技術(shù)頻道

娓娓工業(yè)
您現(xiàn)在的位置: 中國(guó)傳動(dòng)網(wǎng) > 技術(shù)頻道 > 技術(shù)百科 > 基于神經(jīng)網(wǎng)絡(luò)模型辨識(shí)的機(jī)器人迭代學(xué)習(xí)控制方法研究

基于神經(jīng)網(wǎng)絡(luò)模型辨識(shí)的機(jī)器人迭代學(xué)習(xí)控制方法研究

時(shí)間:2013-01-11 13:02:28來(lái)源:仲萌維

導(dǎo)語(yǔ):?為了提高焊接機(jī)器人的工作效率和系統(tǒng)控制精度,本文將神經(jīng)網(wǎng)絡(luò)模型識(shí)別與迭代學(xué)習(xí)控制相結(jié)合,提出了基于神經(jīng)網(wǎng)絡(luò)模型識(shí)別的迭代控制策略。該策略可解決對(duì)象存在非線性和建模不良造成的不確定性方面的問(wèn)題,提高系統(tǒng)控制性能。仿真結(jié)果表明,該策略可優(yōu)化系統(tǒng)動(dòng)態(tài)性能,提高系統(tǒng)控制精度

引言

焊接機(jī)械手的軌跡跟蹤是焊接機(jī)器人控制的難點(diǎn)。機(jī)械手是一個(gè)典型的非線性動(dòng)力系統(tǒng),具有大慣性和大延遲。目前對(duì)機(jī)械手的控制,主要采用傳統(tǒng)PID控制。由于系統(tǒng)復(fù)雜性較高,設(shè)計(jì)人員為建立系統(tǒng)模型做出各種假設(shè)和簡(jiǎn)化,因此數(shù)學(xué)模型的控制精度會(huì)受到很大的影響。本文將神經(jīng)網(wǎng)絡(luò)辨識(shí)與迭代控制相結(jié)合,提出基于神經(jīng)網(wǎng)絡(luò)辨識(shí)的迭代學(xué)習(xí)控制策略。該策略能夠提高系統(tǒng)控制精度,并使系統(tǒng)在較為廣泛的運(yùn)行條件范圍內(nèi)實(shí)現(xiàn)控制系統(tǒng)的控制功能和期望性能,改善系統(tǒng)控制性能。

1 神經(jīng)網(wǎng)絡(luò)模型辨識(shí)

神經(jīng)網(wǎng)絡(luò)具備的泛化能力和快速學(xué)習(xí)能力為非線性系統(tǒng)辨識(shí)提供了有效的途徑,神經(jīng)網(wǎng)絡(luò)在機(jī)器人系統(tǒng)的研究上,充分發(fā)揮了神經(jīng)網(wǎng)絡(luò)的映射能力,神經(jīng)網(wǎng)絡(luò)可解決機(jī)器人控制系統(tǒng)中存在的死區(qū)、摩擦等非線性問(wèn)題。神經(jīng)網(wǎng)絡(luò)模型辨識(shí)在機(jī)器人控制中的應(yīng)用,如圖1所示。

圖1 基于神經(jīng)網(wǎng)絡(luò)控制的剛性機(jī)械手結(jié)構(gòu)圖

神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)的特點(diǎn)是不需要建立系統(tǒng)辨識(shí)模型,對(duì)系統(tǒng)辨識(shí)的過(guò)程就是通過(guò)學(xué)習(xí)系統(tǒng)輸入、輸出數(shù)據(jù)的過(guò)程。學(xué)習(xí)的目的是使誤差函數(shù)值達(dá)到最小,反映出輸入、輸出數(shù)據(jù)間的映射關(guān)系。若神經(jīng)網(wǎng)絡(luò)的輸出能夠逼近系統(tǒng)在相同輸入信號(hào)激勵(lì)下的輸出,則可認(rèn)為神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)原系統(tǒng)的辨識(shí),以神經(jīng)元網(wǎng)絡(luò)的輸出作為實(shí)際系統(tǒng)的輸出估計(jì)。

2 迭代學(xué)習(xí)控制器的設(shè)計(jì)

2.1 迭代學(xué)習(xí)控制

迭代學(xué)習(xí)控制適合于重復(fù)運(yùn)動(dòng)性質(zhì)的被控對(duì)象,無(wú)需辨識(shí)系統(tǒng)的參數(shù),通過(guò)迭代修正改善系統(tǒng)控制目標(biāo),迭代控制方法不依賴(lài)于系統(tǒng)精確的數(shù)學(xué)模型,可在給定的時(shí)間區(qū)段上,以極為簡(jiǎn)單的算法解決復(fù)雜的控制問(wèn)題[5]。

對(duì)于n階線性時(shí)變的離散系統(tǒng),迭代控制模型可描述為:

圖2 迭代學(xué)習(xí)控制器

2.2 機(jī)器人迭代學(xué)習(xí)控制器設(shè)計(jì)

系統(tǒng)控制框圖,如圖3所示。

圖3 系統(tǒng)控制框圖

3 焊接機(jī)器人控制仿真

采用柔性連接的機(jī)械手作為仿真對(duì)象,如圖4所示。

圖4 機(jī)械手示意圖

利用拉格朗日方法可以導(dǎo)出如下動(dòng)力學(xué)方程:

圖5 神經(jīng)網(wǎng)絡(luò)逆向辨識(shí)結(jié)結(jié)構(gòu)圖

給定正弦激勵(lì)信號(hào),運(yùn)用Matlab程序代碼文件對(duì)該控制系統(tǒng)仿真。迭代學(xué)習(xí)控制曲線和傳統(tǒng)PID控制響應(yīng)曲線如圖6所示。

圖6 基于神經(jīng)網(wǎng)絡(luò)模型識(shí)別的迭代學(xué)習(xí)控制響應(yīng)曲線與常規(guī)PID控制響應(yīng)曲線

4 結(jié)論

從仿真結(jié)果可以看出,本文提出的基于神經(jīng)網(wǎng)絡(luò)辨識(shí)模型迭代控制方案控制效果明顯優(yōu)于傳統(tǒng)的PID控制,該控制策略跟蹤精度高,超調(diào)量小,能夠有效地提高系統(tǒng)的控制精度。同時(shí),優(yōu)化該控制策略可應(yīng)用于其他機(jī)器人跟蹤控制系統(tǒng),使系統(tǒng)投入到更廣闊的機(jī)器人控制領(lǐng)域。

標(biāo)簽:

點(diǎn)贊

分享到:

上一篇:ALPHA6000系列在三泵循環(huán)恒壓...

下一篇:微能WIN-V63矢量控制變頻器在...

中國(guó)傳動(dòng)網(wǎng)版權(quán)與免責(zé)聲明:凡本網(wǎng)注明[來(lái)源:中國(guó)傳動(dòng)網(wǎng)]的所有文字、圖片、音視和視頻文件,版權(quán)均為中國(guó)傳動(dòng)網(wǎng)(m.u63ivq3.com)獨(dú)家所有。如需轉(zhuǎn)載請(qǐng)與0755-82949061聯(lián)系。任何媒體、網(wǎng)站或個(gè)人轉(zhuǎn)載使用時(shí)須注明來(lái)源“中國(guó)傳動(dòng)網(wǎng)”,違反者本網(wǎng)將追究其法律責(zé)任。

本網(wǎng)轉(zhuǎn)載并注明其他來(lái)源的稿件,均來(lái)自互聯(lián)網(wǎng)或業(yè)內(nèi)投稿人士,版權(quán)屬于原版權(quán)人。轉(zhuǎn)載請(qǐng)保留稿件來(lái)源及作者,禁止擅自篡改,違者自負(fù)版權(quán)法律責(zé)任。

網(wǎng)站簡(jiǎn)介|會(huì)員服務(wù)|聯(lián)系方式|幫助信息|版權(quán)信息|網(wǎng)站地圖|友情鏈接|法律支持|意見(jiàn)反饋|sitemap

傳動(dòng)網(wǎng)-工業(yè)自動(dòng)化與智能制造的全媒體“互聯(lián)網(wǎng)+”創(chuàng)新服務(wù)平臺(tái)

網(wǎng)站客服服務(wù)咨詢(xún)采購(gòu)咨詢(xún)媒體合作

Chuandong.com Copyright ?2005 - 2024 ,All Rights Reserved 深圳市奧美大唐廣告有限公司 版權(quán)所有
粵ICP備 14004826號(hào) | 營(yíng)業(yè)執(zhí)照證書(shū) | 不良信息舉報(bào)中心 | 粵公網(wǎng)安備 44030402000946號(hào)