机械与电子

自动化技术论文_采用RBF神经网络辨识的柔性机

 

文章摘要:针对柔性机械臂在运动过程中受到柔性因素的影响会出现剧烈振动的问题,提出一种采用径向基(RBF)神经网络辨识的柔性机械臂抑振控制策略,通过减弱机械臂转角波动的方式间接抑制振动。首先,根据拉格朗日原理和假设模态法建立柔性机械臂的动力学模型,其中的不确定项由模态坐标和转角耦合的非线性项构成;其次,在控制律的设计中采用RBF神经网络对动力学模型的不确定项进行辨识补偿,从而提高驱动力矩的精度;最后,通过调整神经网络权重自适应律的系数,使包含辨识结果的控制律满足李亚普诺夫稳定性定理,从而保证动力学系统的稳定性,其中权重自适应律由高斯函数和误差向量组成。采用柔性机械臂实物控制平台的对比实验结果表明:所提出的控制策略能够有效减小柔性机械臂的转角误差和振动幅值;当柔性机械臂长度为1.5 m时,相比常规比例微分控制策略,采用RBF神经网络辨识的控制策略使机械臂末端振动敏感方向的加速度的方差下降了5.8%。该控制策略为柔性机械臂的振动抑制提供了新思路。

文章关键词:

论文分类号:TP241;TP183;TP273