基于BP神经网络的机器人柔性关节运动精度研究
发布时间：2022-12-17 08:38
传统工业机器人大多由刚性材料制造,其负载、自重比较大,作业过程中会产生较大的能耗;当进行人机协作的相关任务时,对于使用者来说,较大的关节刚度有一定的操作风险。因此,轻量化成为工业机器人的发展趋势,具有低自重/负载比、高柔顺性、高精度和高鲁棒性的柔性关节机器人已经成为了各个行业应用的发展趋势。但是由于其自身内部的弹性结构也会导致机器人关节的控制精度差、鲁棒性差等一系列问题,对柔性关节机器人执行高要求控制任务时的稳定性和精度产生了不良影响。为了使柔性关节机器人能够获得较好的性能,对柔性关节的研究至关重要。本论文以轻量协作机器人的柔性关节作为研究对象,针对该关节的动力学建模及高精度、高鲁棒性的控制策略开展研究,主要工作及创新点具体如下:（1）将六自由度协作机器人的柔性关节作为系统的研究对象,并将携带负载的柔性关节等效为两刚体弹簧系统,并利用前馈与反馈相结合的控制策略对机器人进行控制,在对其结构组成及控制精度等因素研究的基础上,进行关节运动仿真分析及实验验证,表明所提理论能够有效提升机器人精度。并建立柔性关节机器人的动力学模型,研究了柔性关节机器人的控制原理。（2）由于柔性关节存在的弹性机构、...
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题背景与研究意义
1.3 国内外研究现状
1.3.1 柔性关节机器人应用现状研究
1.3.2 柔性关节机器人动力学建模概况
1.3.3 柔性关节机器人控制理论研究概况
1.4 论文主要研究工作
第2章 协作机器人柔性关节控制系统设计
2.1 引言
2.2 协作机器人柔性关节前馈与反馈控制系统设计
2.2.1 前馈与反馈控制理论研究
2.2.2 两刚体弹簧系统的分析与建模
2.2.3 协作机器人单关节前馈与反馈系统仿真
2.3 实验设计分析
2.3.1 机器人轨迹规划
2.3.2 性能测量指标
2.3.3 实验验证
2.4 基于拉格朗日法的柔性关节机器人动力学建模
2.4.1 D-H参数运动学建模
2.4.2 拉格朗日动力学建模
2.4.3 动力学建模仿真验证
2.5 协作机器人前馈与反馈控制系统设计
2.6 本章小结
第3章 BP神经网络算法的优化及仿真研究
3.1 神经网络的基本算法描述
3.1.1 人工神经网络的定义
3.1.2 神经网络的结构模型
3.2 BP神经网络的算法描述
3.2.1 BP神经网络算法的数学描述
3.2.2 BP神经网络的学习过程
3.2.3 BP神经网络的缺陷
3.3 提高训练速度的方法-几种优化的BP算法
3.3.1 附加动量项法
3.3.2 自适应学习率法
3.3.3 共轭梯度BP算法
3.3.4 附加动量项与自适应学习率结合算法
3.4 改进的BP神经网络仿真与分析
3.5 本章小结
第4章 基于BP神经网络的PID控制方法研究
4.1 引言
4.2 PID控制原理及参数自整定
4.2.1 PID控制原理
4.2.2 PID参数自整定方法
4.3 基于BP神经网络的PID控制器设计
4.3.1 基于BP神经网络的PID控制原理
4.3.2 仿真分析
4.4 本章小结
总结与展望
参考文献
攻读硕士期间发表的论文和科研成果
致谢
作者简介
附录
【参考文献】：
期刊论文
[1]基于柯西-牛顿算法的神经网络语音识别[J]. 杨毯毯. 信息化研究. 2018(02)
[2]一种改进的Levenberg-Marquardt辨识算法[J]. 杨晓冬,马光,刘倩,李泓锦,张兰. 电子测量与仪器学报. 2016(08)
[3]Sliding Mode and PI Controllers for Uncertain Flexible Joint Manipulator[J]. Lilia Zouari,Hafedh Abid,Mohamed Abid. International Journal of Automation and Computing. 2015(02)
[4]柔性关节机器人全局渐近稳定PID算法控制[J]. 林承飞,邓代竹,孙峰,王寿增,高彦伟. 光学与光电技术. 2014(02)
[5]基于S函数的BP神经网络PID控制器及Simulink仿真[J]. 杨艺,虎恩典. 电子设计工程. 2014(04)
[6]柔性关节空间机器人基于神经网络的自适应反演控制[J]. 陈志勇,陈力. 工程力学. 2013(04)
[7]基于无源性理论的柔性关节控制器设计[J]. 张奇,谢宗武,刘宏,蔡鹤皋. 机器人. 2013(01)
[8]基于RENN的柔性关节机械臂自适应动态面控制[J]. 顾义坤,倪风雷,刘宏. 控制与决策. 2011(12)
[9]基于共轭梯度法的改进型BP神经网络PID控制算法[J]. 陈庚,戴放. 工业仪表与自动化装置. 2011(05)
[10]BP神经网络PID控制器在工业控制系统中的研究与仿真[J]. 张学燕,高培金,刘勇. 自动化技术与应用. 2010(05)
本文编号：3719595
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题背景与研究意义
1.3 国内外研究现状
1.3.1 柔性关节机器人应用现状研究
1.3.2 柔性关节机器人动力学建模概况
1.3.3 柔性关节机器人控制理论研究概况
1.4 论文主要研究工作
第2章 协作机器人柔性关节控制系统设计
2.1 引言
2.2 协作机器人柔性关节前馈与反馈控制系统设计
2.2.1 前馈与反馈控制理论研究
2.2.2 两刚体弹簧系统的分析与建模
2.2.3 协作机器人单关节前馈与反馈系统仿真
2.3 实验设计分析
2.3.1 机器人轨迹规划
2.3.2 性能测量指标
2.3.3 实验验证
2.4 基于拉格朗日法的柔性关节机器人动力学建模
2.4.1 D-H参数运动学建模
2.4.2 拉格朗日动力学建模
2.4.3 动力学建模仿真验证
2.5 协作机器人前馈与反馈控制系统设计
2.6 本章小结
第3章 BP神经网络算法的优化及仿真研究
3.1 神经网络的基本算法描述
3.1.1 人工神经网络的定义
3.1.2 神经网络的结构模型
3.2 BP神经网络的算法描述
3.2.1 BP神经网络算法的数学描述
3.2.2 BP神经网络的学习过程
3.2.3 BP神经网络的缺陷
3.3 提高训练速度的方法-几种优化的BP算法
3.3.1 附加动量项法
3.3.2 自适应学习率法
3.3.3 共轭梯度BP算法
3.3.4 附加动量项与自适应学习率结合算法
3.4 改进的BP神经网络仿真与分析
3.5 本章小结
第4章 基于BP神经网络的PID控制方法研究
4.1 引言
4.2 PID控制原理及参数自整定
4.2.1 PID控制原理
4.2.2 PID参数自整定方法
4.3 基于BP神经网络的PID控制器设计
4.3.1 基于BP神经网络的PID控制原理
4.3.2 仿真分析
4.4 本章小结
总结与展望
参考文献
攻读硕士期间发表的论文和科研成果
致谢
作者简介
附录
【参考文献】：
期刊论文
[1]基于柯西-牛顿算法的神经网络语音识别[J]. 杨毯毯. 信息化研究. 2018(02)
[2]一种改进的Levenberg-Marquardt辨识算法[J]. 杨晓冬,马光,刘倩,李泓锦,张兰. 电子测量与仪器学报. 2016(08)
[3]Sliding Mode and PI Controllers for Uncertain Flexible Joint Manipulator[J]. Lilia Zouari,Hafedh Abid,Mohamed Abid. International Journal of Automation and Computing. 2015(02)
[4]柔性关节机器人全局渐近稳定PID算法控制[J]. 林承飞,邓代竹,孙峰,王寿增,高彦伟. 光学与光电技术. 2014(02)
[5]基于S函数的BP神经网络PID控制器及Simulink仿真[J]. 杨艺,虎恩典. 电子设计工程. 2014(04)
[6]柔性关节空间机器人基于神经网络的自适应反演控制[J]. 陈志勇,陈力. 工程力学. 2013(04)
[7]基于无源性理论的柔性关节控制器设计[J]. 张奇,谢宗武,刘宏,蔡鹤皋. 机器人. 2013(01)
[8]基于RENN的柔性关节机械臂自适应动态面控制[J]. 顾义坤,倪风雷,刘宏. 控制与决策. 2011(12)
[9]基于共轭梯度法的改进型BP神经网络PID控制算法[J]. 陈庚,戴放. 工业仪表与自动化装置. 2011(05)
[10]BP神经网络PID控制器在工业控制系统中的研究与仿真[J]. 张学燕,高培金,刘勇. 自动化技术与应用. 2010(05)
本文编号：3719595
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3719595.html
