效与稳定控制。本文以Delta机器人为验证对象,进行如下具体的研究工作:(1)基于Hamilton运动方程与Lagrange原理,为轻型并联机器人提出一种并行递归动力学建模方法。利用虚拟关节速度、约束力冲量与正则动量导数,建立柔性连杆的动力学模型。基于柔性关节的广义力与能量,推导得到柔性关节的动力学模型。通过分析柔性杆组的运动学约束与动力学约束,导出轻型并联机器人的综合动力学模型。(2)利用主变换定义动力学耦合效应指数,以该指数为目标函数,进行轨迹规划,可在保持机械结构不变的前提下用来减小末端执行器的过程振动误差和残余振动误差,并分析了动力学耦合效应指数与末端执行器综合位置误差间的关系。(3)借鉴工作空间密度的概念,基于综合动力灵巧度,进一步研究轻型并联机器人工作空间网格化方法,该方法可根据位置精度与算法效率要求,通过调整网格的大小抑制轨迹误差,灵活地平衡位置精度与算法效率之间的关系。(4)利用Poincaré映射和Lyapunov指数对末端执行器位置误差的混沌现象进行辨识,并基于信息传递与熵的概念,推导混沌信息传递模型和混沌熵,设计混沌抑制系统。(5)基于轻型并联机器人动力学特性,研究模糊系统-模糊神经网络-反演控制(fuzzy system-fuzzy neural network-backstepping control,FS-FNN-BSC)算法,利用动力学耦合效应指数进行轨迹规划,并对工作空间进行网格化处理,产生FS-FNN-BSC的输入信号,并与混沌抑制系统相结合,构建轻型并联机器人智能控制方案,并进行详尽的实验论证。
徐孟瀚[3](2020)在《6-PSS并联机器人轨迹跟踪控制》文中认为并联机器人机构简单、承载能力强,在结构上具有独特优势,是近年来的研究热点,广泛应用在工业生产、运动模拟和振动平台等领域。并联机器人对工作空间要求不大,但是对控制系统的精度和稳定性有较高的要求。在实际应用中,并联机器人受到自身耦合关系和外界环境因素干扰,传统控制策略存在参数不易调节的问题,难以满足非线性系统控制需求。因此,本文以6-PSS并联机器人为研究对象,寻求一种简单可靠、鲁棒性强的神经网络控制策略。首先对6-PSS并联机器人的结构进行了阐述,绘制了并联机器人三维立体模型,建立动坐标系和定坐标系,根据支链定长杆的几何关系,利用坐标变换原理建立了运动学模型,通过运动学逆解得到了雅可比矩阵。为了保证并联机器人连续平滑完成运动任务,采用梯形轨迹规划使各支链驱动单元在启动阶段加速运动,停止阶段减速运动,得到了六个支链的移动副位移轨迹,为轨迹跟踪控制奠定基础。其次,考虑到6-PSS并联机器人的耦合关系和外界干扰对控制系统的影响,传统PID控制参数固定不变,无法满足对控制的动态需求。采用分散控制策略,对并联机器人各支链精确稳定控制以达到对并联机器人的高精度控制效果。采用RBF神经网络与PID控制策略相结合设计机器人支链控制器,控制器输入为各支链的移动副期望运动轨迹,RBF神经网络根据支链期望轨迹和实际轨迹的误差值对PID参数动态调节,实现对六个支链的自适应控制,跟踪时间从0.5s优化到实时跟踪,提高了系统的动态特性。最后,考虑到梯度下降法对RBF神经网络训练的过程中,无法保证训练后神经网络参数为全局最优解,引入两种智能算法对RBF神经网络进行优化。将RBF神经网络初始参数值作为粒子群算法的粒子初始位置,将并联机器人支链的系统误差作为适应度函数,在不断迭代过程中更新粒子位置,得到全局最优位置解。采用多种群遗传算法,多个子种群同时对RBF神经网络的初始值进行训练,选取支链的系统误差作为适应度函数,增加了移民算子,通过人工选择的方式加速寻优过程,得到全局最优解。粒子群算法和多种群遗传算法都将各支链控制器的系统误差作为适应度函数来调整优化搜索方式,具有较强的鲁棒性,将寻优过程中得到的全局最优解传递回RBF神经网络PID控制器,在受到干扰后0.05s即可恢复控制,抗干扰性更强,保证了控制器对支链的控制精度,进而提高6-PSS并联机器人的轨迹跟踪控制效果。
牛雪梅[4](2014)在《新型3-DOF驱动冗余并联机构动力学建模及其滑模控制研究》文中研究指明农业机器人技术水平是一个国家农业现代化水平的重要标志,随着农业机器人研究与应用领域的不断扩展,现代化农业作业要求不断提高,控制任务复杂度不断增加,对农业机器人及其控制提出了更高的性能要求。与构成一般机器人常用的串联机构相比,理论上,并联机构具有承载能力强、定位精度高、末端构件运动惯量小、无累积误差且响应速度快等诸多优点,基于并联机构的农业机器人,可望在需要高速、高精度的农业工程应用场合进一步提高现有农业机器人的操作性能。本文着重对并联机构进行研究,以为进一步实现并联机器人在农业工程中的实际应用奠定基础。从控制角度,并联机构是一个多变量、多参数耦合的复杂空间多链机构,受机构参数、未建模动力学、负载扰动、机构关节和伺服摩擦及外界干扰等不确定因素的影响,传统的控制策略难以获得预期的控制效果,基于动力学模型的控制能够满足并联机构的高性能控制要求,但与串联机构相比,并联机构的动力学模型通常较为复杂,因此,有必要研究并联机构的动力学建模及其控制问题。基于并联机构的农业机器人在农业工程中的应用研究刚刚起步,由于并联机构的多样性,目前尚未形成公认有效的控制方法。考虑滑模控制不需要精确建立被控对象数学模型,对系统外部干扰和参数变化不敏感,且易于实现的特性,本文针对一种新型3-DOF驱动冗余并联机构,研究探索多种滑模控制方法,以寻求一种综合性能较优的控制方案,从而为该机构在农业工程中的实际应用奠定基础。本文主要研究内容如下:(1)针对新型驱动冗余并联机构,为进行动力学建模及控制方法研究,首先对该机构的机构特性和工作原理进行分析,并确定机构自由度;然后根据机构3个位姿参数之间的约束关系,建立机构的运动学模型,并推导机构的速度雅可比矩阵;最后对驱动冗余并联的工作空间和奇异性进行分析。(2)对于并联机构,基于运动学模型的控制策略未考虑机构的非线性动力学特性和各关节间的强耦合关系,往往控制精度不高,在高速运行情况下甚至难以保证机构控制的稳定性,为此,本文研究采用基于动力学模型的控制方法实现对并联机构的控制。由于并联机构的闭链结构以及各支链间的耦合作用,其精确动力学模型往往难以建立且较为复杂,而对于基于动力学模型的并联机构控制方法,其控制效果直接取决于动力学模型的准确性,因此对于基于动力学模型的控制方法,需要构建尽可能准确的动力学模型。本文首先采用Lagrange方法建立并联机构基于工作空间的动力学模型,并借助最小2范数法研究进行机构工作空间的非约束等效广义力到轴向驱动力的优化。为解决所建立动力学模型用于并联机构控制存在计算量大、实时性差等问题,本文通过对机构各主要构件的驱动力进行仿真分析,提出一种动力学模型的简化方法和基于RBF神经网络进行误差补偿的动力学模型补偿方案,最后通过构建PD仿真控制系统验证所建立具有误差补偿的简化动力学模型的准确性及简化补偿方法的有效性。(3)考虑到所建立动力学模型耦合项计算负荷较重,对基于动力学模型控制的控制系统快速性和实时性影响较大,此外,考虑到机构冗余支链和非冗余支链的运动及控制具有一定的独立性,本文首先尝试设计了一种冗余支链采用动力学控制、非冗余支链采用运动学控制的控制方案,以提高所研究并联机构的快速性和实时性。对于非冗余支链,设计了一种反演滑模控制器,并通过自适应预估进一步降低较大的系统参数不确定性和外部干扰对滑模控制系统性能的不利影响。对于冗余支链,考虑到采用位置控制,当并联机构高速运动时,会与非冗余支链间产生较大的内力,致使杆件干涉变形甚至损坏,因此本文对冗余支链研究采用动力学控制方式。(4)基于上述冗余支链采用动力学控制、非冗余支链采用运动学控制的控制方法,由于未考虑非冗余支链各支路间的耦合作用,尽管一定程度上提高了并联机构的快速性和实时性,但降低了系统控制精度,为进一步提高并联机构的运动控制精度,本文基于所建立简化动力学模型和滑模控制方法,研究设计一种基于同步耦合误差的动力学滑模控制器,通过提高各支链间的同步协调性以进一步提高并联机构的运动精度,其稳定性通过李亚普诺夫方法进行证明。(5)上述基于同步耦合误差的动力学滑模控制方法,可进一步提高并联机构的运动控制精度,但其快速性和实时性有所降低。为寻求一种综合性能较优的控制方案,本文提出一种解耦非奇异终端滑模控制方法,即:针对所建立并联机构动力学模型,提取出各支路间的耦合作用力和重力项,将整体系统解耦为三个基于笛卡尔空间的完全独立的线性子系统,并分别进行各子系统的控制器设计,以提高并联机构控制系统的快速性和实时性,同时,为保证其控制精度,通过引入RBF神经网络对交叉耦合力和重力项进行在线补偿。为进一步提高系统的综合性能,考虑到上述冗余支链采用动力学控制、非冗余支链采用运动学控制的控制方法和同步耦合动力学滑模控制器,其系统状态无法在有限时间内收敛至零,本文针对各个子系统,研究设计一种非奇异终端滑模控制算法,以提高控制系统的收敛速度。对比所提出冗余支链采用动力学控制、非冗余支链采用运动学控制的控制方法、同步耦合滑模控制方法、解耦非奇异终端滑模控制方法的仿真结果表明,解耦非奇异终端滑模控制器具有较优的综合性能。(6)基于3-DOF驱动冗余并联机构实验平台,以Visual C++软件开发工具对本文所提出的冗余支链采用动力学控制、非冗余支链采用运动学控制的控制方法、基于同步耦合误差的动力学滑模控制器和解耦非奇异终端滑模控制器分别进行实验研究。实验结果验证表明:与冗余支链采用动力学控制、非冗余支链采用运动学控制的控制方法和基于同步耦合误差的动力学滑模控制器相比,所提出解耦非奇异终端滑模控制器具有较优的综合性能。本文的研究工作为农业并联机器人的控制理论研究及并联机构在农业工程中的实际应用奠定了基础。
李胜中[5](2014)在《机器人模具抛光柔顺执行机构控制系统研究》文中进行了进一步梳理随着制造业的迅速发展,对模具的加工质量及效率的要求也就越来越高。模具抛光技术是模具加工工艺中的一个环节,在模具加工中起着至关重要的作用,抛光加工质量直接影响被加工对象表面质量精度。模具抛光技术的提升对模具产业的发展起着至关重要的作用。为推动模具抛光技术的发展,本文设计了一种基于PC上位机的3-RPS并联机构机器人控制系统,作为模具抛光执行机构姿态控制的核心,改善模具抛光的加工质量。3-RPS并联机器人姿态调整的控制精度,直接影响模具加工工艺中被加工工件的表面质量精度。主要工作如下:1.对3-RPS并联机器人的运动学、动力学问题做了详细分析,对姿态控制模型进行求解;2.分析气动定位控制系统的工作原理,在现有的硬件条件下搭建气动定位控制系统硬件平台,然后完成3-RPS姿态控制系统的硬件平台的组建,得到3-RPS并联机器人。3.从理论分析的角度对单个气缸的定位控制系统进行研究,建立气动定位控制系统的控制模型,得到控制系统传递函数。选择并运用自整定Fuzz-PID控制算法对气动定位控制系统进行Matlab(simulink)仿真,对PID的三个参数进行优化验证。4.以Visual C++为开发平台,开发了基于Fuzzy-PID的气动定位控制系统。简要分析计算机串口通信,完成了数据采集、控制输出模块与计算机进行串行通信的功能。实现了对单个气缸的精确定位控制,最后完成了3-RPS并联机器人姿态控制。3-RPS并联机器人控制系统能够根据被加工自由曲面表面的变化,调整并联机构动作姿态。本文研究的重点是3-RPS并联机器人姿态控制系统,完成并联机器人动作姿态调整的精确控制,提高模具抛光执行机构的控制精度,达到了预期控制效果。
庄景灿[6](2009)在《二自由度并联机器人的模糊免疫PID控制研究》文中研究说明并联机器人是一类全新的机器人,具有刚度大、承载能力强、位置误差不积累、精度高、自重负荷比小、动力性能好等一系列优点,目前,并联机器人在数控加工、工业切削、运动仿真、传感器、精细操作等领域得到广泛应用。本文以二自由度冗余并联机器人为研究对象,分析了并联机器人控制系统的硬件系统构建,并对其进行了运动学及动力学分析。由于并联机器人动力学方程是高度非线性、相互耦合的,对于这样复杂的非线性系统的控制,传统的控制方法很难奏效。本文首先运用传统PID控制策略进行控制仿真,在分析结果后,针对传统PID控制策略存在的问题,结合模糊控制原理和免疫PID控制方法,提出了模糊免疫PID控制算法,仿真结果表明,所提出的控制策略可以实时地满足并联机器人高精度,高速度控制的要求。本文最后在Viusal C++的编译环境中,设计了完善的用户界面程序,完成了并联机器人控制程序的编写,并使用并联机器人控制程序在并联机器人机构和并联机器人上进行了实验。最后的实验结果表明模糊免疫PID控制算法具有跟踪速度快、控制精度高、动态性能好等特点,可以运用于并联机器人控制。
李艳,王勇,陈正洪,赵荣齐[7](2008)在《并联机器人智能控制研究现状》文中研究指明近年来并联机器人已成为机器人领域研究的热点之一,由于其具有不确定性、高度非线性、控制复杂等特点,理论研究还处在发展阶段,控制精度和实时性都有待提高。而智能控制是一个新兴的学科,是控制领域发展的高级阶段。将智能控制引入并联机器人有助于提高并联机器人的控制性能。总结了智能控制中的模糊控制、神经网络控制以及集成智能控制在并联机器人领域的应用现状,并指出了未来发展方向。
李坤全[8](2008)在《6-RSS并联机构在六维主动减振平台中的应用研究》文中研究指明基于并联机构的多维减振平台系统是多维减振领域里的新理念,新突破,在减振领域有着重要的应用前景和开发价值。鉴于并联机构具有结构简单,机型紧凑,精确度高,易于控制等特点,本文提出采用6-RSS并联机构作为六维减振平台的主体机构,来实现低频大幅多维的主动减振,对与系统相关的各项关键技术进行了研究。具体内容如下:利用牛顿-欧拉法建立六维减振平台主体机构6-RSS并联机构的动力学模型,由于充分考虑了动平台惯性,支腿惯性等因素,保证了模型的精确程度,通过数值仿真验证了以6-RSS并联机构为减振平台主体减振机构的动力学模型的正确性和精确性。由于六维减振平台是复杂的机电系统,机构参数和控制参数之间存在着耦合现象,为提高减振平台系统的性能指标,从控制与机构同步优化的观点出发,对以6-RSS并联机器人为主体机构的减振平台的参数进行优化设计,通过计算仿真说明六维减振平台的控制和主体机构同步优化的有效性。考虑到时滞对控制精度的影响,建立了减振平台主体机构静平台中心点的测量运动学模型,此模型充分考虑到测量仪器的误差和未知扰动等因素对系统的影响。之后采用卡尔曼滤波算法,对静平台中心点的位姿进行重新估计,并同时求得该点的速度和加速度。并通过数据仿真,从不同方面说明了该模型的有效性和合理性。最后对静平台中心点的位姿提前一步预测。在六维减振平台主体机构的关节空间构造了强鲁棒性的自抗扰控制器,利用遗传算法对参数进行整定,给出了其稳定性的必要条件,并对该控制器良好的磨擦扰动补偿能力进行了仿真证明。在此基础上,提出了复合控制的策略实现以6-RSS并联机器人为六维减振平台主体机构的主动减振控制,数值仿真结果说明该方法可以有效的抑制振动对减振平台定位精度的影响。
杨志宇[9](2008)在《Steward平台的PIDNN控制》文中指出并联机器人具有结构简单、刚度好、定位精度高、动态响应快等优良特性,特别是用于高精度、大载荷且工作空间小的场合,在装配生产线、高精度机床、飞机模拟器、卫星天线换向装置等很多方面都有着巨大的应用价值。在对并联机器人的运动控制研究的初始阶段,一般都是将已经很成熟的控制理论和方法移植到并联机器人上,但由于Steward平台的模型的不确定性,高度非线性和耦合性等特点,传统的控制方法很难得到理想的控制效果。因此,并联机器人的控制策略研究一直是并联机器人研究中的一大难点和热点。本文通过研究并联机器人和智能控制理论的发展和现状,分析了不同的控制策略在并联机器人上的应用。并以液压驱动六自由度并联机器人为研究对象,建立了电液控制系统的数学模型;基于Steward平台的轨迹规划的方法,文中给出了几种简单的轨迹规划的曲线。接着介绍常规PID和神经网络控制算法的思路和方法,并对Steward平台的轨跟踪控制做出仿真,总结常规PID控制和神经网络的控制规律。然后介绍Steward平台的轨迹规划实验的软硬件组成,并对实验中用到了参数进行了测定,为最后的实验做出了铺垫。最后采用神经网络和PID融合(PIDNN)利用PIDNN的学习自调整可以改善普通神经网络收敛速度的快慢和传统PID控制精度的好坏,再结合已经做出的轨迹规划,对Steward平台的轨迹精确的控制。
董超君[10](2008)在《2-DOF并联机器人的智能模糊滑模控制研究》文中研究说明并联机器人是一种全新的机器人,与串联机器人能够在结构上和性能上形成互补关系,可完成串联机器人难以完成的任务,扩大了机器人的应用范围,从而成为广大学者关注的焦点。而少自由度并联机构由于驱动元件少、造价低、结构简单紧凑、实用价值高,而具有更好的发展应用前景,基于此,本文对2-DOF并联机器人进行了研究。首先,本文对并联机器人的机构学与运动学进行了研究,主要包括机构位置正反解、奇异位形分析、工作空间确定和轨迹规划,为以后控制器的设计与实现等问题提供了必要的理论支持。然后,以“PC机+多轴运动控制卡”构建了并联机构交流伺服控制系统,该系统主要由三个并联设置的控制通道组成,每个控制通道由伺服控制器、放大器以及交流伺服电机组成,它是一种基于多个自主控制器的分布式协同控制系统。接着,在对并联机构进行动力学分析和建模的基础上,研究了多种控制算法,最终提出并设计了智能模糊滑模控制器。这种控制器结合了模糊控制和滑模控制各自的优点,即用动态滑模控制器来保证系统对内部参数变化和外部干扰的鲁棒性,用模糊控制器的连续输出取代切换项的不连续输出。计算机仿真表明该方法具有理想的控制精度,跟踪性能好,鲁棒性强,能有效地消除抖振现象,可实现并联机构的高精度实时控制。最后,本文利用VC++设计控制软件,使并联机构能在其工作空间内完成给定的轨迹运动,而且具有一定的控制精度。
二、使用模糊转换器的并联机器人神经元控制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、使用模糊转换器的并联机器人神经元控制(论文提纲范文)
(1)基于深度学习方法的平面3-RRR并联机器人动力学建模(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 引言 |
1.2 深度学习的研究意义 |
1.3 深度学习研究现状 |
1.3.1 国外深度学习研究现状 |
1.3.2 国内深度学习研究现状 |
1.4 并联机器人研究现状 |
1.4.1 国外并联机器人研究现状 |
1.4.2 国内并联机器人研究现状 |
1.5 并联机器人的特点与应用 |
1.6 总结 |
第2章 平面3-RRR并联机器人结构设计 |
2.1 引言 |
2.2 主要零部件的结构设计 |
2.2.1 传动部分的设计 |
2.2.2 驱动装置部分 |
2.3 总装 |
2.4 机器人各部分材料的选取 |
2.5 机器人驱动系统方案的设计 |
2.6 总结 |
第3章 平面3-RRR并联机器人控制系统设计 |
3.1 引言 |
3.2 控制系统硬件部分设计 |
3.2.1 控制系统的整体架构 |
3.2.2 电机的选择 |
3.2.3 驱动器的介绍 |
3.2.4 扭矩转速传感器的选择 |
3.2.5 控制柜的选择 |
3.3 控制系统的软件设计 |
3.3.1 控制系统软件的总体结构 |
3.3.2 基于C++的软件设计 |
3.4 控制系统的实验 |
3.5 小结 |
第4章 平面3-RRR并联机器人逆动力学建模 |
4.1 引言 |
4.2 平面3-RRR并联机器人的运动学分析 |
4.3 平面3-RRR并联机器人的逆动力学分析 |
4.4 动力学方程求解的程序实现 |
4.5 总结 |
第5章 基于神经网络方法的平面3-RRR并联机器人动力学建模 |
5.1 人工神经网络的基本概念 |
5.1.1 人工神经网络的发展历史 |
5.1.2 人工神经网络模型 |
5.2 使用BP神经网络替代动力学建模 |
5.2.1 BP神经网络 |
5.2.2 设计BP神经网络 |
5.2.3 神经网络的MATLAB设计 |
5.3 基于BP神经网络的动力学建模 |
5.4 使用RBF神经网络替代动力学建模 |
5.4.1 RBF神经网络 |
5.4.2 神经网络的MATLAB设计 |
5.5 基于RBF神经网络的动力学建模 |
5.6 样机验证 |
5.7 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读学位期间发表的学术论文与成果目录 |
致谢 |
(2)轻型并联机器人柔体动力学建模分析及智能控制方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题来源 |
1.2 研究背景与意义 |
1.3 国内外研究概述 |
1.4 本文的结构及研究内容 |
2 轻型并联机器人综合动力学建模方法 |
2.1 引言 |
2.2 并行递归动力学建模方法思路 |
2.3 柔性杆组动力学建模 |
2.4 轻型并联机器人综合动力学模型 |
2.5 实验论证 |
2.6 本章小结 |
3 轻型并联机器人动力学耦合效应与轨迹规划 |
3.1 引言 |
3.2 轻型并联机器人动力学耦合效应指数 |
3.3 基于动力学耦合效应的轨迹规划 |
3.4 实验论证 |
3.5 本章小结 |
4 轻型并联机器人工作空间网格化 |
4.1 引言 |
4.2 轻型并联机器人综合动力灵巧度 |
4.3 轻型并联机器人工作空间网格化处理 |
4.4 实验论证 |
4.5 本章小结 |
5 轻型并联机器人末端执行器位置误差混沌现象及其抑制 |
5.1 引言 |
5.2 轻型并联机器人末端执行器位置误差混沌现象分析 |
5.3 轻型并联机器人位姿信息传输过程 |
5.4 轻型并联机器人末端执行器位置误差混沌熵 |
5.5 基于混沌熵的轻型并联机器人末端执行器位置误差混沌抑制系统 |
5.6 实验论证 |
5.7 本章小结 |
6 基于模糊系统-模糊神经网络-反演算法的轻型并联机器人智能控制 |
6.1 引言 |
6.2 轻型并联机器人综合动力学模型特性 |
6.3 模糊系统-模糊神经网络-反演控制算法 |
6.4 轻型并联机器人智能控制方案 |
6.5 实验论证 |
6.6 应用案例 |
6.7 本章小结 |
7 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
致谢 |
参考文献 |
附录 I 单元质量矩阵与单元刚度矩阵 |
附录 II 攻读博士学位期间的论文与专利 |
(3)6-PSS并联机器人轨迹跟踪控制(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 并联机器人的国内外研究现状 |
1.3 智能算法研究现状 |
1.4 论文的结构安排 |
第二章 6-PSS并联机器人运动学分析 |
2.1 6-PSS并联机器人结构 |
2.2 6-PSS并联机器人运动学分析 |
2.3 6-PSS并联机器人轨迹规划 |
2.4 本章小结 |
第三章 6-PSS并联机器人RBF神经网络PID控制 |
3.1 RBF神经网络原理 |
3.2 6-PSS并联机器人RBF神经网络PID控制系统 |
3.2.1 RBF神经网络PID控制器设计 |
3.2.2 RBF神经网络PID控制算法 |
3.3 交流伺服电机模型 |
3.4 6-PSS并联机器人控制系统仿真 |
3.5 本章小结 |
第四章 智能算法优化RBFNN-PID控制 |
4.1 粒子群算法 |
4.1.1 粒子群算法原理 |
4.1.2 PSO-RBFNN优化算法 |
4.2 多种群遗传算法 |
4.2.1 多种群遗传算法原理 |
4.2.2 多种群遗传算法结构 |
4.2.3 MPGA-RBFNN优化算法 |
4.3 实验仿真结果 |
4.4 本章小结 |
第五章 总结与展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文 |
(4)新型3-DOF驱动冗余并联机构动力学建模及其滑模控制研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 农业机器人研究概况 |
1.3 并联机构发展概述 |
1.3.1 并联机构的发展 |
1.3.2 并联机构的应用 |
1.4 并联机构研究现状 |
1.4.1 运动学研究 |
1.4.2 动力学研究 |
1.4.3 控制方法研究 |
1.5 驱动冗余并联机构研究现状 |
1.6 论文研究内容及组织结构 |
第2章 驱动冗余并联机构系统及运动学分析 |
2.1 引言 |
2.2 驱动冗余并联机构描述 |
2.2.1 驱动冗余并联机构组成 |
2.2.2 并联机构自由度分析 |
2.3 运动学位置反解分析 |
2.3.1 坐标系建立 |
2.3.2 姿态角定义及坐标变换矩阵 |
2.3.3 运动学反解 |
2.4 运动学位置正解分析 |
2.5 速度雅克比矩阵 |
2.6 工作空间分析 |
2.7 奇异位形分析 |
2.8 本章小结 |
第3章 驱动冗余并联机构动力学建模与分析 |
3.1 引言 |
3.2 拉格朗日动力学建模 |
3.2.1 非保守系统拉格朗日方程 |
3.2.2 系统动能 |
3.2.3 系统势能 |
3.2.4 动力学建模及驱动力优化 |
3.3 动力学模型简化与分析 |
3.3.1 模型简化方案 |
3.3.2 简化模型误差补偿 |
3.4 动力学建模案例分析 |
3.4.1 冗余与非冗余情况下驱动力比较 |
3.4.2 β变化情况下的驱动力 |
3.4.3 机构主要构件引入的驱动力 |
3.4.4 简化模型验证 |
3.5 本章小结 |
第4章 驱动冗余并联机构控制系统硬件设计 |
4.1 引言 |
4.2 控制系统硬件组成及工作原理 |
4.2.1 控制系统工作原理 |
4.2.2 控制系统硬件组成 |
4.3 电路逻辑 |
4.4 本章小结 |
第5章 驱动冗余并联机构滑模控制器设计 |
5.1 引言 |
5.2 滑模控制基本理论 |
5.2.1 滑模控制的概念 |
5.2.2 滑模控制的性质 |
5.2.3 抖振产生原因及消除方法 |
5.3 反演自适应滑模控制器设计 |
5.3.1 交流伺服电机建模 |
5.3.2 反演自适应滑模控制器设计 |
5.3.3 生物启发模型构建 |
5.3.4 仿真与分析 |
5.4 基于同步耦合误差的动力学滑模控制器设计 |
5.4.1 同步误差定义 |
5.4.2 同步耦合滑模控制器设计 |
5.4.3 仿真与分析 |
5.5 解耦非奇异终端滑模控制器设计 |
5.5.1 非奇异终端滑模控制器设计 |
5.5.2 耦合力和重力项补偿方案 |
5.5.3 仿真与分析 |
5.6 本章小结 |
第6章 驱动冗余并联机构实验研究 |
6.1 引言 |
6.2 驱动冗余并联机构实验平台 |
6.3 控制系统软件设计 |
6.3.1 控制系统软件结构 |
6.3.2 IPC与UMAC通讯的建立 |
6.3.3 人机交互界面设计 |
6.3.4 软件功能模块设计 |
6.4 系统实验研究 |
6.4.1 实验方案 |
6.4.2 实验结果及分析 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 研究创新点 |
7.3 研究展望 |
致谢 |
博士期间取得的科研成果 |
参考文献 |
(5)机器人模具抛光柔顺执行机构控制系统研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景 |
1.2 抛光技术简述 |
1.2.1 弹性抛光轮抛光 |
1.2.2 钢丝轮抛光 |
1.2.3 砂带抛光 |
1.2.4 超精研磨抛光 |
1.2.5 机器人抛光系统研究现状 |
1.3 并联机器人发展概况 |
1.3.1 国外并联机器人研究历史及现状 |
1.3.2 并联机器人国内研究现状 |
1.4 并联机构的应用领域 |
1.4.1 模拟飞行器 |
1.4.2 智能微动机器人 |
1.4.3 并联机床 |
1.4.4 并联机器人 |
1.5 课题的来源、目的和意义 |
1.6 论文的主要内容 |
1.7 本章小结 |
2 3-RPS 并联机构控制策略 |
2.1 3-RPS 并联机构运动学分析 |
2.1.1 3-RPS 并联机构简介 |
2.1.2 运动学分析方法 |
2.1.3 3-RPS 并联机构逆解 |
2.2 3-RPS 并联机构动力学分析 |
2.3 3-RPS 并联机构的数学模型 |
2.3.1 3-RPS 完整的动力模型 |
2.3.2 3-RPS 并联机器人姿态控制模型求解 |
2.4 本章小结 |
3 3-RPS 并联机器人控制系统硬件平台 |
3.1 气动控制系统硬件平台 |
3.1.1 气动控制单元控制原理 |
3.1.2 气动控制单元硬件构成 |
3.2 3-RPS 并联机器人姿态控制系统硬件平台搭建 |
3.2.1 3-RPS 并联机器人姿态控制系统原理 |
3.2.2 气动 3-RPS 并联机器人姿态控制硬件平台 |
3.3 本章小结 |
4 气缸定位控制 |
4.1 气动系统的数学模型 |
4.1.1 气动控制系统建模 |
4.1.2 气缸摩擦力的数学模型 |
4.1.3 流量连续性方程 |
4.1.4 阀口流量方程 |
4.1.5 系统的开环传递函数 |
4.1.6 比例阀的数学模型 |
4.1.7 气动系统的控制模型 |
4.2 气缸精确定位控制策略研究 |
4.2.1 气动控制策略分析 |
4.2.2 气动控制策略选择 |
4.3 模糊控制原理 |
4.3.1 模糊理论 |
4.3.2 模糊控制的基本思路 |
4.3.3 精确量的模糊化 |
4.3.4 模糊控制规则及模糊判决 |
4.3.5 反模糊化 |
4.4 参数自整定模糊 PID 控制 |
4.4.1 常规 PID |
4.4.2 PID 参数的预整定 |
4.4.3 Fuzzy-PID 控制参数整定 |
4.4.4 气缸精确定位控制系统仿真 |
4.5 本章小结 |
5 3-RPS 并联机器人姿态控制系统实现 |
5.1 系统开发环境与通信协议 |
5.2 控制程序设计 |
5.2.1 气缸定位控制程序 |
5.2.2 3-RPS 并联机器人姿态控制程序 |
5.3 3-RPS 并联机器人姿态控制系统原型 |
5.3.1 串口通信实现 |
5.3.2 数据采集过程 |
5.3.3 数据处理过程 |
5.3.4 控制输出过程 |
5.3.5 姿态控制系统界面 |
5.5 本章小结 |
结论 |
参考文献 |
附录 A 姿态控制系统 VisualC++程序 |
攻读硕士学位期间发表的论文及科研成果 |
致谢 |
(6)二自由度并联机器人的模糊免疫PID控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 并联机器人概述 |
1.2.1 并联机器人的研究现状和基本问题 |
1.2.2 冗余并联机器人概述 |
1.2.3 并联机器人研究展望 |
1.3 本文的主要研究工作 |
1.3.1 本文研究对象 |
1.3.2 本文研究内容、目的和意义 |
1.4 本章小结 |
第二章 并联机器人控制系统的硬件构建 |
2.1 引言 |
2.2 并联机器人交流伺服控制系统的硬件环境 |
2.3 二自由度并联机器人控制系统的硬件构建 |
2.4 运动控制卡 |
2.4.1 运动控制卡结构介绍 |
2.4.2 运动控制器功能介绍 |
2.4.3 运动控制器的安装和接线 |
2.4.4 运动控制器的常用寄存器与编程接口函数介绍 |
2.5 本章小结 |
第三章 二自由度并联机器人运动学及动力学分析 |
3.1 引言 |
3.2 GPM-200并联机构位置正解 |
3.3 GPM-200并联机构位置反解 |
3.4 工作空间分析 |
3.5 并联机构的轨迹规划 |
3.6 并联机器人动力学分析 |
3.7 交流伺服驱动支路模型 |
3.8 本章小结 |
第四章 并联机器人的PID控制及仿真研究 |
4.1 引言 |
4.2 并联机器人的PID控制设计 |
4.3 PID控制仿真 |
4.4 本章小结 |
第五章 并联机器人的模糊免疫PID控制及其仿真研究 |
5.1 引言 |
5.2 并联机器人的模糊免疫PID控制设计 |
5.2.1 模糊逻辑与模糊控制系统 |
5.2.2 免疫PID控制设计 |
5.2.3 模糊免疫PID控制设计 |
5.3 模糊免疫PID控制仿真 |
5.4 本章小结 |
第六章 并联机器人控制系统的软件设计及实验 |
6.1 引言 |
6.2 并联机器人控制系统的软件设计 |
6.3 并联机器人运动控制实验 |
6.3.1 并联机器人机构实验 |
6.3.2 并联机器人实验 |
6.4 本章小结 |
第七章 全文总结 |
致谢 |
参考文献 |
在校期间发表的论文 |
(8)6-RSS并联机构在六维主动减振平台中的应用研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 并联机构的应用与发展 |
1.3 国内外并联机器人控制研究 |
1.4 并联机构在主动减振中的应用 |
1.4.1 振动主动控制技术及其发展 |
1.4.2 并联机构振动控制的研究 |
1.4.3 6-RSS并联机器人研究 |
1.5 论文的主要研究内容及结构安排 |
2 六维减振平台主体机构动力学模型的建立 |
2.1 概述 |
2.2 6-RSS并联机构减振平台动力学方程的建立 |
2.2.1 单个支链的运动学分析 |
2.2.2 单个支链的动力学分析 |
2.2.3 动平台的动力学分析 |
2.3 6-RSS并联机构减振平台动力学仿真与分析 |
2.3.1 算例仿真 |
2.4 小结 |
3 六维减振平台的机构与控制的同步优化 |
3.1 概述 |
3.2 机构优化设计目标函数的建立 |
3.3 控制优化设计目标函数的建立 |
3.3.1 动平台的动力学模型 |
3.3.2 控制优化目标函数 |
3.4 减振平台系统的同步优化 |
3.4.1 系统同步优化的目标函数 |
3.4.2 减振平台滑模控制器的设计 |
3.4.3 系统优化目标函数的敏度求解 |
3.5 计算仿真 |
3.6 小结 |
4 减振平台主体机构静平台位姿的预测 |
4.1 概述 |
4.2 差分预测存在的问题 |
4.3 减振主体机构静平台中心点的运动状态方程 |
4.4 静平台中心点位姿变化规律与卡尔曼滤波预测方程的建立 |
4.4.1 减振机构静平台状态方程的建立 |
4.4.2 滤波初值的选定 |
4.5 静平台中心点运动学模型的仿真验证 |
4.6 静平台中心点位姿的预测 |
4.7 小结 |
5 六维减振平台的自抗扰复合控制 |
5.1 概述 |
5.2 自抗扰控制器ADRC的设计 |
5.2.1 非线性跟踪微分器的设计 |
5.2.2 扩张状态观测器的设计 |
5.2.3 非线性PD控制 |
5.2.4 扰动补偿 |
5.3 遗传算法整定PID参数 |
5.3.1 基于遗传算法的PID整定原理 |
5.3.2 基于实数编码遗传算法的PID整定 |
5.4 数值仿真与分析 |
5.4.1 执行器仿真 |
5.4.2 摩擦补偿仿真 |
5.5 自抗扰控制器稳定性分析 |
5.6 减振平台的主动减振控制 |
5.7 数值仿真 |
5.8 小结 |
6 结论与展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(9)Steward平台的PIDNN控制(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景 |
1.1.1 并联机器人的特点 |
1.1.2 并联机器人的控制策略 |
1.2 并联机器人的应用及国内外研究现状 |
1.3 并联机器人控制领域存在的问题 |
1.4 本论文研究的主要内容 |
1.5 论文研究的难点 |
第2章 Steward 平台轨迹规划及模型的建立 |
2.1 Steward 平台的参数 |
2.2 Steward 平台的轨迹规划 |
2.3 Steward 平台的控制框图 |
2.4 六自由度并联机器人单通道的传递函数分析 |
2.5 本章小结 |
第3章 神经网络和PID 控制原理 |
3.1 PID 控制原理 |
3.1.1 模拟PID 控制器 |
3.1.2 数字PID 控制器 |
3.1.3 PID 控制器参数的调整方法 |
3.1.4 Steward 平台轨迹规划的PID 控制图 |
3.2 神经网络的控制算法 |
3.2.1 人工神经网络 |
3.2.2 人工神经网络的分类 |
3.2.3 BP 网络及其相关理论 |
3.3 本章小结 |
第4章 神经网络PID 控制算法的研究 |
4.1 引言 |
4.2 神经网络和PID 控制相结合的研究现状 |
4.2.1 采用神经元网络确定PID 参数 |
4.2.2 单神经元结构PID 控制器 |
4.3 PIDNN 控制算法 |
4.3.1 PIDNN 的结构形式 |
4.3.2 PIDNN 的特点 |
4.3.3 PIDNN 算法的研究 |
4.3.4 PIDNN 单变量控制系统的稳定性分析 |
4.3.5 PIDNN 的Simulik 仿真及其结果 |
4.4 本章小结 |
第5章 Steward 平台轨迹控制的实验研究 |
5.1 实验总体方案 |
5.2 实验系统介绍及实验过程 |
5.2.1 实验平台 |
5.2.2 液压系统 |
5.2.3 计算机控制系统 |
5.2.4 实验步骤 |
5.3 实验结果分析与对比 |
5.4 本章小结 |
结论 |
附录 常用积分型性能指标 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(10)2-DOF并联机器人的智能模糊滑模控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 并联机器人概况 |
1.2 对称少自由度冗余并联机器人 |
1.3 并联机器人的研究现状和基本问题 |
1.4 课题研究的主要内容、目的和意义 |
1.4.1 课题研究对象 |
1.4.2 课题研究的主要内容及结构安排 |
1.4.3 课题研究的目的和意义 |
1.5 本章小结 |
第二章 2-DOF并联机器人机构学与运动学分析 |
2.1 引言 |
2.2 并联机器人运动学问题 |
2.2.1 2-DOF并联机器人位置分析与参数设置 |
2.2.2 GPM-200并联机构位置正解 |
2.2.3 GPM-200并联机构位置反解 |
2.3 奇异位形分析 |
2.3.1 非冗余的5杆机构的奇异位形分析 |
2.3.2 驱动冗余如何消除奇异点对精度与刚度的影响 |
2.4 并联机构工作空间分析 |
2.4.1 工作空间分析概述 |
2.4.2 工作空间的确定 |
2.4.3 Matlab与VC++混合编程进行工作空间仿真 |
2.5 并联机器人轨迹规划 |
2.5.1 机器人轨迹规划的一般概念 |
2.5.2 2-DOF并联机器人轨迹规划 |
2.6 本章小结 |
第三章 2-DOF并联机器人运动控制系统 |
3.1 运动控制技术基础 |
3.1.1 运动控制系统概述 |
3.1.2 电机控制基本知识 |
3.2 2-DOF并联机器人交流伺服控制系统的硬件环境 |
3.2.1 2-DOF并联机构控制系统硬件系统 |
3.2.2 运动控制卡 |
3.2.3 控制卡功能介绍 |
3.2.4 控制卡的安装和接线 |
3.3 2-DOF并联机器人控制系统的逻辑结构 |
3.3.1 并联机器人控制系统设计思想 |
3.3.2 并联机器人控制系统结构分析 |
3.4 本章小结 |
第四章 2-DOF并联机器人动力学分析及控制算法选择 |
4.1 并联机器人动力学分析 |
4.1.1 引言 |
4.1.2 平面驱动冗余并联机器人的动力学模型 |
4.2 并联机器人控制算法选择 |
4.3 滑模变结构控制原理 |
4.3.1 滑模变结构控制简介 |
4.3.2 滑模变结构控制发展历史 |
4.3.3 滑模变结构控制基本原理 |
4.4 模糊控制器的原理及其设计方法原理 |
4.4.1 模糊控制器的基本结构与组成 |
4.4.2 精确输入量的模糊化运算 |
4.4.3 知识库 |
4.4.4 模糊控制规则库 |
4.4.5 清晰化计算 |
4.5 本章小结 |
第五章 2-DOF并联机器人智能模糊滑模控制器设计 |
5.1 并联机器人控制系统模型的建立 |
5.1.1 控制电机的选型 |
5.1.2 交流伺服电机数学模型建立 |
5.2 智能模糊滑模控制器的设计 |
5.2.1 离散滑模控制 |
5.2.2 时变离散滑模控制器的设计 |
5.2.3 智能模糊滑模控制器的设计 |
5.2.4 仿真结果 |
5.3 本章小结 |
第六章 控制软件设计与机构实验 |
6.1 引言 |
6.2 软件设计的主要流程 |
6.2.1 界面外观设计 |
6.2.2 各主要功能模块软件设计 |
6.3 2-DOF并联机器人的控制实验 |
6.3.1 2-DOF并联机器人本体实验操作注意事项 |
6.3.2 2-DOF并联机器人实验过程 |
6.3.3 实验结果分析 |
6.4 本章小结 |
第七章 全文总结 |
参考文献 |
致谢 |
攻读硕士学位期间发表论文与成果 |
四、使用模糊转换器的并联机器人神经元控制(论文参考文献)
- [1]基于深度学习方法的平面3-RRR并联机器人动力学建模[D]. 王永强. 安徽工程大学, 2020(04)
- [2]轻型并联机器人柔体动力学建模分析及智能控制方法研究[D]. 郑坤明. 华中科技大学, 2020
- [3]6-PSS并联机器人轨迹跟踪控制[D]. 徐孟瀚. 河北大学, 2020(08)
- [4]新型3-DOF驱动冗余并联机构动力学建模及其滑模控制研究[D]. 牛雪梅. 江苏大学, 2014(05)
- [5]机器人模具抛光柔顺执行机构控制系统研究[D]. 李胜中. 西华大学, 2014(03)
- [6]二自由度并联机器人的模糊免疫PID控制研究[D]. 庄景灿. 江苏大学, 2009(03)
- [7]并联机器人智能控制研究现状[J]. 李艳,王勇,陈正洪,赵荣齐. 机床与液压, 2008(12)
- [8]6-RSS并联机构在六维主动减振平台中的应用研究[D]. 李坤全. 北京交通大学, 2008(10)
- [9]Steward平台的PIDNN控制[D]. 杨志宇. 燕山大学, 2008(04)
- [10]2-DOF并联机器人的智能模糊滑模控制研究[D]. 董超君. 江苏大学, 2008(S1)