本文選題：機械手臂 + 路徑規(guī)劃　； 參考：《安徽工業(yè)大學》2017年碩士論文

【摘要】：隨著中國制造2025規(guī)劃的實施和我國制造業(yè)的崛起,工業(yè)機器人和各類機械手臂的應用越來越普及,對機械手臂控制技術的的研究越來越受到重視。機械手臂控制關鍵技術就是機械手臂的路徑規(guī)劃方法和軌跡跟蹤控制算法。論文運用數學方法搭建了多自由度機械手臂的運動學模型,分析研究了運動學正、逆問題,側重對運動學中逆問題進行了分析探討;機械手臂動力學問題一樣包含正、逆問題,本論文從動力學數學建模和最優(yōu)控制等幾個方面的問題進行了簡約表述。發(fā)現路徑規(guī)劃中碰撞點的預知和路徑點的設定都與機械手臂末尾控制器的工作空間有關。非奇異路徑規(guī)劃是指機械手臂在完成指定任務時規(guī)劃出一條有效避開障礙物的路徑,對此論文提出了一種改進型算法,此算法有效的結合牛頓迭代法和關節(jié)坐標規(guī)劃法,用此種改進的算法可使得機械手臂(包括奇異位形的情況)規(guī)劃出合理的路徑,即在執(zhí)行任務時能夠順利的通過工作空間中奇異區(qū)域,而不會造成錯位、突然變速等異常情況改進的算法可以很好的解決路徑規(guī)劃中奇異性的問題。在運動軌跡跟蹤方面,運用了模糊神經網絡算法來的實現軌跡跟蹤,此算法巧妙地結合了模糊控制強大的推理能力和神經網絡控制的參數自學習能力,它不需要知道被控對象精確的數學模型,可以直接利用此算法對網絡參數進行自學習并做出相應的修正,所以本論文把模糊神經網絡算法運用在多自由度機械手臂的關節(jié)力矩控制,通過此算法對網絡參數的自學習來調整機械手臂關節(jié)力矩的控制,從而實現對機械手臂的軌跡跟蹤控制。最后經過試驗仿真分析,把模糊神經網絡控制算法運用在多自由機械手臂的控制上可以有效的解決軌跡跟蹤問題,使整個控制系統(tǒng)有較強的適應性和穩(wěn)定性。
[Abstract]:With the implementation of the 2025 Plan of manufacture in China and the rise of China's manufacturing industry, the application of industrial robots and various kinds of mechanical arms is becoming more and more popular, and more attention has been paid to the research on the control technology of mechanical arms. The key technology of robot arm control is path planning method and trajectory tracking control algorithm. In this paper, the kinematics model of multi-degree-of-freedom manipulator is built, and the forward and inverse kinematics problems are analyzed and studied. In this paper, the dynamic mathematical modeling and optimal control are briefly described. It is found that the prediction of collision point and the setting of path point in path planning are related to the workspace of the controller at the end of the manipulator. The nonsingular path planning means that the robot arm can plan a path to avoid obstacles effectively when completing the assigned task. An improved algorithm is proposed in this paper, which effectively combines Newton iterative method and joint coordinate planning method. With this improved algorithm, the robot arm (including the case of singular configuration) can be planned out a reasonable path, that is, the task can be carried out smoothly through the singular region of the workspace without causing dislocation. The improved algorithm can solve the singularity problem in path planning. In the aspect of motion trajectory tracking, the fuzzy neural network algorithm is used to realize trajectory tracking. This algorithm skillfully combines the powerful reasoning ability of fuzzy control with the parameter self-learning ability of neural network control. It does not need to know the exact mathematical model of the controlled object. It can directly use this algorithm to self-learn the network parameters and make corresponding corrections. So this paper applies the fuzzy neural network algorithm to the joint torque control of multi-degree-of-freedom mechanical arm, and adjusts the joint torque control of mechanical arm by self-learning of network parameters. Thus, the trajectory tracking control of the robot arm is realized. Finally, the fuzzy neural network control algorithm is applied to the control of multi-free manipulator, which can effectively solve the trajectory tracking problem, and make the whole control system have strong adaptability and stability.
【學位授予單位】：安徽工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP241;TP183

【參考文獻】

相關期刊論文 前10條

1 田小靜;李萬軍;;六自由度機械臂運動數學模型的建立[J];制造業(yè)自動化;2011年05期

2 楊慶;稅海濤;湯亞鋒;;多自由度微型機械臂設計與實現[J];微計算機信息;2010年26期

3 劉松國;朱世強;吳文祥;;具有運動時間約束的機械手最優(yōu)平滑軌跡規(guī)劃[J];電機與控制學報;2009年06期

4 趙世鈺;周銳;魏晨;;具有終端角度和終端時間約束的閉環(huán)制導律及其可行性分析(英文)[J];宇航學報;2009年03期

5 謝烽;陳鹿民;張存鷹;;空間六自由度多關節(jié)機器人工作空間研究[J];鄭州輕工業(yè)學院學報(自然科學版);2009年01期

6 吳喬喬;曾虹;張翔;;一種人工勢場路徑規(guī)劃改進算法的研究[J];杭州電子科技大學學報;2008年03期

7 林雷;王洪瑞;胡雅楠;;基于雙重飽和函數的不確定機器人分散控制[J];控制工程;2008年02期

8 徐方;;工業(yè)機器人產業(yè)現狀與發(fā)展[J];機器人技術與應用;2007年05期

9 盛黨紅;溫秀蘭;黃文良;;基于免疫進化神經網絡的機械手逆運動控制[J];中國機械工程;2007年03期

10 岳富占;崔平遠;崔祜濤;;基于改進蟻群算法的星球探測機器人路徑規(guī)劃技術[J];控制與決策;2006年12期

相關碩士學位論文 前10條

1 苗建偉;一種六自由度機械手的智能軌跡規(guī)劃[D];西南交通大學;2014年

2 馬培羽;六自由度機械臂避障路徑規(guī)劃研究[D];華南理工大學;2010年

3 占惠文;基于模糊神經網絡的船舶柴油機故障診斷系統(tǒng)研究[D];武漢理工大學;2009年

4 劉鑫;多自由度機械手臂魯棒控制技術研究[D];南京理工大學;2008年

5 劉其永;基于模糊神經網絡的溫室智能控制系統(tǒng)研究[D];蘇州大學;2008年

6 田西勇;機器人軌跡規(guī)劃方法研究[D];北京郵電大學;2008年

7 王才東;六自由度教學機器人控制系統(tǒng)設計及實驗研究[D];哈爾濱工程大學;2008年

8 萬志成;六自由度排爆機械臂控制系統(tǒng)設計[D];上海交通大學;2008年

9 譚志飛;智能機器人運動分析與仿真的研究[D];湘潭大學;2007年

10 潘芳偉;新型六自由度并聯(lián)機器人運動學仿真[D];西安建筑科技大學;2007年

，

本文編號：2057516