论文部分内容阅读
随着现代科技的发展,机械臂已逐渐应用到人们生产和生活的诸多方面,极大地促进了工业和科技事业的快速发展。在工业生产过程中,多个机械臂组成的网络化系统与单个机械臂相比,具有消耗低、效率高等优势,已成为广大学者研究的热点之一。本文主要结合命令滤波反步技术、自适应技术以及神经网络逼近理论等,提出了多机械臂系统的自适应命令滤波反步控制策略。此外,还考虑了参数不确定和间隙未知的情况以及控制方向未知的多机械臂系统。论文的主要研究内容如下:1.考虑了基于神经网络自适应反步控制的机械臂系统,将命令滤波反步技术、自适应以及神经网络逼近理论应用于机械臂系统中,并根据Lyapunov理论证明了其稳定性;在这基础上,进而研究参数不确定和控制间隙未知机械臂系统的有限时间自适应反步控制,分别设计了命令滤波器、虚拟信号、自适应更新律和误差补偿形式等。在Matlab/Simulink中进行模拟仿真,选取两连杆机械臂和PUMA 560机械臂,仿真实验表明所提的方法具有较好的控制效果。2.考虑了基于神经网络自适应命令滤波反步控制的多机械臂系统。命令滤波反步技术用于避免传统反步控制造成的计算复杂性问题,并采用误差补偿信号补偿了命令滤波引起的误差。另外,使用神经网络逼近理论有效逼近系统的不确定非线性项,并且结合Lyapunov理论给出其稳定性证明。在多机械臂系统具有参数不确定以及外部扰动的情况下,Matlab/Simulink仿真实验证明了多机械臂系统的控制策略能够实现良好的关节位置一致性跟踪。3.考虑了基于神经网络自适应命令滤波反步控制的参数不确定以及控制方向未知的多机械臂系统。在控制方向和系统非线性动力学都是未知的情况下,运用Nussbaum函数、命令滤波反步技术、自适应技术和神经网络逼近理论等。设计的神经网络自适应命令滤波反步控制器不仅可以处理传统反步带来的计算复杂性问题而且能够使一致性跟踪误差收敛于足够小的邻域。最终,通过Matlab/Simulink验证了其策略的有效性。