毕业设计两关节机械手的自适应控制

本科毕业设计〔论文〕两关节机械手的自适应控制毕业设计〔论文〕任务书学院：电气工程学院系级教学单位：自动化系学号学生姓名专业班级题目题目名称两关节机械手的自适应控制题目性质1.理工类：工程设计〔〕；工程技术实验研究型〔〕；理论研究型〔〕；计算机软件型〔〕；综合型〔√〕2.管理类〔〕；3.外语类〔〕；4.艺术类〔〕题目类型1.毕业设计〔√〕2.论文〔〕题目来源科研课题〔〕生产实际〔〕自选题目〔√〕主要内容1.了解和熟悉两个关节机械手的数学模型;2.明确设计目标，学习和掌握自适应控制设计方法;3.对机械手进行自适应控制器设计;4.控制过程的仿真研究并给出研究结果;5.撰写论文,准备辩论.基本要求完成毕业设计说明书一份,格式根本与正规科技论文相同，字数在2.4万字以上，要求有不超过300字的中、英文摘要；查阅文献15篇以上〔科技论文占大局部，且包括一定数量的英文资料〕，翻译与课题有关的外文资料不少于5千汉字；绘制A1图纸一张以上.参考资料机械手和机械手控制相关的文献资料网上自己查阅的课题相关资料自适应控制理论方面的书籍Matlab仿真技术方面的书籍周次第1～4周第5～8周第9～12周第13～15周第16周应完成的内容了解和熟悉机械手的数学模型及其特点明确设计目标，学习自适应控制理论的根本知识针对机械手的特点设计自适应控制器；控制系统仿真控制系统仿真研究及结果；撰写论文准备辩论指导教师：职称：2021年12月28日系级教学单位审批：2021年3月20日摘要由于操作机器人的工作环境及工作目标的性质和特征在工作过程中会随时发生变化，导致控制因素具有未知性和不确定的特性。这种未知因素和不确定性将使控制系统的性能变差，不能满足控制要求，因此有了机器人自适应控制的相关研究。本论文主要介绍了两关节机械手的自适应控制。给定期望轨迹，然后设计自适应控制器，进而控制机械手的运动轨迹在误差允许的范围内到达预期目标。当机械手在工作环境中某些参数有所变化时，一些未知因素和不确定性将使控制系统的性能变差，由于这种未知因素和不缺定性的值无法预先测量，常规的控制系统不能满足控制要求，而一般反应技术或开环补偿方法也不能很好的解决这一问题。自适应控制系统是一个具有一定适应能力的系统，它能够认识环境条件的变化并自动校正控制动作，使系统到达最优或接近最优的控制效果。为了适应机械手的这些不确定参数等的干扰，使系统在干扰条件下始终保持稳定，从而设计自适应控制器控制机械手的运动状态。关键词机械手；自适应；不确定性；MATLABAbstractAstheoperationoftherobot'sworkingenvironmentandcharacteristicsofthegoalinthecourseoftheirworktochangeatanytime,sothereareunknownanduncertainfactorsinthecontrolproperties.Unknownfactorsanduncertaintiesthatwillleadtotheperformanceofthecontrolsystemworse,cannotmeetthecontrolrequirements,soadaptivecontrolofrobotresearchappear.Thispaperintroducestwoadaptivecontrolofrobotjoints.Givendesiredtrajectory,andthendesignadaptivecontroller,andthencontrolthemanipulatortrajectoryerrortotheextentpermittedinthedesiredtarget.

Whenthemechanicalhandintheworkenvironmenthaschangedsomeparameters,someunknownfactorsanduncertaintyincontrolsystemperformancewilldeteriorate,becauseofthisunknownfactorandnoshortageofqualitativevaluecannotbepre-measurement,theconventionalcontrolsystemcannotmeetthecontrolrequirements,andgeneralfeedbackoropenloopcompensationcannotbeagoodsolutiontothisproblem.Adaptivecontrolsystemisasystemwithsomeadaptation,itcanrecognizechangesinambientconditionsandautomaticallytuningcontrolmovementstothesystemtoachieveoptimalornearoptimalcontrolperformance.Inordertoadapttotheseuncertainparametersmanipulatorsuchinterference,thesystemintheinterferenceconditionhasremainedstable,inordertodesignadaptivecontrollertocontrolthemanipulatormotionstate.

Keywords:Manipulator;Adaptive;Uncertainty;Optimalcontrol目录摘要 )是连续的在T中，那么结果就是(q,)of(1).就要持续将and成为ij-th要素矩阵;我们可以界定然后ΔF1(k)可以表达为对于ij-th元素的矩阵ΔF1(k)我们可以得到==当0≤≤1,and,≈1对于一个小样本的时间Ts.从(3)得到,它可以被看作为ΔF1(k)→0当Ts趋近于零在在一个紧凑的设置中.类似的性能也可以到达为系数矩阵f2(k),andβ(k).在一个紧凑的一套,以下属性可以推断，从(3)和表达的系数矩阵(2b)条：所有物1:如果样品时间Ts足够小,那么所有系数矩阵(2b)条的时间正在慢慢变;所有物2:f1(k)→2I,f2(k)→−I和f1(k)+f2(k)→I,当样品时间Ts趋近于零.然后我们可以定于离散方程(2b)与性能的第一和第二款作为机械手特征模型。3多变量GSA的控制器与神经网络补偿离散方程(2b)条可表示为如下(4)当,,e(k)是指载体的白噪声与零的意思.在≡0,and的情况下可以减少到然后元素q(k+1)可以表示为(5)当i=1,…,n,(k+1))是q(k+1)的元素i,ei(k)是oe(k)的元素i，并且θi(k)是矩阵中的圆柱i.当系数矩阵都是未知，可以估计为=π(q(k),q(k−1),...,u(k−1),...),(6a)当是Θ(k)在当时估计的系数矩阵t=kTs,and意味着操纵者的意愿。考虑到系数矩阵的特征模型的时间正在慢慢变，我们可以获取选定的估计运营商的加权最小二乘法(WLS)[13],,当λ(k+1)=μ0λ(k)+(1−μ0),0<μ0≤1,andmatrix圆柱i.鉴于预期的顺利轨迹,自适应控制控制器的设计如下(7)当前馈控制律设计(7a)并且和多变量gsac反应法(7b)当是跟踪误差，并且ε(k)>0是是一个很小的标量，防止估计矩阵存在差异.在这个期间将稍后设计;L1和L2是黄金分割系数,这就是:,,并将满足L1+L2=1和从而取代(7)进入(2),我们可以得到和.确定跟踪过滤错误s(k+1)并且运用其中的关心L1+L2=1和,(8)将被表达为=当假设,,和,if被选定为然后Δ(k)=0,再(9)可以被写作(10)当在所有物2asTs→0在一个紧凑的设置,在一个小样本时间Ts中可以选择不平等可以得到满足。故在跟踪过滤错误s(k)在这种情况下趋近与零.收敛性的S(k)至零，从而保证了收敛的Q(k)至零。由于动态的估计和随时间变化的系数特征模型、它几乎是不可能的，以满足上述假设。因此，我们可以设计一个适当的补偿控制法，以防止可能的情况出现，控制性能恶化，或该闭环系统是不稳定的，甚至因估计错误。因此，设计为(11)当是Δ(k)的估计值.假设Δ(k)能够的顺利进行和范围内，这样它就能被近似线性参数神经网络的任何所需的准确度。然后元素Δi(k)ofΔ(k)可以表达为(12)当i=1,…n,is是圆柱体i的最优神经网络的权重矩阵，,.激活功能代表基函数向量，它可以选择任何一高斯径向基，B样条的根底和小波巴斯等等。[14],并且δi(k)表示元素i在神经网络误重建差量kδ(k).使用补偿控制定理,(9)可以被写成为(13)在是的判断,并且对的估计已经通过最小化本钱函数得到了(14)把(13)代入(14)之后，梯度本钱函数在(14)导出(15)根据该梯度下降法神经网络的重量适应的定理可以设计为(16)当α>0,那么补偿控制定理在(11)可以被写成为(17)鉴于这个例子之时可以简化为考虑一个平面，两个环节，阐述了机械手的作为，在〔3〕(如图一介绍),其动态可以书面明确为当其中,,,and.在模拟设计中，样本时间Ts=2ms,初始值和参数估计和控制器的选定为P(0)=1×I,λ(0)=0.96,μ0=0.98,反奇异因素ε(k)可以被描述为ε(k)=5×exp(−kTs).根据所有物2,初步估计值的特征模型的系数矩阵选择一个根底的一系列激活函数y〔k〕项可以选择，因为在随机向量函数的联系网，[16]，即(19)与V随机选取矩阵和和X(k)t神经网络的输入向量。可以被选择为双曲正切函数X(k)可作为.对于NN的适应增益微调值可以为α=0.005