基于迭代学习的机械臂路径跟踪控制研究

【摘要】：机械臂广泛用于搬运、焊接、喷涂、汽车装配和纺纱厂等批量化、规模化加工制造与重复性流水作业的场合。随着工业化水平的突飞猛进,先进工业生产线对机械臂的精准控制提出了更高要求,如机械臂即使在有测量噪声、外部干扰和参数不确定性等情况下也要保证足够高精度的控制性能。迭代学习控制方法具有控制结构清晰、可充分利用先验信息、重复控制过程等特征,有助于提高机械臂系统关节位置收敛速度、路径跟踪精度,能够有效地解决机械臂在重复性作业过程中存在的控制参数不确定性和外界重复扰动等问题。本文主要研究以提高机械臂系统关节的路径跟踪控制精度和系统收敛速度为目的。主要研究内容如下:(1)研究基于迭代学习的机械臂控制系统基础理论。分析了迭代学习控制和自适应控制的理论基础与应用;根据机械臂系统的结构特点和工作原理,利用拉格朗日方法进行动力学分析并求解机械臂的动力学方程,建立了具有多关节(N自由度)机械臂系统的动力学模型。(2)针对机械臂系统存在的未知参数和重复干扰问题,提出了一种将含有增益变换技术的反馈PD控制定律和具有输入转矩曲线的前馈学习控制定律相结合的变增益迭代学习控制算法,并基于MATLAB对提出算法和现有研究实例进行了对比仿真实验。实验结果表明了本文方法的收敛速度与跟踪精度要比文献中提出的变增益迭代学习控制方法效果要好。(3)针对任务空间中存在不确定扰动的机械臂路径跟踪问题,本文采用迭代学习控制和自适应控制相结合的设计思想,借鉴已有变增益迭代学习控制的研究成果,提出了变增益自适应迭代学习控制算法,应用函数分析了算法的收敛性。通过对比仿真实验,验证了本文的变增益自适应迭代学习控制方法具备更好的稳定性、鲁棒性。