大型冷凝器清洗机器人的智能鲁棒控制方法研究

论文摘要

多关节机械手和移动机器人的控制问题一直是控制科学工作者普遍关注的研究领域,同时也取得了许多理论成果,然而大部分工作都集中在传统的机械手或移动机器人的控制上。移动机械手结合了机械手和移动机器人两者的优点,同时具有移动和操作的功能,这种特点使得它优于传统的移动机器人和机械手,不仅具有机械手的操作灵活性,而且具有移动机器人工作空间的广阔性,具有几乎无限大的工作空间。基于移动机械手这种特点,本项目组研究了一种基于移动机械手的智能自动化清洗系统对大型冷凝器进行长期自主在线清洗,合理、高效地实现冷凝器污垢的在线清洗,改善冷凝器传热效果,提高汽轮机组的运行效率。本文重点开展用于大型冷凝器自动化清洗的移动机械手的智能鲁棒控制理论方法研究。全文主要工作包括如下几个方面。论文首先系统深入地介绍了大型冷凝器的工作原理和主要的清洗方法以及存在的不足;然后阐述了移动机械手的研究进展和机器人鲁棒控制的研究现状。并在此基础上阐述本论文的研究意义。本文所设计和研究的大型冷凝器自动清洗机器人是一类移动机械手系统,由于该移动机械手是由一个具有非完整性的移动机器人系统和完整约束的机械手组成,因此,论文第二章首先详细地介绍了非完整系统的运动学和动力学建模与特性、多关节机械手的运动学和动力学问题,然后针对移动机械手的整体控制策略和分散控制策略分别建立了相应的系统运动学和动力学模型。在移动机械手的整体控制策略方面,由于滑模控制方法是一种针对不确定系统的有效非线性反馈控制方法,论文第三章首先根据移动机械手系统的不确定性和外界干扰的有界性设计了滑模控制器,该控制器优点在于滑模控制不需要被控对象精确的数学模型,而只要知道模型中参数的误差范围或变化范围;而且,滑模控制对有界干扰和参数变化具有不敏感性,可以削弱由于负载变化或干扰对系统控制性能的影响。然而,当不确定性和外界干扰的界未知时,滑模控制存在本身固有抖振现象,使得控制器不能得到很好地应用。针对这种情况,论文利用神经网络的非线性逼近能力来辨识移动机械手系统的不确定性和干扰,提出了一种基于神经网络的移动机械手滑模控制,使滑模控制器的抖振大大减少,并利用Lyapunov定理设计了具有神经网络补偿的滑模控制器结构和神经网络的学习算法,从而保证了系统的稳定性、改善了系统的动态性能,实验结果表明基于神经网络的滑模控制方法能够有效地削弱抖振现象,具有很强的抗干扰能力和很好的动态特性。论文第四章首先针对CMAC中存在的问题,将模糊理论引入CMAC,在划分输入空间和激活联想强度时采用了模糊化的方法,提出了一种比传统CMAC更好的逼近能力的模糊CMAC神经网络模型。利用模糊CMAC神经网络的逼近能力对移动机械手进行建模,并在此基础上,提出了一种具有自适应能力的H_∞控制策略,通过H_∞控制策略减少了外扰和模糊CMAC神经网络重构误差对系统的影响。理论分析证明了该控制器能够将移动机械手系统的外扰影响控制在指定的范围内,且闭环系统的所有信号都是有界的。在仿真实验中,为了验证基于模糊CMAC神经网络的H_∞控制策略的有效性,将其与计算力矩控制方法进行比较,仿真结果表明,在存在外扰的情况下,所提出的控制策略具有比计算力矩控制方法更好的鲁棒性能。在移动机械手的分散控制策略方面,论文第五章将移动机械臂分成两个子系统,即非完整约束的移动平台子系统和完整约束的机械臂子系统,然后考虑了移动平台的运动学控制器,对两个子系统分别设计Lyapunov函数,将两个子系统之间的耦合看成干扰,之后针对机器人的部分参数未知和全部参数未知分别给出了相应的鲁棒自适应控制器设计,并分别根据Lyapunov稳定性理论证明了整个移动机械手系统的稳定性,且跟踪误差和自适应系数矩阵误差一致终值有界,保证了系统的稳定性、改善了系统的动态性能。实验结果表明,所设计的鲁棒自适应控制器是有效的,且具有较强的鲁棒性和自适应能力。基于体积、成本等方面的考虑,机器人系统通常不配备速度测量装置,仅通过位置反馈获取速度信息,论文第六章提出了一种模糊自适应非线性鲁棒观测器估计关节速度的方法,利用模糊逻辑来逼近系统参数的不确定性,引入鲁棒项抑制外扰和模糊逻辑逼近过程中的重构误差,采用严格正实Lyapunov设计方法分析观测误差是一致最终有界的;然后在鲁棒观测器的基础上,设计了机器人的模糊自适应输出反馈控制器,模糊系统参数基于Lyapunov稳定性理论自适应调整,整个控制器保证了具有不确定性的机器人系统渐近的跟踪轨迹,且闭环系统的所有信号均有界。仿真实验结果表明了该方法的有效性。针对冷凝器在线高效清洗要求,论文第七章提出了一种冷凝器在线清洗的新方案,根据冷凝器的水室结构及管束布局,将高压水射流清洗与化学清洗相结合并通过两关节机械臂清洗喷枪来实现清洗。并介绍了清洗系统结构,详细分析了适用于不同发电机组的自动化清洗机器人的机械结构及其控制系统结构。论文最后总结了全文的主要创新性研究成果,并对下一步研究工作进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究背景和意义
• 1.2 冷凝器自动化清洗技术
• 1.2.1 冷凝器的工作原理
• 1.2.2 凝汽器污垢清洗的必要性及经济效益
• 1.2.2 冷凝器清洗的主要方法
• 1.3 清洗机器人的研究现状
• 1.3.1 机器人的定义和分类
• 1.3.2 清洗机器人的发展
• 1.4 移动机械手控制的研究现状
• 1.5 机器人鲁棒控制的研究现状
• 1.5.1 反馈线性化方法
• ∞控制方法'>1.5.2 H_∞控制方法
• 1.5.3 滑模变结构控制方法
• 1.5.4 鲁棒自适应控制方法
• 1.5.5 智能鲁棒控制方法
• 1.6 本文所开展的研究工作
• 第2章 大型冷凝器清洗机器人的数学模型
• 2.1 非完整约束与非完整系统
• 2.2 非完整移动机器人
• 2.2.1 运动学模型
• 2.2.2 动力学模型
• 2.3 多关节机械臂
• 2.4 非完整移动机械手
• 2.4.1 整体控制模型
• 2.4.2 分散控制模型
• 2.5 相关数学基础
• 2.6 本章小结
• 第3章 移动机械手的神经网络滑模控制
• 3.1 引言
• 3.2 滑模变结构的基本概念
• 3.2.1 变结构控制的基本原理
• 3.2.2 变结构控制的特点
• 3.2.3 变结构控制的抖振问题
• 3.3 滑模跟踪控制器设计
• 3.3.1 问题描述
• 3.3.2 滑模控制器设计
• 3.3.3 仿真实验
• 3.4 基于神经网络的滑模跟踪控制器设计
• 3.4.1 神经网络
• 3.4.2 控制器和神经网络学习算法设计
• 3.4.3 仿真实验
• 3.5 本章小结
• ∞控制'>第4章 移动机械手的模糊CMAC 建模与鲁棒H_∞控制
• 4.1 引言
• 4.2 模糊CMAC 神经网络
• 4.2.1 CMAC 神经网络
• 4.2.2 FCMAC 神经网络的原理和结构
• 4.3 问题描述
• ∞控制器设计'>4.4 基于模糊CMAC 神经网络的鲁棒H_∞控制器设计
• 4.4.1 模糊CMAC 神经网络建模
• ∞控制与稳定性分析'>4.4.2 鲁棒H_∞控制与稳定性分析
• 4.5 实验研究
• 4.5.1 实验1
• 4.5.2 实验2
• 4.5.3 实验3
• 4.6 本章小结
• 第5章 移动机械手的鲁棒自适应控制
• 5.1 引言
• 5.2 移动平台子系统的鲁棒自适应控制
• 5.2.1 运动学控制器设计
• 5.2.2 基于动力学系统的Lyapunov 函数设计
• 5.3 机械臂子系统的鲁棒自适应控制
• 5.4 移动机械手的鲁棒自适应控制
• 5.4.1 移动机械手的Lyapunov 函数设计
• 5.4.2 部分参数已知情况下鲁棒自适应控制器
• 5.4.3 全部参数均未知情况下鲁棒自适应控制器
• 5.5 仿真实验
• 5.5.1 实验1
• 5.5.2 实验2
• 5.6 本章小结
• 第6章 基于观测器的机器人模糊自适应控制
• 6.1 引言
• 6.2 模糊逻辑基本理论
• 6.2.1 模糊逻辑系统的组成
• 6.2.2 模糊逻辑系统的函数逼近特性
• 6.3 机器人系统模型
• 6.4 模糊自适应观测器
• 6.4.1 自适应模糊观测器设计
• 6.4.2 稳定性分析
• 6.5 基于观测器的模糊自适应输出反馈控制
• 6.5.1 输出反馈控制
• 6.5.2 模糊自适应控制器设计
• 6.5.3 稳定性分析
• 6.6 仿真研究
• 6.6.1 控制系统的设计步骤
• 6.6.2 基于观测器的控制器性能
• 6.7 本章小结
• 第7章 大型冷凝器清洗机器人系统设计
• 7.1 清洗系统的研制方案和总体设计
• 7.1.1 系统研制方案
• 7.1.2 系统总体设计
• 7.2 冷凝器清洗机器人体系结构
• 7.2.1 冷凝器清洗机器人清洗系统
• 7.2.2 冷凝器清洗机器人设计
• 7.3 清洗机器人控制系统的关键技术
• 7.3.1 高压水泵的压力控制
• 7.3.2 计量泵的药剂投加量控制
• 7.3.3 电液伺服阀的控制
• 7.3.4 移动机械臂的伺服定位控制
• 7.4 清洗机器人控制系统硬件开发
• 7.4.1 上位机硬件结构
• 7.4.2 高压水射流清洗控制子系统
• 7.4.3 化学清洗控制子系统
• 7.4.4 控制系统的通信
• 7.5 清洗机器人控制系统软件开发
• 7.5.1 上位机软件结构
• 7.5.2 高压水射流清洗子系统软件结构
• 7.5.3 化学清洗子系统软件结构
• 7.5.4 清洗机器人稳定性和可靠性
• 7.6 本章小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间所发表的学术论文目录
• 附录 B 攻读学位期间所获专利、参与的科研项目和科研奖励