在“中國制造2025”和“工業(yè)互聯(lián)網”被提出,國內人口紅利減少的背景下,Delta并聯(lián)機器人以其獨特的優(yōu)勢得到了快速發(fā)展,廣泛應用于高精、尖端領域。因此,Delta并聯(lián)機器人對穩(wěn)定性、快速性、定位精度、自適應性等性能提出了更高的要求,運動學求解、軌跡規(guī)劃、動力學控制,成為Delta并聯(lián)機器人中最重要的研究方向。本文分別在運動學求解、軌跡規(guī)劃方法、動力學控制、伺服系統(tǒng)控制方面開展Delta高速并聯(lián)機器人的關鍵技術的研究,主要研究工作及創(chuàng)新點歸納如下:1.從Delta高速并聯(lián)機器人的機械結構入手,運用幾何方法對并聯(lián)機器人正運動學、逆運動學分別求解,采用Matlab進行運算,通過不同區(qū)域數據進行正、逆運動學求解,驗證了方法的準確性。針對幾何法對正運動學求解的不足,提出使用基于遺傳算法的BP神經網絡對Delta高速并聯(lián)機器人正運動學進行求解,實現(xiàn)運算速度的提高,滿足系統(tǒng)快速性的需求。首先,采用LM法對BP神經網絡進行訓練,通過訓練,三層結構BP神經網絡進行預測能取得較好的效果,但精度不高。接著,針對此問題,采用遺傳算法提高了BP神經網絡的性能,降低了誤差,實現(xiàn)了高精度求解。與幾何法相比,基于遺... 

【文章來源】：長春理工大學吉林省

【文章頁數】：133 頁

【學位級別】：博士

【部分圖文】：

Delta并聯(lián)機器人運用領域

長春理工大學博士學位（畢業(yè)）論文102.1.1建立坐標系如圖2.2所示，左邊為Delta高速并聯(lián)機器人的三維圖，在其上建立立體坐標系，右邊是在XOZ平面上單獨對一根連桿進行分析建模。機器人系統(tǒng)的機構參數如下：R為主動臂中心點與坐標系中心點的距離，1L為主動臂長度，2L為從動臂長度為，r為動平臺的中心點與從動臂末端中心點距離，為主動臂與X軸的夾角，"2L是從動臂在主動臂截面上的投影，與動平臺的Y垂直。下面利用并聯(lián)機構的幾何關系進行求解。圖2.2Delta高速機器人坐標系建立2.1.2逆運動學分析從圖2.2中可以看出，可以利用并聯(lián)機構末端位置進行幾何建模求解，對從動臂L2有：222221dLd(2-1)同時，將L2投影到主動臂截面上的"2L，形成直角三角形，在坐標系的Y軸方向有：2222"2LyL(2-2)同樣在X軸方向上，有幾何關系：111OAcosdDCLx(2-3)

長春理工大學博士學位（畢業(yè)）論文16解動平臺末端中心點的坐標，這一過程可以使用神經網絡準確預測來實現(xiàn)。神經網絡具有非線性特征，能夠很好的逼近任意復雜的非線性系統(tǒng)，能夠處理多輸入多輸出系統(tǒng)，非常適合于多變量系統(tǒng)。本論文采用的BP神經網絡是目前應用最多的多層前饋神經網絡，其訓練算法是根據誤差進行逆向傳播。如圖2.3所示為典型的三層網絡拓撲結構。圖2.3典型三層BP神經網絡結構文中依據Delta高速并聯(lián)機器人設計了一個3層BP神經網絡模型來解決并聯(lián)機器人運動學的求解問題，網絡包括輸入層、隱含層和輸出層，隱含層采用單層結構。神經網絡的輸入是并聯(lián)機器人動平臺末端中心點的空間位姿，即Tn0，考慮到Tn0中有3個常量，初始設定輸入層有3個神經元節(jié)點，每個節(jié)點對應Delta高速并聯(lián)機器人關節(jié)的伺服輸入角度，則3個伺服輸入角度構成輸入向量ｘ，如式（2-19）所示。321,,x（2-19）神經網絡的輸出是Delta高速并聯(lián)機器人動平臺末端中心點空間笛卡爾坐標的輸出，構成輸出向量y，如式（2-20）所示。zyxPPPy,,（2-20）這里，xP，yP和zP分別是并聯(lián)機器人末端中心點的空間位置坐標。BP神經網絡中，每次循環(huán)訓練過程產生的權值變化由學習速率決定，為保證系統(tǒng)穩(wěn)定，在0.01～0.8之間選取較小的學習速率值。選取tansig函數作為隱含層的傳遞函數，由于整個網絡的輸出為任意值，所以選取purelin函數作為輸出層的傳遞函數。2.2.2改進的神經網絡算法普通的BP神經網絡具有訓練收斂速度慢的缺點，一般情況下，BP神經網絡的各參數諸如初始權值的大小，學習率的范圍，動量因子的選擇都會影響其預測精度，為

【參考文獻】：
期刊論文
[1]Delta機器人產品分揀軌跡規(guī)劃仿真[J]. 張續(xù)沖,張瑞秋,陳亮,張憲民.  計算機仿真. 2019(11)
[2]三自由度解耦并聯(lián)機器人設計與軌跡規(guī)劃[J]. 顧寄南,劉守.  機械設計與制造. 2019(11)
[3]一種非完全對稱新型Delta-CU并聯(lián)機構的動力學分析[J]. 李家宇,孟慶梅,鄧嘉鳴,沈惠平.  常州大學學報(自然科學版). 2019(05)
[4]粒子群算法在機械手臂B樣條曲線軌跡規(guī)劃中的應用[J]. 郭彤穎,劉雍,王海忱,李峰.  組合機床與自動化加工技術. 2019(06)
[5]新型N*3相永磁同步電機的特性分析及其預測控制[J]. 吳公平,黃守道,饒志蒙,羅德榮,張昌凡,呂銘晟,龍卓.  中國電機工程學報. 2019(04)
[6]高速并聯(lián)機械手抓放軌跡規(guī)劃方法[J]. 段曉斌,項忠霞,羅振軍,梅江平.  機械設計. 2018(08)
[7]基于能耗最優(yōu)的4自由度并聯(lián)機器人軌跡優(yōu)化[J]. 梅江平,孫玉德,賀瑩,臧家煒,方志煒.  機械設計. 2018(07)
[8]一種基于Bezier曲線的移動機器人軌跡規(guī)劃新方法[J]. 孫雷,張麗爽,周璐,張雪波.  系統(tǒng)仿真學報. 2018(03)
[9]基于PH曲線的Delta機器人軌跡規(guī)劃方法[J]. 蘇婷婷,張好劍,王云寬,秦曉飛,吳少泓,鄭軍,常劍章,王枝增,孫洪生.  機器人. 2018(01)
[10]二階系統(tǒng)線性自抗擾控制的穩(wěn)定性條件[J]. 金輝宇,劉麗麗,蘭維瑤.  自動化學報. 2018(09)

博士論文
[1]先進控制理論在冷軋平整機控制系統(tǒng)中的應用研究[D]. 李鵬威.北京科技大學 2019
[2]6-PRRS并聯(lián)機器人關鍵技術的研究[D]. 楊永剛.哈爾濱工業(yè)大學 2008
[3]高速輕型并聯(lián)機械手關鍵技術及樣機建造[D]. 李占賢.天津大學 2004

碩士論文
[1]三自由度Delta并聯(lián)機器人軌跡規(guī)劃及控制[D]. 王娜.青島大學 2019
[2]一種空間三平移并聯(lián)機構的運動學性能與仿真研究[D]. 劉小娟.中北大學 2017
[3]Delta并聯(lián)機器人運動規(guī)劃與動力學控制[D]. 郭曉彬.廣東工業(yè)大學 2015
[4]DELTA并聯(lián)機器人結構參數優(yōu)化與運動控制研究[D]. 黃海忠.哈爾濱工業(yè)大學 2013
[5]一種高速拾取并聯(lián)機器人的設計與實現(xiàn)[D]. 田濤.大連理工大學 2013
[6]基于DSP的嵌入式交流永磁同步電動機伺服控制系統(tǒng)的研究[D]. 柳成.東北師范大學 2009
[7]新型三平移并聯(lián)機器人機構的控制研究[D]. 畢可義.江蘇大學 2006



本文編號：2995095