3DoF模块化机械臂轨迹跟踪策略*

2021-07-15 12:08:40王冬青许崇立
传感器与微系统 2021年7期
关键词:机械模型系统

周 振, 王冬青, 许崇立

(1.青岛大学 自动化工程学院,山东 青岛 266071; 2.青岛大学 电气工程学院,山东 青岛 266071)

0 引 言

机械臂是一种具有高度非线性、多变量、强耦合的复杂被控对象,容易受到自身参数不确定和外界干扰等不确定因素的影响[1~3],尤其是当前研究热点的模块化机械臂,其参数不确定性更大,很难得到精确的动力学数学模型[4,5]。因此,其轨迹跟踪控制具有极高的研究价值并且是一个具有挑战性的问题。为了实现机械臂稳定、快速、精确的轨迹跟踪控制,国内外学者进行了大量研究工作。

目前机械臂的轨迹跟踪方法主要包括有自适应比例—积分—微分(proportional-integral-differential,PID)控制、神经网络自适应控制、模糊自适应控制、滑模变结构控制和鲁棒自适应控制几种控制方法[6,7]。其中滑模变结构控制具有响应快速、对系统参数摄动和外部扰动不敏感等优点,广泛应用于机械臂的轨迹跟踪中[8,9]。但由于滑模控制固有的抖振问题不仅会影响系统控制的精确性,而且会增加控制器的负担,容易损坏控制器的部件。并且滑模控制需要假设系统不确定性上界已知,这就增加了理论分析的约束条件。滑模控制与智能控制相结合的控制方法是近年来抗抖振研究的热点[10]。文献[11,12]将滑模控制与模糊控制相结合,抑制了输出力矩的抖振,实现了稳定的轨迹跟踪。但模糊控制主要依赖研究者的经验,有一定的应用难度。文献[13]使用小波神经网络在线调整滑模开关增益,使控制器获得了良好的动态性能。……

登录APP查看全文

猜你喜欢
机械模型系统
一半模型
Smartflower POP 一体式光伏系统
工业设计(2022年8期)2022-09-09 07:43:20
WJ-700无人机系统
ZC系列无人机遥感系统
北京测绘(2020年12期)2020-12-29 01:33:58
重尾非线性自回归模型自加权M-估计的渐近分布
调试机械臂
当代工人(2020年8期)2020-05-25 09:07:38
简单机械
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
3D打印中的模型分割与打包
按摩机械臂