混合驱动两自由度并联机构动力学与控制研究

论文摘要

混合驱动机构采用两种不同类型的驱动电机,即普通常速电机和伺服电机驱动,通过一个两自由度机构实现末端执行器的柔性输出。它的出现在传统非柔性机器和先进柔性机器人之间搭建了一个中间平台。既具有机器人的柔性,又具有传统非柔性机器大功率低成本的优点,因此对于混合驱动机构的研究具有重要的理论意义和实用价值。本文对混合驱动两自由度并联机构进行了系统的理论研究,综述了混合驱动机构的特点及发展状况,分析了混合驱动机构控制系统设计的研究现状,阐述了智能控制技术在并联机构控制中的研究与应用。研究内容主要包括:混合驱动机构正运动学和逆运动学分析、机电耦合动力学模型建立、混合驱动机构控制系统设计、双伺服驱动并联机构的复合智能控制研究及两自由度冗余驱动并联机构轨迹跟踪实验研究。混合驱动机构的正运动学分析和逆运动学分析是研究混合驱动机构动力学模型和控制系统设计的理论基础。为了研究机构运动过程中各个杆件及电机之间的运动关系,必须建立运动学模型。利用雅可比矩阵,分析了机构各参数对混合驱动机构末端执行器速度特性的影响。通过比较结构参数、可调参数和可控参数对机构末端速度特性影响的主次关系,找出了其中对速度影响较大的敏感参数。利用这些结论,可以减少机构综合优化设计的盲目性,提高优化效率。逆运动学求解的过程就是在给定末端执行器的轨迹和常速电机的恒定速度条件下,确定伺服电机运动规律的过程。在建立逆运动学模型的过程中,必须把常速电机是匀速运动的这个特性考虑其中。因此建立的逆运动学模型包含了时间要素,这区别于单纯机构学研究中的路径实现问题。动力学模型是进行动力学分析与综合的基础,建立动力学模型是进行机构动力性能评价和实时控制的必要条件。利用拉格朗日方程推导出机械结构动力学模型,动力学方程利用独立输入角度来表示且写成类似于开链机械手动力学方程的形式,不仅便于分析动力学模型,更方便了控制器的选择和控制参数的确定。通过力矩传递把机械结构动力学模型和电机动力学模型联立,建立了包含电机特性的机电系统耦合动力学模型。通过对混合驱动机构的实验和仿真结果对比研究,可以得出建立的动力学模型是正确的,为混合驱动机构轨迹跟踪控制打下了基础。由于混合驱动机构动力学模型的复杂性和常速电机的不可控性,针对该类机构进行的控制系统设计研究是个难题。在对混合驱动机构控制系统进行研究时,常速电机的特性不是用伺服电机来模拟的,而是考虑一个真实的常速电机特性,即常速电机存在速度波动,同时力矩不可控。动力学模型中两个驱动杆之间存在着耦合性,常速电机速度波动引起的误差最终将导致末端执行器的轨迹跟踪出现偏差。因此实现两个电机的角位移的精确跟踪对于末端执行器的轨迹跟踪至关重要。本文根据常速电机速度波动和不可控特点,设计了适合混合驱动机构的控制系统,同时采用滑模变结构控制实现了对混合驱动机构末端执行器轨迹的精确跟踪。采用新的迭代控制方法可以把常速电机的速度波动转移到伺服电机的轨迹上,利用伺服电机可控的特点重新对伺服电机的理想运动轨迹进行调整,这样就补偿了由常速电机速度波动给末端执行器轨迹带来的误差。通过控制伺服电机的运动轨迹,实现了对末端执行器理想轨迹的跟踪,最大限度减少常速电机的速度波动带来的不利影响。研究了双伺服驱动并联机构的复合智能控制策略,有效克服了系统的非线性和高耦合性。随着并联机构应用领域的扩展,对其控制性能提出了越来越高的要求。由于经典控制方法和现代控制方法存在许多不足,智能控制方法被引入了双伺服驱动并联机构控制系统中。各种控制方法都有其优势,但也存在一定的局限性,因此将智能控制方法和传统控制方法复合在一起,可以取长补短。本文将神经网络控制与传统PID控制及滑模变结构控制结合,形成复合型智能控制,即基于RBF神经网络辨识的自适应PID控制和神经网络可调增益滑模控制。研究发现,该复合智能控制对于双伺服驱动并联机构系统的任意轨迹跟踪具有较高的控制精度和鲁棒性。对两自由度冗余驱动并联机构进行了动态性能和轨迹跟踪实验研究。分析了它的动态特性,通过调整控制参数,实现了冗余驱动并联机构在平面内的高精度轨迹跟踪。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 混合驱动机械系统研究现状
• 1.1.1 混合驱动机械系统概念的提出
• 1.1.2 混合驱动机械系统的特点
• 1.1.3 混合驱动机械系统的发展及应用
• 1.2 混合驱动机构动力学建模
• 1.3 混合驱动机构的控制系统设计研究
• 1.4 智能控制理论在并联机构中的应用
• 1.4.1 并联机构神经网络控制
• 1.4.2 并联机构复合智能控制
• 1.5 本课题的研究目的、意义及研究内容
• 1.5.1 本课题的研究目的及意义
• 1.5.2 本课题的研究内容
• 第2章 混合驱动机构运动学分析
• 2.1 混合驱动五杆机构正运动学分析
• 2.1.1 混合驱动五杆机构工作空间分析
• 2.1.2 混合驱动五杆机构的正运动学求解
• 2.1.3 正运动学分析算例
• 2.2 混合驱动五杆机构末端执行器速度特性分析
• 2.2.1 混合驱动五杆机构的雅可比矩阵
• 2.2.2 混合驱动五杆机构速度特性分析
• 2.3 混合驱动五杆机构逆运动学分析
• 2.3.1 路径和轨迹
• 2.3.2 混合驱动五杆机构逆运动学求解
• 2.4 电机运动轨迹规划
• 2.4.1 五次样条函数的表示
• 2.4.2 五次样条函数待定常数的确定
• 2.4.3 仿真算例
• 2.5 本章小结
• 第3章 混合驱动机构机电耦合动力学建模
• 3.1 两自由度平面五杆机构动力学方程
• 3.2 电机的动力学方程
• 3.2.1 电机基本元件方程
• 3.2.2 电机动力学方程
• 3.3 混合驱动五杆机构机电系统耦合动力学方程
• 3.3.1 机电系统耦合建模理论与方法
• 3.3.2 混合驱动五杆机构机电耦合动力学模型求解
• 3.4 混合驱动五杆机构机电系统动力学分析与计算仿真
• 3.5 动力学模型实验仿真对比验证
• 3.6 基于动力学模型的电机功率分配研究
• 3.7 本章小结
• 第4章 混合驱动机构控制系统设计
• 4.1 不考虑常速电机速度波动的机构控制系统设计
• 4.1.1 PD控制器的模型
• 4.1.2 基于PD控制的混合驱动系统仿真实验
• 4.2 滑模变结构控制器设计
• 4.2.1 滑模变结构控制的基本原理
• 4.2.2 基于滑模变结构控制的混合驱动控制系统设计
• 4.2.3 基于滑模变结构控制的系统稳定性分析
• 4.3 考虑常速电机速度波动的混合驱动机构控制系统设计
• 4.3.1 常速电机的速度波动
• 4.3.2 考虑常速电机速度波动的混合驱动机构控制方法
• 4.3.3 控制系统轨迹跟踪仿真实验
• 4.4 本章小结
• 第5章 双伺服驱动并联机构的复合智能控制研究
• 5.1 基于RBF神经网络辨识的自适应PID控制
• 5.1.1 神经网络的模型
• 5.1.2 基于RBF神经网络辨识的自适应PID控制器设计
• 5.1.3 RBF神经网络辨识器设计
• 5.1.4 BP神经网络控制器设计
• 5.1.5 仿真实验
• 5.2 神经网络滑模控制
• 5.2.1 固定增益滑模控制器的设计
• 5.2.2 基于RBF神经网络的增益调节
• 5.2.3 仿真实验
• 5.3 本章小结
• 第6章 两自由度冗余驱动并联机构动态性能及控制实验
• 6.1 实验系统结构与原理
• 6.1.1 两自由度冗余驱动并联机构实验台
• 6.1.2 测试设备
• 6.1.3 实验系统工作原理
• 6.2 实验台动态性能实验
• 6.3 轨迹跟踪实验
• 6.3.1 实验系统运动学模型
• 6.3.2 控制界面设计
• 6.3.3 实验所用控制律
• 6.3.4 实验结果分析
• 6.4 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的学术论文
• 致谢
• 附录
• 学位论文评阅及答辩情况表