论文部分内容阅读
随着现代工业技术的不断提高，机械臂在工业生产中起着举足轻重的作用，特别是在高温、高压、粉尘、放射性污染严重等一些环境比较恶劣的条件下已得到广泛应用，但是随着生产系统规模的发展和生产技术的提高，对于控制精度的要求也越来越高，因此，机械臂系统的高精度，高效率成为当前机械臂控制领域的研究热点。 本论文以四自由度机械臂为研究对象，建立机械臂的正、逆运动模型;根据机械臂的正运动模型推导机械臂伺服系统的动力学模型;采用最小二乘辨识和粒子群优化的RBP神经网络辨识出动力学方程的参数;根据机械臂的动力学原理在智能控制方面的应用，搭建了四自由度的机械臂系统，该系统包含机械本体、控制板卡、编码器、上位机软件等部分，从而有效验证了控制算法。具体工作有以下几个方面: (1)根据机械臂实验模型，建立机械臂连杆坐标系，获得D-H参数，根据以往标准的D-H方法，推导机械臂的正运动学数学模型，然后分别根据代数和几何法推导机械臂系统的逆运动学模型。最后对正、逆运动学模型进行仿真和验证; (2)分析了机械臂系统的主要构件，建立各构件的质量分布矩阵，利用拉格朗日方法推导出本实验的机械臂动力学系统方程，利用最小二乘辨识和粒子群优化的RBP神经网络辨识出动力学方程的参数，根据仿真判断出了参数的正确性; (3)根据机械臂的动力学模型，设计了基于神经网络补偿的智能控制器。采用神经前馈-反馈补偿控制方法和神经网络前馈补偿控制方法，用神经网络补偿机械臂控制算法中的干扰，最后在机械臂伺服控制系统中验证该控制算法具有较好的鲁棒性; (4)根据四自由度机械臂的构件，利用MFC，在VC++6.0环境下开发该控制系统的上位机界面。有效验证了本文算法的可靠性。