论文摘要
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。
论文目录
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
相关论文文献
标签:并联机器人论文; 平台论文; 控制论文; 神经网络论文; 轨迹规划论文;