基于RBF补偿的单机械臂自适应控制-样本.doc

基于RBF补偿的单机械臂自适应控制-样本.doc

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于RBF补偿的单机械臂自适应控制-样本

基于RBF补偿的单机械臂自适应控制 1. 国内外研究现状 1.1自适应控制理论发展 自适应控制系统最早在航空方面首先得到了应用。这是由于飞机的动力学特性决定于许多的环境因素和结构参数,例如随着飞机飞行的高度和速度的不同,飞机的动力学参数可能在相当大的范围内变化,要使飞机在整个飞行高度与速度范围内保证控制的高质量。依靠经典的控制理论使难以解决的,为了解决上述自动控制所面临的问题,在五十年代末期,美国麻省理工学院的Whitaker教授首先提出并设计了模型参考自适应控制的方案,经模拟研究和飞行实验表明,在飞机正常速度下,该模型参考自适应控制系统具有满意的性能。但是限于当时计算机的技术和控制理论的发展水平,这一自适应控制技术的成果未能得到迅速的发展和推广。随着计算机技术和控制理论发展水平的不断提高,特别使由于航空航天事业的迅速发展的需要,目前,自适应控制在航空航天方面亦取得了相应的发展和应用[10]。 随着计算机技术的发展和理论的不断完善,自适应控制技术的推广应用将不断发展,这种控制技术不但用于各工业部门,例如在航海方面,在化工过程、钢铁和冶金工业方面,在电力拖动方面,在机械臂方面。近年来还推广应用于非工业部门,例如生物医学部门。但就现有的关于应用方面的报导来看,自适应控制技术主要用于过程较慢的系统和特性变化速度不很快的对象。但可以相信,随着理论的不断完善和计算机技术的迅速提高,自适应控制的应用将会愈来愈广泛,而收敛则愈来愈大[11]。 1.2 机械臂的发展 机器人(机械臂)技术与系统作为20世纪人类最伟大的发明之一,自20世纪60年代初问世以来,经历40多年的发展已取得实质性的进步和成果。机器人一次虽然出现得较晚,然后这一概念在人类的想象中却早已出现。自古以来,就有不少科学家和杰出工匠制造出了具有人类特点或模拟动物特征的机器人雏形。可以说,机械臂是在早期出现的古代机器人基础上发展起来的[12]。 现代机器人的研究始于20世纪中期。第二次世界大战期间,由于核工业和军事工业的发展,研制了“遥控操作器”,主要用于放射性材料的生产和处理过程。1947年,对这种较简单的机械装置进行了改进,采用电动伺服方式,使其从动部分能跟随主动部分运动,称为“主从机械手”。随着先进飞机制造的需要,美国麻省理工学院辐射实验室开始研制数控铣床,并于1953年研制成功。1954年,美国人乔治德沃尔研制出第一台电子可编程序的工业机器人,它第一次使用示教再现的方式,并且在20世纪的后几十年中,得到惊人的发展。1960年,美国“联合控制公司”根据Devolde专利技术,研制出第一台真正意义上的工业机器人。20世纪70年代,机器人产业得到蓬勃发展,机器人的应用领域进一步扩大,不同的应用场合,导致了各种坐标系统、各种结构的机器人相继出现,大规模集成电路和计算机技术飞跃发展使机器人的控制性能大大提高,成本不断地下降。20世纪80年代,不同结构、不同控制方法和不同用途的工业机器人在工业发达国家真正进入了实用化的普及阶段。 目前,对全球机器人技术发展最有影响的国家应该是美国和日本。美国在机器人技术的综合研究水平上仍处于领先地位,而日本生产的机器人在数量、种类方面则居世界首位[13]。 中国的机器人技术起步较晚,约于20世纪70年代末、80年代初开始。有部分技术处于领先水平。 2.研究孙富春,孙增圻,张钹.机械手神经网络稳定自适应控制的理论和方法.北京:高等教育出版社,2005.1-9[3] 魏立新,李二超,王洪瑞.自适应模糊与CMAC并行的机器人力/位置控制[J].控制工程,2006,13(1)89-91. [4] 刘金琨.先进PID控制MATLAB仿真(第2版)[M].北京:电子工业出版社,2004[5] Jung S,Kim S S.Hardware implementation of a real-time neural network controller with a DSP and an FPGA for nonlinear systems.IEEE Transactions on Industrial Electronics,2007,54(1):265-271. [6] Pen X M,Rad A B,Lewis F L.Neural network-based compeusation control of robot manipulators with unknown dynamics.In:Proceedings of the American Control Conference.New York,USA:IEEE,2007.13-18. [7] Zhimei Chen,Jinggang Zhang,Zhenyan Wang,Jianchao

文档评论(0)

kaiss + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档