论文部分内容阅读
研究了去毛刺机器人的轨迹跟踪控制。考虑到在工业机器人去毛刺加工过程中，由于受非重复性扰动、毛刺大小不同引起切削力变化以及动态建模不确定性因素的影响，传统的迭代学习控制算法无法精确规划出去毛刺机器人的打磨路径，且很难实现高精度的跟踪控制，不能保证系统的稳定性，提出了一种鲁棒性迭代学习控制算法，旨在提高去毛刺机器人的跟踪性能和对环境的抗干扰能力。该算法由于引入了鲁棒项，与传统的迭代学习控制算法相比，抗干扰能力得到增强，跟踪示教轨迹的性能得到提高，跟踪轨迹精度得到改善，解决了传统迭代学习控制算法需要确定模型才能