论文部分内容阅读
柔性机械臂的连杆由轻质、柔性的材料构成，具有高荷载自重比、自身惯量小、动作响应迅捷的特点。大到在航天器上的轻型机械臂，小到硬盘驱动装置，都可以看成是柔性机械臂的实际应用。柔性机械臂在实际运行时，其末端运动轨迹的在线测量通常相当困难，常规的末端轨迹反馈控制难以应用。本文结合实验室柔性机械臂的实际情况，研究柔性机械臂终点时刻末端位置控制问题，即控制目标不是要求机械臂末端跟踪完整条期望轨迹，而是期望末端在期望时刻达到理想的最终姿态或最终输出。这类问题是典型的点到点(point to point，PTP)控制问题。
本文针对柔性机械臂重复运行的情况，在仅能测量柔性机械臂运行终点时刻的机械臂末端位置的条件下，结合计算力矩法，提出了柔性机械臂终点时刻末端位置的一种新的迭代学习控制方法。该方法利用柔性机械臂的简化动力学模型，给出其各关节控制力矩的参数化表示；并依据柔性臂终点时刻末端位置的误差，通过迭代学习算法调整控制力矩的参数，从而实现精确达到柔性臂预期末端位置的目的。该算法利用学习控制不依赖模型的特点，弥补了计算力矩法需要精确模型的缺陷，克服了现存的大多数的控制方法受建模误差影响较大的缺点；参数的迭代学习主要起到消除模型误差和各种干扰的作用，增强了算法的鲁棒性。
本文的主要内容如下：
(1)针对实验室现有柔性机械臂的实际情况，完成了在集中质量法假设条件下的Lagrange能量分析法的动力学方程的推导，得到了空间三自由度双连杆柔性机械臂的一个相对精确的理论模型。在此基础之上，为了后续控制器的设计，对此理论模型进行了一定的合理简化，获得了一个形式简单的简化模型。此外，还对这两种模型进行了仿真实验，验证了其合理性和有效性。这两个模型为论文的其它的仿真实验和控制器设计提供了理论依据。
(2)提出了一种新的仅已知柔性机械臂运行终点时刻的机械臂末端位置误差的结合计算力矩法的迭代学习控制算法。这种迭代学习控制算法降低了对整个运行过程的测量要求，同时也降低了对模型精确性的要求。通过理论分析证明了该算法的收敛条件，并通过实际实验验证了算法的有效性。
(3)完成了柔性机械臂控制平台的开发。其主要功能除了实现了本人研究的基于终点时刻末端误差的柔性臂迭代学习控制算法外，还实现了底层算法的封装，并为其它高级算法预留了接口。可以使得后续研究者直接将其研究的高级算法应用到柔性机械臂上，而不需要考虑底层控制及人机界面的问题。