【摘要】针对伺服电机作为驱动装置的并联机器人,首先运用模糊神经网络(FNN)控制策略对驱动侧进行控制仿真,在分析结果后,结合Teiminal滑模控制方法,提出一种新的控制策略,用FNN输出代替滑模中引起抖振的切换部分,Terminal滑模函数的选取保证了输出跟踪误差在有限时间内收敛到零,仿真结果表明,所提出的控制策略可以实时的满足并联机器人的高精度,高速度控制要求。
关键词:并联机器人;伺服电机;模糊神经网络;Terminal;轨迹跟踪
目前,并联机器人具有高精度、高刚度、高承载力、运动惯量小等特点,在机床加工、轻工业、汽车行业、飞机制造业、飞行模拟、医疗、微动操作等方面已表现出独特的优势。
关于并联机器人的研究主要集中于机构学、运动学、动力学和控制策略研究等几个领域。其中,机构学与运动分析主要研究并联机器人的运动学问题、奇异位形、工作空间和灵巧度分析等方面。动力学分析及控制策略的研究主要是对并联机器人进行动力学分析和建模,并且研究利用各种可能的控制算法,对并联机器人实施控制,从而达到期望的控制效果。
本文旨在设计一种控制策略,以期满足并联机构的高速度、高精度的控制要求。并联机器人本身是一个高度非线性的系统,运动过程中存在着很大的干扰因素,常规的控制策略很难满足控制要求。[1]模糊神经网络(FNN)融合了模糊逻辑推理能力与神经网络的学习能力,应用反向传播算法来修正网络的链接权重,进而自动辨识模糊模型和调整其隶属函数,弥补了神经网络在模糊数据处理方面的不足和纯模糊逻辑在学习方面的缺陷。在将FNN方法应用于并联机器人控制时,发现这种方法在控制过程的初始阶段并不能很快的将误差降到期望范围内,据比较,结合一种近年来才被提出Terminal滑模控制策略[2],设计了新的控制器以达到并联机器人的控制要求。
所研究并联机器人是二自由度驱动冗余并联机器人,有三个驱动部分,每个驱动侧包括一个松下MINASA系列AC伺服电机和减速装置。上位机通过控制卡GT-400-SV来控制三个电机。基于机器人支路模型的分散控制系统是目前在实际过程中应用最为广泛的设计方法之一,即为三个支路分别建立闭环控制结构,在上位机中通过软件来协调三轴运动.
计中,与传统的滑模控制相比,除了具有更高的鲁棒性外,还可令系统状态在有限时间内收敛到零,并具有更高的稳态跟踪精度。人本身是一个高度非线性的系统,运动过程中存在着很大的干扰因素,FNN应用反向传播算法来修正网络的链接权重,进而自动辨识模糊模型和调整其隶属函数,这样就有效降低了由于系统不确定因素所带来的抖振。用来控制并联机器人,仿真结果表明该种方法能够满足并联机器人高精度、高速度的控制要求。
|
