工業(yè)智能機(jī)器人集現(xiàn)代制造技術(shù)、新型材料技術(shù)、智能控制技術(shù)和人工智能信息技術(shù)為一體,是智能制造的代表性產(chǎn)品,對(duì)其的研發(fā)、制造和應(yīng)用已經(jīng)成為衡量一個(gè)國(guó)家科技創(chuàng)新和制造業(yè)水平的重要標(biāo)志。鑒于此,本文以當(dāng)前的機(jī)器人操作系統(tǒng)作為系統(tǒng)參考框架,以Delta并聯(lián)機(jī)器人為應(yīng)用對(duì)象,利用現(xiàn)代機(jī)器人系統(tǒng)構(gòu)件化思想對(duì)工業(yè)智能機(jī)器人的關(guān)鍵技術(shù)進(jìn)行研究。主要包括:機(jī)器人的運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)建模及其機(jī)構(gòu)參數(shù)優(yōu)化,基于模糊邏輯的智能控制方法,可重用運(yùn)動(dòng)規(guī)劃方法,以及針對(duì)智能控制方法和運(yùn)動(dòng)規(guī)劃方法的實(shí)驗(yàn)等方面內(nèi)容,旨在建立一套高性能、低成本、易于集成的工業(yè)智能機(jī)器人系統(tǒng)。本文首先以Delta并聯(lián)機(jī)器人為對(duì)象,建立了其運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型。在此基礎(chǔ)上,提出了構(gòu)件化機(jī)器人本體機(jī)構(gòu)參數(shù)優(yōu)化方法,此方法包含各向異性動(dòng)力學(xué)優(yōu)化算法和全域動(dòng)力學(xué)優(yōu)化算法。在考慮各向異性動(dòng)力學(xué)特征的機(jī)構(gòu)參數(shù)優(yōu)化算法方面,設(shè)計(jì)了全域驅(qū)動(dòng)關(guān)節(jié)力矩指標(biāo)和全域驅(qū)動(dòng)關(guān)節(jié)力矩波動(dòng)指標(biāo)兩種目標(biāo)函數(shù),并使用PSO算法對(duì)優(yōu)化模型進(jìn)行求解。優(yōu)化結(jié)果表明,兩種目標(biāo)函數(shù)都能有效地提高機(jī)器人的動(dòng)力學(xué)性能。在基于全域動(dòng)力學(xué)性能指標(biāo)的多目標(biāo)機(jī)構(gòu)參數(shù)優(yōu)化算法方面,為了使機(jī)器人在全工作域內(nèi)具有良好的動(dòng)力學(xué)性能,設(shè)計(jì)了能夠量化表達(dá)機(jī)器人全域動(dòng)力學(xué)靈敏度的目標(biāo)函數(shù)。優(yōu)化結(jié)果表明,優(yōu)化后的機(jī)構(gòu)參數(shù)能同時(shí)提高機(jī)器人的全域動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)性能。上述模型和算法利用了機(jī)器人系統(tǒng)構(gòu)件化思想,各個(gè)模塊之間可以重新組合生成滿足新任務(wù)需求的機(jī)構(gòu)參數(shù)優(yōu)化模型。從工業(yè)智能機(jī)器人的運(yùn)動(dòng)控制角度出發(fā),提出了區(qū)間二型模糊邏輯控制系統(tǒng)的從屬設(shè)計(jì)方法,并將其應(yīng)用于含有內(nèi)部和外部不確定性的并聯(lián)機(jī)器人軌跡跟蹤控制之中。首先針對(duì)Delta并聯(lián)機(jī)器人的軌跡跟蹤控制問(wèn)題設(shè)計(jì)基準(zhǔn)一型模糊邏輯控制器,在此基礎(chǔ)上,將一型模糊隸屬函數(shù)經(jīng)模糊化生成二型模糊隸屬函數(shù)。針對(duì)一型模糊隸屬函數(shù)的模糊化問(wèn)題,研究了三種模糊化方法,并對(duì)這三種方法生成的區(qū)間二型模糊邏輯控制器的控制性能進(jìn)行了對(duì)比。分析了模糊度、模糊方法和輸出控制面之間的關(guān)系,得出使控制器獲得最佳非線性特征的模糊化方法。為了提高控制品質(zhì),引入了輸出信號(hào)增強(qiáng)系數(shù)并給出了其計(jì)算方法。通過(guò)仿真驗(yàn)證了提出的區(qū)間二型模糊邏輯控制系統(tǒng)的設(shè)計(jì)方法的有效性。為了使工業(yè)智能機(jī)器人的運(yùn)動(dòng)控制器具有良好的適應(yīng)性,提出了基于自學(xué)習(xí)區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)的智能控制器。此控制器具有并聯(lián)結(jié)構(gòu),包含一個(gè)區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)和一個(gè)傳統(tǒng)PD控制器。在區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方面,使用從屬設(shè)計(jì)法建立了區(qū)間二型模糊集。在前件區(qū)間二型模糊集的設(shè)計(jì)過(guò)程中,提出了雙序列對(duì)稱式梯形隸屬函數(shù)排列法,使得系統(tǒng)的自學(xué)習(xí)律和穩(wěn)定性分析具有了解析形式,有利于算法在硬件上的實(shí)現(xiàn)。在神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)律的設(shè)計(jì)方面,建立了基于滑動(dòng)模態(tài)控制理論的參數(shù)自學(xué)習(xí)算法來(lái)在線調(diào)節(jié)區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù),并利用李雅普諾夫穩(wěn)定性定理證明了系統(tǒng)的穩(wěn)定性。結(jié)合Delta并聯(lián)機(jī)器人的軌跡跟蹤問(wèn)題,給出三組驗(yàn)證性仿真實(shí)驗(yàn)。仿真結(jié)果表明,在存在系統(tǒng)不確定性的情況下,采用基于區(qū)間自學(xué)習(xí)區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)的智能控制器能夠顯著提高系統(tǒng)的軌跡跟蹤精度和魯棒性,并使控制系統(tǒng)具有很強(qiáng)的環(huán)境適應(yīng)能力。針對(duì)機(jī)器人運(yùn)動(dòng)規(guī)劃問(wèn)題,提出了可重用粒子群最優(yōu)運(yùn)動(dòng)規(guī)劃方法。本方法將運(yùn)動(dòng)規(guī)劃問(wèn)題和優(yōu)化軌跡參數(shù)的重用問(wèn)題結(jié)合起來(lái),對(duì)含復(fù)雜約束的機(jī)器人運(yùn)動(dòng)規(guī)劃問(wèn)題進(jìn)行研究。采用基于軌跡特征點(diǎn)的機(jī)器人運(yùn)動(dòng)軌跡表征方法,使得不同軌跡可通過(guò)歸一化計(jì)算統(tǒng)一時(shí)間和空間尺度,從而增加了本方法的通用性。在運(yùn)動(dòng)規(guī)劃方面,提出了基于PSO的全局最優(yōu)運(yùn)動(dòng)規(guī)劃算法。建立了包含避障問(wèn)題等多約束條件的適應(yīng)度函數(shù)。為了提高收斂速度,設(shè)計(jì)了基于軌跡特征點(diǎn)適應(yīng)度值的粒子群初始化方法。在優(yōu)化軌跡的重用方面,提出了基于優(yōu)化軌跡調(diào)整量數(shù)據(jù)庫(kù)的優(yōu)化軌跡重用方法。為了提高軌跡數(shù)據(jù)庫(kù)檢索精度,設(shè)計(jì)了基于增強(qiáng)軌跡特征點(diǎn)適應(yīng)度值向量的相似檢索方法,使得檢索向量中包含更多軌跡特征點(diǎn)與障礙物之間的位置關(guān)系信息。建立了使用主鍵進(jìn)行數(shù)據(jù)關(guān)聯(lián)的優(yōu)化軌跡數(shù)據(jù)庫(kù)的數(shù)據(jù)存儲(chǔ)形式,分割了增強(qiáng)軌跡特征點(diǎn)適應(yīng)度數(shù)據(jù)庫(kù)和優(yōu)化軌跡調(diào)整量數(shù)據(jù)庫(kù)。在此基礎(chǔ)上,建立了基于詞匯樹(shù)的數(shù)據(jù)庫(kù)索引方式以提高本地優(yōu)化軌跡數(shù)據(jù)的檢索速度。仿真結(jié)果表明,本文提出的運(yùn)動(dòng)規(guī)劃方法計(jì)算速度快,規(guī)劃結(jié)果穩(wěn)定,能夠有效處理有復(fù)雜約束的運(yùn)動(dòng)規(guī)劃問(wèn)題。以Delta并聯(lián)機(jī)器人為機(jī)械本體,搭建了工業(yè)智能機(jī)器人控制及軌跡規(guī)劃實(shí)驗(yàn)平臺(tái)。設(shè)計(jì)了基于自學(xué)習(xí)區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)的智能控制系統(tǒng)實(shí)驗(yàn)和可重用粒子群最優(yōu)運(yùn)動(dòng)規(guī)劃方法實(shí)驗(yàn),并在實(shí)驗(yàn)平臺(tái)上對(duì)智能控制系統(tǒng)和運(yùn)動(dòng)規(guī)劃方法的有效性進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,基于自學(xué)習(xí)區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)的智能控制系統(tǒng)能有效地提高機(jī)器人軌跡跟蹤控制的精度和穩(wěn)定性,可重用粒子群最優(yōu)運(yùn)動(dòng)規(guī)劃方法能夠快速地在線解決有復(fù)雜約束的機(jī)器人運(yùn)動(dòng)規(guī)劃問(wèn)題。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：TP242.2;TP183
【部分圖文】：

圖 1-3 機(jī)器人操作系統(tǒng)與 PC 操作系統(tǒng)、手機(jī)操作系統(tǒng)的對(duì)比Fig.1-3 Operating system comparison of robot, PC and personal phone 1-3 所示，現(xiàn)代機(jī)器人系統(tǒng)的結(jié)構(gòu)與 PC 和手機(jī)類似，都含有平臺(tái)cosystem）四個(gè)要素：硬件、操作系統(tǒng)、應(yīng)用程序和用戶。PC 和手如 Windows、Linux、Android、iOS 等）的引入集成了硬件和軟件接了軟件和硬件的模塊化，降低了制造商的生產(chǎn)和專業(yè)開(kāi)發(fā)的成本高速發(fā)展，使得高性能個(gè)人計(jì)算機(jī)和手機(jī)的價(jià)格降低到了普通消平。與兩者類似，機(jī)器人操作系統(tǒng)能夠屏蔽異構(gòu)機(jī)器人的硬件資的管理機(jī)器人的軟件和硬件資源，支持智能機(jī)器人的應(yīng)用軟件的器人開(kāi)發(fā)者必須負(fù)擔(dān)硬件和軟件設(shè)計(jì)的整個(gè)流程不同，使用機(jī)器后，即使沒(méi)有硬件專業(yè)知識(shí)研究人員也可以使用軟件平臺(tái)來(lái)開(kāi)發(fā)器人操作系統(tǒng)中的軟件構(gòu)件化是一種提高機(jī)器人軟件重用性并降度的一種主流方法。為實(shí)現(xiàn)機(jī)器人系統(tǒng)的構(gòu)件化，必須將機(jī)器人分解為各種可重用構(gòu)件。不同構(gòu)件之間的通信通過(guò)中間件來(lái)實(shí)現(xiàn)個(gè)構(gòu)件和中間件的整合形成完整的機(jī)器人操作系統(tǒng)。未來(lái)機(jī)器人業(yè)領(lǐng)域的發(fā)展也會(huì)產(chǎn)生應(yīng)用于工業(yè)智能機(jī)器人的通用機(jī)器人操作

業(yè)智能機(jī)器人的發(fā)展具有很強(qiáng)的理論意義和實(shí)用價(jià)值。1.2 并聯(lián)機(jī)器人機(jī)構(gòu)參數(shù)優(yōu)化方法綜述目前主流工業(yè)機(jī)器人機(jī)械本體可分為串聯(lián)和并聯(lián)兩種形式，如圖1-4所示。作為一種具有閉鏈結(jié)構(gòu)的先進(jìn)機(jī)器人，并聯(lián)機(jī)器人在機(jī)構(gòu)學(xué)上具有慣量低、負(fù)載能力強(qiáng)、剛度大等優(yōu)點(diǎn)，彌補(bǔ)了傳統(tǒng)串聯(lián)機(jī)器人的不足，使得并聯(lián)機(jī)器人成為一種高速高精度的操作平臺(tái)。目前，并聯(lián)機(jī)器人已經(jīng)被廣泛的應(yīng)用于生產(chǎn)裝配、物料搬運(yùn)、精密測(cè)量、精密定位、力傳感器、醫(yī)療器械、運(yùn)動(dòng)模擬等多個(gè)領(lǐng)域。并聯(lián)機(jī)器人屬于非線性、強(qiáng)耦合的復(fù)雜動(dòng)力學(xué)系統(tǒng)，本文以這種具有復(fù)雜動(dòng)力學(xué)結(jié)構(gòu)的機(jī)器人系統(tǒng)為應(yīng)用對(duì)象，以使本文提出的理論和算法更具通用性。當(dāng)給定一個(gè)機(jī)器人的設(shè)計(jì)任務(wù)時(shí)，首先需要結(jié)合工作環(huán)境及任務(wù)需求對(duì)機(jī)器人結(jié)構(gòu)形式進(jìn)行選擇，稱為機(jī)構(gòu)綜合問(wèn)題，然后對(duì)相應(yīng)結(jié)構(gòu)的尺寸進(jìn)行優(yōu)化設(shè)計(jì)

Delta機(jī)器人坐標(biāo)系及結(jié)構(gòu)符號(hào)定義Fig.2-2CoordinatesystemandstructuralsymboldefinitionofDeltarobot

【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 劉玉炯;面向高速運(yùn)動(dòng)的Delta機(jī)器人非線性控制研究[D];哈爾濱工業(yè)大學(xué);2015年

本文編號(hào)：2824912