用户名
密码    忘了密码
|
|
|
|
|
|
|
|
|
|
RBF等效滑模控制在并联机器人伺服电机中的应用
资讯类型:科技前沿 加入时间:2009年8月12日16:22
 
RBF等效滑模控制在并联机器人伺服电机中的应用
   陈海忠1,高国琴2
   (1.江苏技术师范学院,江苏常州213003; 2.江苏大学,江苏镇江212013)
   摘 要:采用RBF神经网络的等效滑模控制算法对并联机器人伺服电机的控制,既发挥了RBF神经网络具有逼近任意函数的专长,又保留了滑模变结构控制的鲁棒性,克服了滑模变结构控制系统的参数摄动和在外部干扰条件下容易产生抖振,达到了理想的控制效果。
   关键词:变结构滑模控制;RBF神经网络;RBF等效滑模控制
   中图分类号: TM 383. 4  文献标识码:A  文章编号: 1004-7018(2007)09-0058-04
   引 言
   并联机器人具有承载能力强、刚度大、误差小、精度高、自重负荷小、动力性能好和容易控制等优点,与目前广泛应用的串联机器人,在应用上构成互补关系,扩大了机器人的应用领域。特别是二自由度并联机构结构简单、易于控制,具有较高的实用价值。近年来,交流伺服电动机由于具有结构简单、坚固耐用、体积小、重量轻、维护量较少等特点,在并联机器人上得到了广泛的应用。而与之配套的通用的控制系统通常以常规的变结构滑模控制为主,虽然变结构滑模控制理论是解决非线性系统的一种很好方法,具有很好的鲁棒性,但是滑模变结构控制对系统的参数摄动和外部干扰的不变性是以控制量的高频抖振换取的。由于在实际应用中,这种高频抖振在理论上是无限快的,没有任何执行机构能够实现,同时高频输入很容易激发系统的未建模特性,从而影响系统的控制性能,特别在高精度伺服系统中,比如在并联机器人系统中,问题更为突出。
   本文利用20世纪80年代以来,人工智能技术取得的重大进步,从RBF神经网络(多变量插值的径向基函数)出发,利用机器人伺服电机特性数据作为网络训练样本,训练RBF神经网络。引入RBF神经网络,利用RBF网络能任意精度逼近任意函数的特点,克服滑模控制的抖振问题,保留滑模控制的鲁棒性,取长补短共同控制二自由度并联机器人。
   1 RBF等效滑模控制前期理论准备
   通常所说的变结构控制是指滑模变结构控制,这种控制策略与常规控制的根本区别在于控制的不连续性,即系统“结构”随时变化,迫使系统沿规定的状态轨迹作小幅度,高频率的振动,这种运动称之为滑动模态或“滑模”运动。滑动模态是可以设计的,且与系统的参数及扰动无关。这样,具有滑动模态的控制系统有很好的鲁棒性。
   1.1滑模变结构控制原理
   在滑模变结构控制中,通常点与起始点无多大意义,而与终止点有特殊的含义。如果在超平面上某一区域内所有的点都是终止点,则一旦运动点趋向于该区域时,就被“吸引”在该区域内运动,又由于系统存在惯性,将会使运动点在切换面上下作小幅度高频振动,如图1所示。这种运动称之为“滑模运动”或“滑动模态”,这个区域称之为“滑动模态区”或简称“滑模区”。
   滑模变结构控制就是根据控制目标设计滑模切换面(s=0),然后使控制系统状态点到达滑模切换面,在切换面上形成滑模运动而不离开切换面,从而达到控制目的。
   
    
   
   
   由上图可以看出,与传统的滑模控制相比,RBF神经网络的等效滑模控制具有响应速度快的优点和优异的鲁棒性能,这有利于提高二自由度并联机器人的反应速度和控制精度。
   4 结 语
   本文在传统的变结构滑模滑模基础上引入了RBF神经网络,组成了RBF神经网络的等效滑模控制。此种方法具有响应速度很快,到达稳定时间很短,并且基本无超调。实验结果表明,将此方法应用于并联机器人的控制中,取得了比较理想的响应速度和比较高的控制精度,对于外界的干扰也能够保持很稳定的水平,实现了并联机器人的高精度适时控制。

文章来自:滑模技术交流网
文章作者:信息部
新闻推荐
 
关闭窗口
 
网站建设 | 广告刊登 | 汇款说明 E-mail: [email protected] 技术支持:简双工作室
电话:0371-69131532 传真:0371-63942657-8001
版权说明:本站部分文章来自互联网,如有侵权,请与信息处联系
版权所有:滑模技术交流网