發(fā)布時間：2022-12-07 06:06

　　近些年來,隨著機器人工作任務(wù)和環(huán)境的不斷擴展,對其安全性、適應(yīng)性和靈活性提出了更高的要求,連續(xù)型機器人的理論、設(shè)計與應(yīng)用逐漸吸引越來越多的關(guān)注。連續(xù)型機器人由于其具有高柔順性的本體結(jié)構(gòu)和驅(qū)動器,可在一定程度內(nèi)通過自身的柔順性適應(yīng)不同幾何形狀。這一優(yōu)點使它有極大的潛能被應(yīng)用于救援,勘探,醫(yī)療等領(lǐng)域中各種不確定的環(huán)境,完成復(fù)雜的作業(yè)任務(wù)。但是,由于柔性本體結(jié)構(gòu)和驅(qū)動器特性復(fù)雜,使得連續(xù)型機器人的數(shù)學(xué)模型相較于剛體機器人的數(shù)學(xué)模型常常存在非常大的不確定性,這就對連續(xù)型機器人的控制器設(shè)計提出了極大的挑戰(zhàn)。與此同時,一般來說為了獲得較好的控制效果,需要在機器人上安裝大量傳感器來檢測狀態(tài)變量。但是對于連續(xù)型機器人而言,柔性驅(qū)動器的存在又會使得傳感器系統(tǒng)變得十分復(fù)雜,極大的增加了機器人的開發(fā)成本。針對以上存在的問題,本文提出了一種不依賴數(shù)學(xué)模型的氣壓驅(qū)動連續(xù)型機器人控制器。其只利用機器人末端位置以及驅(qū)動氣壓反饋,通過自適應(yīng)卡爾曼濾波器在線估計連續(xù)型機器人的雅各比矩陣,最終可以控制連續(xù)型機器人完成軌跡跟蹤任務(wù),這減輕了人們對精確的連續(xù)型機器人模型的需求并且極大減少了傳感器的復(fù)雜度和數(shù)量。由于卡爾曼濾波... 

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
字母注釋表
第一章 緒論
    1.1 引言
    1.2 課題來源及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 連續(xù)型機器人的結(jié)構(gòu)與驅(qū)動
        1.3.2 連續(xù)型機器人的數(shù)學(xué)模型
        1.3.3 連續(xù)型機器人的控制方法
    1.4 本文主要內(nèi)容
第二章 機器人樣機及模型
    2.1 引言
    2.2 氣壓驅(qū)動連續(xù)型機器人樣機
        2.2.1 樣機的機械結(jié)構(gòu)
        2.2.2 樣機的反饋控制系統(tǒng)
    2.3 機器人仿真分析模型
        2.3.1 串并聯(lián)機構(gòu)運動學(xué)模型
        2.3.2 氣動肌肉滯回模型
        2.3.3 廣義雅各比矩陣
    2.4 本章小結(jié)
第三章 基于雅各比估計的優(yōu)化控制器
    3.1 引言
    3.2 自適應(yīng)卡爾曼濾波
        3.2.1 離散隨機過程模型
        3.2.2 標準卡爾曼濾波模型
        3.2.3 強跟蹤自適應(yīng)卡爾曼濾波
    3.3 基于零空間投影的自適應(yīng)構(gòu)型優(yōu)化控制
        3.3.1 機器人微分運動學(xué)逆解
        3.3.2 零空間投影向量
    3.4 本章小結(jié)
第四章 可行性仿真測試
    4.1 引言
    4.2 仿真模型參數(shù)
    4.3 軌跡跟蹤仿真測試
        4.3.1 跟蹤精度評估
        4.3.2 收斂性評估
    4.4 構(gòu)型優(yōu)化測試
        4.4.1 構(gòu)型優(yōu)化對跟蹤精度的影響
        4.4.2 構(gòu)型優(yōu)化效果評估
    4.5 本章小結(jié)
第五章 對比實驗與驗證分析
    5.1 引言
    5.2 構(gòu)型優(yōu)化對比驗證實驗
    5.3 與基于模型的控制器的對比試驗
        5.3.1 軌跡跟蹤精度對比
        5.3.2 抗干擾性與魯棒性驗證
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 結(jié)論
    6.2 未來工作展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝


【參考文獻】：
期刊論文
[1]連續(xù)型機器人研究綜述[J]. 孫立寧,胡海燕,李滿天.  機器人. 2010(05)



本文編號：3712370