軌跡規(guī)劃是機器人高性能運行的重要前提和保證。連續(xù)軌跡對精度要求較高,現有連續(xù)軌跡規(guī)劃算法計算量大,針對連續(xù)軌跡的規(guī)劃算法仍有待研究和發(fā)展�，F有最優(yōu)軌跡規(guī)劃算法依賴于動力學建模,過程繁瑣復雜且計算量大。PID控制器是工業(yè)中最經常使用的控制器,由于機器人動力學非線性特性和不確定干擾,設計和調節(jié)PID控制器參數以達到高精度跟蹤控制非常困難且繁瑣。本文針對這些問題,假設動力學模型未知并基于PID控制器進行軌跡規(guī)劃算法的優(yōu)化與理論分析和仿真,開展實驗研究。針對機器人運行指標要求,提出了一種具備智能學習能力的軌跡規(guī)劃方案。通過分析機器人在實際加工中遇到的問題,設計了智能軌跡規(guī)劃算法的整體方案,包括機器人軌跡規(guī)劃模塊,離線學習模塊以及在線學習模塊。軌跡規(guī)劃模塊通過建立運動學模型得到機器人正逆解關系,使用樣條插值對幾何軌跡進行處理,通過建立小線段數學模型并使用前瞻算法對連續(xù)軌跡進行速度規(guī)劃,插值后得到穩(wěn)定可運行的軌跡。離線學習針對機器人非重復軌跡因為模型誤差造成的跟蹤誤差問題,通過設計神經網絡結構和輸入特征選擇,利用神經網絡強大的模型擬合和泛化能力,使用機器人運行數據訓練神經網絡進行精確模型擬合,使得...

【文章頁數】：84 頁

【學位級別】：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 國內外研究現狀
        1.2.1 機器人軌跡規(guī)劃研究現狀
        1.2.2 機器人在線學習研究現狀
        1.2.3 機器人離線學習研究現狀
    1.3 本文主要研究內容
第2章 機器人軌跡規(guī)劃
    2.1 機器人運動學模型
        2.1.1 機器人運動學模型的建立
        2.1.2 機器人ER3A運動學模型
        2.1.3 機器人逆向運動學
        2.1.4 幾何軌跡插值處理
    2.2 軌跡規(guī)劃算法設計
        2.2.1 小線段數學模型
        2.2.2 進給速度約束
        2.2.3 單軸性能限制
        2.2.4 前瞻機制
        2.2.5 軌跡插補模塊
    2.3 軌跡規(guī)劃算法仿真
    2.4 本章小結
第3章 機器人離線模型學習
    3.1 機械系統描述
    3.2 離線學習算法
        3.2.1 離線學習問題表述
        3.2.2 BP神經網絡模型與訓練準則
        3.2.3 訓練數據選擇與處理
        3.2.4 輸入特征選擇與預處理
    3.3 離線學習仿真
        3.3.1 三自由度機器人動力學模型
        3.3.2 訓練數據生成
        3.3.3 神經網絡訓練
        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
第4章 機器人在線迭代學習
    4.1 在線學習算法
        4.1.1 RBF神經網絡
        4.1.2 神經網絡參數初始化
        4.1.3 學習律設計
        4.1.4 李雅普諾夫穩(wěn)定性證明
    4.2 在線學習仿真
        4.2.1 神經網絡預訓練仿真
        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
第5章 軌跡規(guī)劃與學習算法實驗與分析
    5.1 軌跡規(guī)劃算法實驗與分析
        5.1.1 機器人實驗平臺介紹
        5.1.2 軌跡規(guī)劃實驗與分析
    5.2 離線學習實驗與分析
        5.2.1 機器人離線學習實驗與分析
        5.2.2 XY平臺離線學習實驗與分析
    5.3 在線學習實驗與分析
    5.4 離線學習與在線學習的結合使用
    5.5 本章小結
結論
參考文獻
附錄A 機器人逆向運動學
附錄B 樣條插值
附錄C 位姿確定
    C.1 位置和姿態(tài)獨立的情況
    C.2 位置和姿態(tài)耦合的情況
致謝



本文編號：3810630