軌跡規(guī)劃是機(jī)器人高性能運(yùn)行的重要前提和保證。連續(xù)軌跡對(duì)精度要求較高,現(xiàn)有連續(xù)軌跡規(guī)劃算法計(jì)算量大,針對(duì)連續(xù)軌跡的規(guī)劃算法仍有待研究和發(fā)展�，F(xiàn)有最優(yōu)軌跡規(guī)劃算法依賴于動(dòng)力學(xué)建模,過程繁瑣復(fù)雜且計(jì)算量大。PID控制器是工業(yè)中最經(jīng)常使用的控制器,由于機(jī)器人動(dòng)力學(xué)非線性特性和不確定干擾,設(shè)計(jì)和調(diào)節(jié)PID控制器參數(shù)以達(dá)到高精度跟蹤控制非常困難且繁瑣。本文針對(duì)這些問題,假設(shè)動(dòng)力學(xué)模型未知并基于PID控制器進(jìn)行軌跡規(guī)劃算法的優(yōu)化與理論分析和仿真,開展實(shí)驗(yàn)研究。針對(duì)機(jī)器人運(yùn)行指標(biāo)要求,提出了一種具備智能學(xué)習(xí)能力的軌跡規(guī)劃方案。通過分析機(jī)器人在實(shí)際加工中遇到的問題,設(shè)計(jì)了智能軌跡規(guī)劃算法的整體方案,包括機(jī)器人軌跡規(guī)劃模塊,離線學(xué)習(xí)模塊以及在線學(xué)習(xí)模塊。軌跡規(guī)劃模塊通過建立運(yùn)動(dòng)學(xué)模型得到機(jī)器人正逆解關(guān)系,使用樣條插值對(duì)幾何軌跡進(jìn)行處理,通過建立小線段數(shù)學(xué)模型并使用前瞻算法對(duì)連續(xù)軌跡進(jìn)行速度規(guī)劃,插值后得到穩(wěn)定可運(yùn)行的軌跡。離線學(xué)習(xí)針對(duì)機(jī)器人非重復(fù)軌跡因?yàn)槟Ｐ驼`差造成的跟蹤誤差問題,通過設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和輸入特征選擇,利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的模型擬合和泛化能力,使用機(jī)器人運(yùn)行數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行精確模型擬合,使得...

【文章頁數(shù)】：84 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)器人軌跡規(guī)劃研究現(xiàn)狀
        1.2.2 機(jī)器人在線學(xué)習(xí)研究現(xiàn)狀
        1.2.3 機(jī)器人離線學(xué)習(xí)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
第2章 機(jī)器人軌跡規(guī)劃
    2.1 機(jī)器人運(yùn)動(dòng)學(xué)模型
        2.1.1 機(jī)器人運(yùn)動(dòng)學(xué)模型的建立
        2.1.2 機(jī)器人ER3A運(yùn)動(dòng)學(xué)模型
        2.1.3 機(jī)器人逆向運(yùn)動(dòng)學(xué)
        2.1.4 幾何軌跡插值處理
    2.2 軌跡規(guī)劃算法設(shè)計(jì)
        2.2.1 小線段數(shù)學(xué)模型
        2.2.2 進(jìn)給速度約束
        2.2.3 單軸性能限制
        2.2.4 前瞻機(jī)制
        2.2.5 軌跡插補(bǔ)模塊
    2.3 軌跡規(guī)劃算法仿真
    2.4 本章小結(jié)
第3章 機(jī)器人離線模型學(xué)習(xí)
    3.1 機(jī)械系統(tǒng)描述
    3.2 離線學(xué)習(xí)算法
        3.2.1 離線學(xué)習(xí)問題表述
        3.2.2 BP神經(jīng)網(wǎng)絡(luò)模型與訓(xùn)練準(zhǔn)則
        3.2.3 訓(xùn)練數(shù)據(jù)選擇與處理
        3.2.4 輸入特征選擇與預(yù)處理
    3.3 離線學(xué)習(xí)仿真
        3.3.1 三自由度機(jī)器人動(dòng)力學(xué)模型
        3.3.2 訓(xùn)練數(shù)據(jù)生成
        3.3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練
        3.3.4 輸入特征選擇仿真
        3.3.5 軌跡跟蹤性能泛化性仿真
    3.4 本章小結(jié)
第4章 機(jī)器人在線迭代學(xué)習(xí)
    4.1 在線學(xué)習(xí)算法
        4.1.1 RBF神經(jīng)網(wǎng)絡(luò)
        4.1.2 神經(jīng)網(wǎng)絡(luò)參數(shù)初始化
        4.1.3 學(xué)習(xí)律設(shè)計(jì)
        4.1.4 李雅普諾夫穩(wěn)定性證明
    4.2 在線學(xué)習(xí)仿真
        4.2.1 神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練仿真
        4.2.2 跟蹤誤差衰減仿真
        4.2.3 魯棒性仿真
    4.3 本章小結(jié)
第5章 軌跡規(guī)劃與學(xué)習(xí)算法實(shí)驗(yàn)與分析
    5.1 軌跡規(guī)劃算法實(shí)驗(yàn)與分析
        5.1.1 機(jī)器人實(shí)驗(yàn)平臺(tái)介紹
        5.1.2 軌跡規(guī)劃實(shí)驗(yàn)與分析
    5.2 離線學(xué)習(xí)實(shí)驗(yàn)與分析
        5.2.1 機(jī)器人離線學(xué)習(xí)實(shí)驗(yàn)與分析
        5.2.2 XY平臺(tái)離線學(xué)習(xí)實(shí)驗(yàn)與分析
    5.3 在線學(xué)習(xí)實(shí)驗(yàn)與分析
    5.4 離線學(xué)習(xí)與在線學(xué)習(xí)的結(jié)合使用
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄A 機(jī)器人逆向運(yùn)動(dòng)學(xué)
附錄B 樣條插值
附錄C 位姿確定
    C.1 位置和姿態(tài)獨(dú)立的情況
    C.2 位置和姿態(tài)耦合的情況
致謝



本文編號(hào)：3810630