论文部分内容阅读
近年来,国内人力资源成本不断上升,国内大型企业纷纷引入工业机器人代替人力做一些繁复沉重的重复性工作,但这些大型企业多采用的是国外一些知名机器人制造商生产的机械臂;而对于中小企业来讲,引入国外厂商机械臂的购买和维护成本太高,研发生产适合于我们自己使用的工业机械臂具有十分现实的意义。在国内,实际投入使用的机械臂中,就使用数量而言,四轴机器人排在第一位,其中平面关节型SCARA机械臂是使用非常广泛的一类。本文选择SCARA机械臂为本文的主要研究对象,主要对其控制器进行研究。迭代学习控制算法是于20世纪80年代提出的一种控制算法,它本身就是以机械臂的控制为背景提出的;迭代学习控制算法在进行控制时不需要知道被控对象的结构和参数信息,而是经过不断的重复学习来习得被控对象的各种信息,它十分适用于对机械臂这种强耦合非线性且具有各种未知扰动的动力学系统进行控制。针对选定的研究对象SCARA机械臂,本文基于迭代学习控制提出了轨迹跟踪控制算法,以提高机械臂的轨迹跟踪控制精度,本文所做的主要工作如下:(1)对SCARA机械臂进行了运动学和动力学分析,得到了其工作空间和拉格朗日动力学方程,并对其进行运动轨迹规划得到期望目标轨迹。(2)对迭代学习控制算法的基本原理、适用性条件、学习律以及收敛性分析方法进行了深入的研究与分析。(3)研究提出了变增益迭代学习控制算法,使用MATLAB对提出的变增益迭代学习控制算法和一般的PD型迭代学习控制算法进行了仿真实验,仿真实验对比结果证明了变增益算法的有效性、优越性;另外,还针对带不同负载和不确定量的机械臂动力学模型进行了变增益迭代学习算法的仿真实验,实验结果证明了所提出算法的鲁棒性与适应性。(4)研究提出了自适应迭代学习控制算法,证明了其稳定性和收敛性,使用MATLAB对算法进行了仿真实验,与变增益迭代学习控制的实验结果对比显示自适应控制算法的控制精度更高、控制效果更好。文中也针对带不同负载和不确定量的机械臂动力学模型进行了自适应迭代学习算法的仿真实验,实验结果证明了自适应迭代学习算法的鲁棒性和自适应性。文中仿真实验使用的均是SCARA机械臂的动力学模型,期望轨迹是在SCARA机械臂的工作空间中进行运动轨迹规划得到的。