轮式移动机械臂的位置/力控制研究

来源 :中国石油大学(华东) | 被引量 : 0次 | 上传用户:mmx1019
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着自动化技术和信息化技术的不断发展和融合,机器人产业得到了迅猛的发展。与此同时,对于机器人控制的理论研究也逐渐成为热点课题。在机器人位置/力的控制方面,相比于研究中常见的固定基座机械臂模型,轮式移动机械臂模型有着工作空间更广、运动更加灵活等特点。本文以轮式移动机械臂为研究对象,考虑实际运动情况,针对其可能遇到的三种非线性:柔性关节、关节死区和动态约束,同时考虑建模误差、模型参数未知和电机模型存在干扰等影响,分别对系统进行分析并设计了相应的控制方案。针对柔性关节下轮式移动机械臂的控制问题,首先将柔性关节简化为线性扭转弹簧模型,建立了带柔性关节的系统动力学模型。然后考虑建模误差的影响,对建模误差进行自适应估计,设计了一种鲁棒自适应控制策略,保证位置误差收敛,力误差有界。接着,考虑柔性关节模型中电机转动惯量未知的情况,通过对电机转动惯量进行自适应估计,设计了改进的鲁棒自适应控制策略。理论分析证明所设计的控制方案可以很好地补偿柔性关节的影响。针对关节死区下轮式移动机械臂的控制问题,首先对电机死区模型进行处理,给出了控制器输出力矩和关节驱动力矩的关系。然后根据降维后的系统动力学模型,设计死区宽度自适应律并给出了一种基于线性滑模的自适应控制策略。同时考虑轮式移动机械臂模型未知但存在上界的情况,采用鲁棒控制策略,设计了改进的鲁棒自适应控制策略,保证了系统位置和约束力的有界性。针对动态约束下轮式移动机械臂的控制问题,首先针对动态约束下速度量与约束力不正交的情况,采用修正的正交化方法,通过设计变换矩阵对系统进行处理,使得位置量和速度量与约束力分别映射到相互正交的空间当中,实现解耦。然后设计系统的位置/力控制策略,使得系统位置和约束力渐进收敛到零。接着考虑电机模型存在干扰的情况,采用反步法思想设计了系统的期望力矩控制策略和电机控制策略,增强了电机模型存在干扰时系统的鲁棒性。通过选取合适的李雅普诺夫函数证明了关节位置误差、环境约束力误差和电机力矩误差渐进收敛到零。最后通过SIMULINK仿真,验证了上述结论的有效性。
其他文献
近年来,流式文档广泛地应用在社交、媒体、办公以及出版等领域。面对海量的流式文档,如何使计算机自动、准确地理解文档成为了各行各业开展其他应用研究的基础。其中对流式文档结构的理解,一方面可为文档检查优化、文档自动排版、结构化检索等应用奠定基础,另一方面也可辅助篇章层次分析、文章主题抽取等更高层次的语义研究,有较大的应用价值。由于流式文档格式的复杂性、排版风格的差异性等因素,导致计算机自动理解其结构较为
知识爆炸的信息化时代,人们获取信息的途径、思考的方式都发生了深刻变化。正是环境、工具的改变,信息时代对学习者的能力也有了不同以往的要求,更加注重学习者的批判性思维、问题解决等高阶能力。深度学习作为一种注重学习者以批判质疑的态度看待知识、积极主动的将新旧知识进行联结,并能利用获取的知识解决存在于现实生活中问题的学习过程,与当前社会对人才的要求不谋而合。面对知识的爆炸增长,仅仅凭借单纯的死记硬背、填鸭
学位
针对传统入侵检测模型在高维数据且数据不均衡环境下检测性能较差的问题,采用基于深度学习模型的特征学习与泛化能力与不平衡算法中过采样算法对数据分布不均问题的解决方案,提出了一种自适应过采样算法(ADASYN,Adaptive Synthetic Sampling Approach)与改进堆叠式降噪自编码器(SDA,Stacked Denoise AutoEncoder)结合的入侵检测模型,在保持原有深
复值神经网络是一类用复数变量解决复杂问题的网络。梯度下降法是训练复值神经网络的流行算法之一。目前,建立的传统网络模型大多数是整数阶模型。与经典的整数阶模型相比,建
近年来,随着互联网技术的快速发展与应用,线上数字内容呈现出爆炸式的增长趋势。用户在使用传统搜索系统进行信息搜索时,经常会获得海量不相关的搜索结果,这些结果往往与用户
不完整数据分类问题是机器学习领域中的一个重要分支。随着传感器技术、信息技术等科学技术的迅猛发展,数据获取途径日益丰富,这给机器学习、数据挖掘等领域的发展带来了极大的机遇。然而在实践中,通常会因为存储设备损坏、数据采集设备能力有限等多种因素导致数据出现缺失的情况,传统的机器学习分类算法往往是针对完整数据而设计的,因此,缺失值的存在导致了多数现有数据分析方法的不适用。尽管有少数算法可以直接对不完整数据
经济全球化在改革开放的推动下得到了迅猛发展,各大企业为了实现资源的合理高效配置,使得企业规模得到进一步扩张,都开始施行跨国并购。但是很多企业的跨国并购最终是以失败
2018年中央一号文件首次论述了“促进小农户和现代农业发展有机衔接”,其背景是小农户发展攸关我国农业基础稳固和社会稳定。“生存型农户向经营型农户转变”命题是“促进小农户和现代农业发展有机衔接”的应有之义。由于促使新的农业生产方式形成的制度演进的自然逻辑以及资源禀赋约束,家庭农业即使衰变、收缩,也有其内在地自由选择和外在赋予的强大生命力。我国贫困地区由于多处于山地丘陵或干旱半干旱区,代表新农业生产方
自然场景图像中,特征提取的质量是决定目标检测性能的关键因素。目前,大多数检测算法都是利用卷积神经网络的学习能力来获得目标的先验知识,并根据这些知识进行目标检测。卷积神经网络的低层次特征具有高分辨率、低抽象语义、位置信息少的特点,缺乏特征的代表性;高层次的特征具有高识别性、低分辨率的特点,检测小尺度目标能力不足。本文以卷积神经网络为基础,提出一种多尺度特征图融合的目标检测方法。首先,利用原始SSD(
随着现今工业过程日趋大型化和复杂化,过程监控技术在保证生产安全和产品质量方面发挥了越来越重要的作用。由于集散控制系统(Distributed Control System,DCS)的广泛应用,丰