基于生物智能的六自由度并聯(lián)機構(gòu)運動控制及其仿真研究.pdf_第1頁
已閱讀1頁,還剩127頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、六自由度并聯(lián)機構(gòu)有剛度強、載重比大、精度高等優(yōu)點,在工業(yè)的各行業(yè)得到廣泛的應用,為此也對其控制的精度、速度以及智能性和實時性提出了更高的要求。同時,由于六自由度并聯(lián)機構(gòu)存在非線性、多耦合的動力學模型、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)機構(gòu)運動控制的難度。本文在研究并聯(lián)機構(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)機制的控制算法應用于六自由度并聯(lián)機構(gòu)。
   首先,對六自由度并聯(lián)機構(gòu)的發(fā)展狀況、研究熱點、運動控制

2、策略和運動學正解方法的研究現(xiàn)狀進行了綜述,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)機器人運動學正解的難點,給出了附加電子羅盤的Stewart平臺的位置正解法。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,并能獲得唯一確定運動學正解。該方法可以為并聯(lián)機構(gòu)的運動學正解研究提供參考。
   針對粒子群優(yōu)化算法后期進化速度慢,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,提高其進化后期的多樣性和收斂速度。該算法用于尋求并聯(lián)機構(gòu)運動學正解時,可快速、穩(wěn)定獲得并聯(lián)機構(gòu)運動學正解。
   充分利用并聯(lián)機構(gòu)運動控制系統(tǒng)中的冗余信息,根據(jù)概率統(tǒng)計的基本理論對電子羅盤、視覺檢測以及編碼盤信息進行融合,提出基于多傳感器數(shù)據(jù)融合的并聯(lián)機構(gòu)運動學正解法。與單一傳感器測量結(jié)果相比,該方法可以求得更準確的位置正解,并且無須求并聯(lián)機構(gòu)的運動學模型。同時,使得各種傳感器自身的缺陷得

4、到彌補,從而能反映系統(tǒng)的動態(tài)性能,并且降低了相同定位精度下的系統(tǒng)造價以及安裝要求。
   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,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)化的進化方程指導抗體的變異方向,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)計了PID控制器,可動態(tài)在線實時調(diào)節(jié)參數(shù)以

5、適應時變、非線性系統(tǒng)的控制要求。
   基于生物免疫系統(tǒng)的免疫反饋機理,修正了免疫系統(tǒng)中輔助性細胞TH的模型使其更合理,并根據(jù)實際情況對抑制性細胞TC的模型進行了簡化,與控制系統(tǒng)的性能要求相聯(lián)系設(shè)計了一改講的免疫控制器.仿真空驗證了其良好的動態(tài)性能和抗干擾能力。
   為了適應Stewart平臺的動態(tài)特性,參照合作型協(xié)同進化模型構(gòu)造多個實數(shù)編碼的子種群進行協(xié)作產(chǎn)生問題的完整解,并根據(jù)系統(tǒng)的控制特性動態(tài)改變子種群個體的產(chǎn)生

6、范圍,根據(jù)進化過程動態(tài)調(diào)整子種群變異概率,最后設(shè)計出基于生物協(xié)同進化機理的控制器用于Stewart平臺的運動控制。相對于SGA控制,基于協(xié)同進化機理的控制有較高的控制精度,同時該算法充分體現(xiàn)了協(xié)同進化模型的并行性,有較高的求解速度。
   針對Stewart平臺的強耦合性以及建立精確動力學模型困難的特點,考慮到遞歸神經(jīng)網(wǎng)絡(luò)利用歷史信息以及動態(tài)逼近能力,首先運用Elman型動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)對Stewart平臺進行模型辨識,然后通過

7、設(shè)計合理的評價函數(shù)對其進行解耦控制。提出變異協(xié)同進化的免疫克隆算法,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)同進化的免疫克隆算法對神經(jīng)網(wǎng)絡(luò)進行訓練,提高了全局搜索能力及速度。最后,分別在辨識模型以及實際平臺上,驗證解耦控制和辨識的效果。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、時變的、多耦合的對象的控制。
   以新型6-PSS并聯(lián)機器人為應用對象,為其建立運動控制仿

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論