基于数据驱动的工业机器人自学习轨迹规划方法

发布时间：2023-05-07 13:08

　　轨迹规划是机器人高性能运行的重要前提和保证。连续轨迹对精度要求较高,现有连续轨迹规划算法计算量大,针对连续轨迹的规划算法仍有待研究和发展。现有最优轨迹规划算法依赖于动力学建模,过程繁琐复杂且计算量大。PID控制器是工业中最经常使用的控制器,由于机器人动力学非线性特性和不确定干扰,设计和调节PID控制器参数以达到高精度跟踪控制非常困难且繁琐。本文针对这些问题,假设动力学模型未知并基于PID控制器进行轨迹规划算法的优化与理论分析和仿真,开展实验研究。针对机器人运行指标要求,提出了一种具备智能学习能力的轨迹规划方案。通过分析机器人在实际加工中遇到的问题,设计了智能轨迹规划算法的整体方案,包括机器人轨迹规划模块,离线学习模块以及在线学习模块。轨迹规划模块通过建立运动学模型得到机器人正逆解关系,使用样条插值对几何轨迹进行处理,通过建立小线段数学模型并使用前瞻算法对连续轨迹进行速度规划,插值后得到稳定可运行的轨迹。离线学习针对机器人非重复轨迹因为模型误差造成的跟踪误差问题,通过设计神经网络结构和输入特征选择,利用神经网络强大的模型拟合和泛化能力,使用机器人运行数据训练神经网络进行精确模型拟合,使得...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究的背景和意义
    1.2 国内外研究现状
        1.2.1 机器人轨迹规划研究现状
        1.2.2 机器人在线学习研究现状
        1.2.3 机器人离线学习研究现状
    1.3 本文主要研究内容
第2章 机器人轨迹规划
    2.1 机器人运动学模型
        2.1.1 机器人运动学模型的建立
        2.1.2 机器人ER3A运动学模型
        2.1.3 机器人逆向运动学
        2.1.4 几何轨迹插值处理
    2.2 轨迹规划算法设计
        2.2.1 小线段数学模型
        2.2.2 进给速度约束
        2.2.3 单轴性能限制
        2.2.4 前瞻机制
        2.2.5 轨迹插补模块
    2.3 轨迹规划算法仿真
    2.4 本章小结
第3章 机器人离线模型学习
    3.1 机械系统描述
    3.2 离线学习算法
        3.2.1 离线学习问题表述
        3.2.2 BP神经网络模型与训练准则
        3.2.3 训练数据选择与处理
        3.2.4 输入特征选择与预处理
    3.3 离线学习仿真
        3.3.1 三自由度机器人动力学模型
        3.3.2 训练数据生成
        3.3.3 神经网络训练
        3.3.4 输入特征选择仿真
        3.3.5 轨迹跟踪性能泛化性仿真
    3.4 本章小结
第4章 机器人在线迭代学习
    4.1 在线学习算法
        4.1.1 RBF神经网络
        4.1.2 神经网络参数初始化
        4.1.3 学习律设计
        4.1.4 李雅普诺夫稳定性证明
    4.2 在线学习仿真
        4.2.1 神经网络预训练仿真
        4.2.2 跟踪误差衰减仿真
        4.2.3 鲁棒性仿真
    4.3 本章小结
第5章 轨迹规划与学习算法实验与分析
    5.1 轨迹规划算法实验与分析
        5.1.1 机器人实验平台介绍
        5.1.2 轨迹规划实验与分析
    5.2 离线学习实验与分析
        5.2.1 机器人离线学习实验与分析
        5.2.2 XY平台离线学习实验与分析
    5.3 在线学习实验与分析
    5.4 离线学习与在线学习的结合使用
    5.5 本章小结
结论
参考文献
附录A 机器人逆向运动学
附录B 样条插值
附录C 位姿确定
    C.1 位置和姿态独立的情况
    C.2 位置和姿态耦合的情况
致谢



本文编号：3810630