基于生物智能的六自由度并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)控制及其仿真研究.pdf

1、六自由度并聯(lián)機(jī)構(gòu)有剛度強(qiáng)、載重比大、精度高等優(yōu)點(diǎn)，在工業(yè)的各行業(yè)得到廣泛的應(yīng)用，為此也對(duì)其控制的精度、速度以及智能性和實(shí)時(shí)性提出了更高的要求。同時(shí)，由于六自由度并聯(lián)機(jī)構(gòu)存在非線性、多耦合的動(dòng)力學(xué)模型、尋求正解困難等缺陷，這些缺陷無疑增加了六自由度并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)控制的難度。本文在研究并聯(lián)機(jī)構(gòu)的定位方法的基礎(chǔ)上，提出多種基于生物智能協(xié)調(diào)機(jī)制的控制算法應(yīng)用于六自由度并聯(lián)機(jī)構(gòu)。
　　 首先，對(duì)六自由度并聯(lián)機(jī)構(gòu)的發(fā)展?fàn)顩r、研究熱點(diǎn)、運(yùn)動(dòng)控制

2、策略和運(yùn)動(dòng)學(xué)正解方法的研究現(xiàn)狀進(jìn)行了綜述，指出了目前發(fā)展存在的問題以及將來的發(fā)展方向。
　　 就六自由度并聯(lián)機(jī)器人運(yùn)動(dòng)學(xué)正解的難點(diǎn)，給出了附加電子羅盤的Stewart平臺(tái)的位置正解法。該方法使得求解位置正解的過程得到簡化，避開了傳統(tǒng)解析法的多次迭代、奇異性、收斂性與初值相關(guān)的弱點(diǎn)，并能獲得唯一確定運(yùn)動(dòng)學(xué)正解。該方法可以為并聯(lián)機(jī)構(gòu)的運(yùn)動(dòng)學(xué)正解研究提供參考。
　　 針對(duì)粒子群優(yōu)化算法后期進(jìn)化速度慢，容易陷入局部極小值等缺陷，

3、為粒子群優(yōu)化算法引入高斯白噪聲干擾變異，提高其進(jìn)化后期的多樣性和收斂速度。該算法用于尋求并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)學(xué)正解時(shí)，可快速、穩(wěn)定獲得并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)學(xué)正解。
　　 充分利用并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)控制系統(tǒng)中的冗余信息，根據(jù)概率統(tǒng)計(jì)的基本理論對(duì)電子羅盤、視覺檢測以及編碼盤信息進(jìn)行融合，提出基于多傳感器數(shù)據(jù)融合的并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)學(xué)正解法。與單一傳感器測量結(jié)果相比，該方法可以求得更準(zhǔn)確的位置正解，并且無須求并聯(lián)機(jī)構(gòu)的運(yùn)動(dòng)學(xué)模型。同時(shí)，使得各種傳感器自身的缺陷得

4、到彌補(bǔ)，從而能反映系統(tǒng)的動(dòng)態(tài)性能，并且降低了相同定位精度下的系統(tǒng)造價(jià)以及安裝要求。
　　 綜合克隆選擇算法的維持抗體的多樣性和粒子群優(yōu)化算法的群體協(xié)作的優(yōu)點(diǎn)，提出了具有全局搜索能力的粒子群優(yōu)化的免疫克隆算法，用粒子群優(yōu)化的進(jìn)化方程指導(dǎo)抗體的變異方向，利用克隆選擇的變異增加抗體的多樣性，提高了免疫克隆選擇算法的進(jìn)化速度，改善了粒子群優(yōu)化算法的收斂精度。然后采用粒子群優(yōu)化的免疫克隆算法優(yōu)化設(shè)計(jì)了PID控制器，可動(dòng)態(tài)在線實(shí)時(shí)調(diào)節(jié)參數(shù)以

5、適應(yīng)時(shí)變、非線性系統(tǒng)的控制要求。
　　 基于生物免疫系統(tǒng)的免疫反饋機(jī)理，修正了免疫系統(tǒng)中輔助性細(xì)胞TH的模型使其更合理，并根據(jù)實(shí)際情況對(duì)抑制性細(xì)胞TC的模型進(jìn)行了簡化，與控制系統(tǒng)的性能要求相聯(lián)系設(shè)計(jì)了一改講的免疫控制器.仿真空驗(yàn)證了其良好的動(dòng)態(tài)性能和抗干擾能力。
　　 為了適應(yīng)Stewart平臺(tái)的動(dòng)態(tài)特性，參照合作型協(xié)同進(jìn)化模型構(gòu)造多個(gè)實(shí)數(shù)編碼的子種群進(jìn)行協(xié)作產(chǎn)生問題的完整解，并根據(jù)系統(tǒng)的控制特性動(dòng)態(tài)改變子種群個(gè)體的產(chǎn)生

6、范圍，根據(jù)進(jìn)化過程動(dòng)態(tài)調(diào)整子種群變異概率，最后設(shè)計(jì)出基于生物協(xié)同進(jìn)化機(jī)理的控制器用于Stewart平臺(tái)的運(yùn)動(dòng)控制。相對(duì)于SGA控制，基于協(xié)同進(jìn)化機(jī)理的控制有較高的控制精度，同時(shí)該算法充分體現(xiàn)了協(xié)同進(jìn)化模型的并行性，有較高的求解速度。
　　 針對(duì)Stewart平臺(tái)的強(qiáng)耦合性以及建立精確動(dòng)力學(xué)模型困難的特點(diǎn)，考慮到遞歸神經(jīng)網(wǎng)絡(luò)利用歷史信息以及動(dòng)態(tài)逼近能力，首先運(yùn)用Elman型動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)對(duì)Stewart平臺(tái)進(jìn)行模型辨識(shí)，然后通過

7、設(shè)計(jì)合理的評(píng)價(jià)函數(shù)對(duì)其進(jìn)行解耦控制。提出變異協(xié)同進(jìn)化的免疫克隆算法，該算法中變異體種群和抗體種群協(xié)同進(jìn)化，保證了免疫克隆算法變異的方向性。采取新穎的變異協(xié)同進(jìn)化的免疫克隆算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提高了全局搜索能力及速度。最后，分別在辨識(shí)模型以及實(shí)際平臺(tái)上，驗(yàn)證解耦控制和辨識(shí)的效果。另外，該解耦控制方法具有較好的通用性，可用于其它的非線性、時(shí)變的、多耦合的對(duì)象的控制。
　　 以新型6-PSS并聯(lián)機(jī)器人為應(yīng)用對(duì)象，為其建立運(yùn)動(dòng)控制仿