导读:本文包含了机械手自适应控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:机械手,自适应,水下,模糊,机器人,神经网络,阻抗。
机械手自适应控制论文文献综述
梁喜凤,彭明,路杰,秦超[1]（2019）在《基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法》一文中研究指出为解决未知统计特性下的系统噪声对图像雅克比矩阵估计精度的影响问题,提高视觉伺服定位精度,在卡尔曼滤波(lalman filter, KF)法以及无迹卡尔曼滤波(unscented kalman filter, UKF)法的基础上,引入自适应噪声统计估计器,提出自适应无迹卡尔曼滤波(adaptive unscented kalman Filter, AUKF)法估计图像雅克比矩阵,并构造了视觉伺服控制系统。仿真试验结果表明,基于自适应无迹卡尔曼滤波法估计图像雅克比矩阵的视觉伺服控制系统的图像特征最大误差值为10.2像素,机械手末端与目标点叁维坐标最大误差值为4.19 mm,响应时间为1.2 s。搭建了七自由度采摘机械手视觉伺服试验平台进行采摘试验,试验结果表明,基于AUKF法估计图像雅克比矩阵的视觉伺服系统对静态目标的采摘成功率为90%,对动态目标的采摘成功率为83%,相比于KF法与UKF法,采摘静态目标试验成功率分别提高了17与10个百分点,动态采摘试验成功率分别提高了16%与10%。基于AUKF法估计图像雅克比矩阵的视觉伺服系统对静态与动态目标的采摘平均时间分别为18和22 s,相比于KF法与UKF法,静态采摘用时分别减少了10和6 s,动态采摘用时分别减少了12和8 s。AUKF法与KF法以及UKF法估计的图像雅克比矩阵相比,AUKF法估计的图像雅克比矩阵减小了采摘机械手视觉伺服控制系统过程噪声的干扰,使采摘机械手视觉伺服控制系统过程噪声适应视觉伺服系统的变化,采摘机械手视觉伺服控制系统定位精度更高。(本文来源于《农业工程学报》期刊2019年19期）
张建军,刘卫东,李乐,程瑞锋,郑海峰[2]（2019）在《未知环境下水下机械手智能抓取的自适应阻抗控制》一文中研究指出为了满足水下机械手在未知环境下对目标抓取的多样性,保证抓住、抓牢并最大限度地避免目标损伤,提出了自适应阻抗控制方法.构建了基于位置的阻抗模型的力跟踪控制系统,采用递推最小二乘法辨识目标的阻抗参数,根据阻抗参数与机械手的运动特征,利用模糊推理方法在线调整抓取力的期望值,并根据期望抓取力与实际抓取力的误差设计自适应比例-积分-微分(PID)控制器来调整期望位置,以实现在跟踪目标位置的同时对期望抓取力信号的跟踪,并利用MATLAB/Simulink软件平台进行仿真实验.结果表明:自适应阻抗控制方法在自由空间和约束空间均具有良好的力、位移的跟踪性能;对期望抓取力的实时调整满足抓取目标的多样性,期望位置的自适应调整能够实现对期望抓取力的跟踪.(本文来源于《上海交通大学学报》期刊2019年03期）
杨昆明,马翔宇,卿绿军,曹静[3]（2019）在《基于RBF网络灵巧机械手的自适应控制》一文中研究指出针对BP神经网络收敛速度慢、易于陷入局部极小值这一问题,结合灵巧机械手实时控制的要求,求解一种基于径向基函数神经网络灵巧机械手的自适应控制,研究灵巧机械手的动力学模型,采用RBF叁层前向网络设计灵巧机械手的神经网络控制方法,采用MATLAB软件进行仿真,结果表明:所设计的控制方案可有效提高系统的精度、鲁棒性和自适应性。(本文来源于《电子设计工程》期刊2019年04期）
马天兵,刘健,杜菲,罗智[4]（2018）在《基于改进模糊自适应方法的机械手控制》一文中研究指出针对具有不确定性特点的非线性系统控制问题,利用模糊系统的通用逼近能力,提出了一种模糊自适应控制的设计策略。它将模糊基函数的元素量扩展为平方倍并排列为元素方阵,取此方阵对角最优元素重新构成基函数,选取单力臂机械手为研究对象进行仿真分析。仿真结果表明,该控制系统能够较好地对模型不确定部分进行逼近,并实现了对机械手的自适应控制,减少了系统参数的估计误差,增强了系统稳定性。(本文来源于《安徽理工大学学报(自然科学版)》期刊2018年05期）
吴晓航[5]（2018）在《基于模糊补偿的机械手自适应控制方法研究》一文中研究指出在当今世界科学技术的高速发展下,机械手的应用领域越来越宽。目前在工业生产、宇宙测量探测、深海区域开发、军事活动危险排查等领域中,机械手有着越来越多的应用。故而对机械手的轨迹跟踪控制和路径规划控制的算法研究都是具有里程碑式意义的。作为机械手系统的核心,机械手的控制研究得到了很多学者的高度重视。目前最需要解决的问题就是,如何提高机械手轨迹控制精度,从而替代人类从事更复杂、轨迹控制精度要求更高的工作。在机械手控制过程中,其系统具有非线性、不确定性、多变性和强耦合等特点。特别是在其运动过程中,会有一些不确定非线性项,例如摩擦。为了消除摩擦带来的影响从而达到提高系统控制性能的目的,很多学者提出了一些补偿的方式。但机械手实际运动过程中的摩擦模型往往是复杂且未知的,在本文中,利用模糊系统的逼近特性,设计针对摩擦、干扰等不确定项进行模糊补偿的机械手自适应控制方案,从而抵消这些不确定项在机械手运动过程中的影响,提高机械手轨迹跟踪控制精度。本论文的主要工作如下:在仿真过程中,机械手各个关节的运动,反映了机械手执行末端的运动轨迹,故先建立机械手运动学方程。再通过拉格朗日函数,推导出机械手的动力学模型。最后对目前现有的摩擦模型,例如库伦模型、Stribeck模型、Karnopp模型和Dahl模型等一系列静态和动态摩擦模型的类型、性质及其特性进行调研分析,选择最接近实际情况的摩擦模型,建立更精确的机械手模型。针对一般伺服系统和机械手系统,利用工业生产范围中常见的PID控制方法在考虑摩擦的情况下对其进行轨迹跟踪控制。根据仿真结果观察控制效果,发现跟踪曲线存在“平顶”和“死区”现象,均是因为系统在过零和低速范围内时,系统摩擦具有多值性和不连续性,导致控制误差变大。可以得出结论,即PID控制方法的设计过程相较而言更简单,但未考虑摩擦等不确定项带来的影响,不能同时满足稳、准、快以及抗干扰等性能要求,鲁棒性差,控制精度低。针对PID控制的缺点,采用带模糊补偿的控制方式,即由模糊系统的逼近特性,在双关节机械手模型的基础上,设计一种自适应控制器来逼近系统中的不确定项。在此基础上加入鲁棒项减小控制过程中的逼近误差。通过仿真实验结果与PID控制结果相对比,可以证明,当面对系统中的非线性不确定项时,基于模糊补偿的自适应控制方法能有效消除其带来的影响,提高机械手的控制精度。(本文来源于《西南石油大学》期刊2018-05-01）
李金林[6]（2018）在《水下机器人—机械手结构设计及自适应神经网络控制研究》一文中研究指出随着人类社会的发展,陆地上不可再生资源逐渐减少,海洋作为蕴含大量资源的宝库,已经成为全世界竞相研究和开发的对象。开发海洋需要先进的技术和装备,水下机器人作为海洋开发的重要装备受到人们的关注。随着对海洋开发进程的加快,对无人无缆自主式水下机器人(AUV)的功能提出了新的要求,要求其在探测功能基础上能够具有作业功能,因此需要在AUV上搭载机械手,构成作业型AUV,通过机械手与AUV载体协同控制完成作业任务。由于搭载了机械手,作业展开时会导致AUV载体的姿态变化,影响AUV载体-机械手系统的动力学性能,进而影响AUV的作业效果。因此,研究作业型AUV机械手展开对AUV载体-机械手系统动力学性能的影响以及对机器人姿态的控制方法,对于提高其作业质量和效率具有重要的研究意义和实用价值。为了研究作业型AUV姿态受机械手运动的影响规律及其控制方法,本文研制AUV载体-机械手实验样机。在实验室已有的小型自主式水下机器人载体“BeaverⅡ”的基础上,研制小型双关节水下电动机械手。针对“BeaverⅡ”载体开架式、体积小的特点,提出本文机械手的技术指标;进行关节驱动电机选型与所需功率计算,完成机械手两个关节的结构设计,完成关节与“BeaverⅡ”载体之间连接模块、关节间连接模块的结构设计;完成机械手各零部件的材料选择、完成检测机械手关节转动角度信息的角度传感器选型,设计传感器与机械手之间的连接方式和传感器密封方式;完成机械手的安装调试,对搭载机械手之后的“BeaverⅡ”载体进行水中重浮心调平。研究搭载机械手之后的“BeaverⅡ”载体的动力学性能,建立其纵倾和纵向两个自由度的动力学模型。针对机械手展开导致载体姿态变化的问题,分析搭载机械手后“BeaverⅡ”的受力情况,利用最小二乘法和BP神经网络学习方法,通过水池实验辨识纵倾和纵向动力学模型未知参数。为检验所建立的动力学模型的准确性,通过搭载机械手的“BeaverⅡ”载体进行水池实验验证。研究搭载机械手后的“BeaverⅡ”载体在机械手作业时姿态保持的控制方法。针对作业型水下机器人系统非线性、强耦合的特点,本文设计一种自适应神经网络控制方法,在该方法中,为降低模型不确定因素对载体AUV控制精度的影响,基于自适应神经网络方法对动力学模型中不确定因素进行单独逼近,并通过Lyapunov理论对本文控制器下的系统稳定性进行分析;通过机械手展开不同角度时的AUV艇体纵倾姿态和纵横倾复合姿态控制仿真实验,验证本文设计的自适应神经网络控制方法的有效性。对本文机械手展开作业时“BeaverⅡ”载体姿态保持问题进行水池实验研究。为验证本文设计的自适应神经网络控制方法的实际效果,本文以搭载机械手的“BeaverⅡ”为实验对象,进行多组水池姿态控制实验,并与典型的滑模控制方法进行对比。多组水池姿态控制实验为:1)在机械手以阶跃和正弦轨迹运动时,对AUV纵倾、横倾单独控制进行水池实验,以验证本文方法在机械手以不同规律运动时,对AUV单自由度姿态的控制效果;2)在机械手以阶跃和正弦轨迹运动时,对AUV纵横倾复合姿态控制进行水池实验,以验证本文方法对AUV复合姿态的控制效果;3)为验证该方法抵抗外界干扰的能力,本文进行模拟海流干扰下的纵倾、横倾单自由度姿态控制和纵横倾复合姿态控制水池实验。(本文来源于《哈尔滨工程大学》期刊2018-05-01）
李冀永,万磊,黄海,张国成,秦洪德[7]（2018）在《水下机器人-机械手系统自适应抗扰控制方法》一文中研究指出针对开架式水下机器人在其作业过程中易受到脐带缆、机械手和海流等扰动影响的问题,为减小改扰动对艇体姿态的影响,文中对开架式水下机器人设计了一种基于模型的自适应抗扰控制方法,并分别对脐带缆和机械手引起的扰动进行了建模分析,具体建立了一种以全局运动学控制环和扰动力补偿项为主的自适应抗扰控制.在SY-Ⅱ开架式水下机器人平台上进行了S面控制和自适应抗扰控制的对比实验.结果表明,脐带缆和机械手的扰动力会对水下机器人的姿态产生较大影响,通过对扰动力的实时估算和补偿,在定深定向、轨迹跟踪实验中,基于模型的抗扰控制方法表现出更高的控制精度,在姿态保持实验中,与S面控制方法相比,自适应抗扰控制展现了较好的鲁棒性,系统轨迹更平稳,具有更强的稳定性.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2018年04期）
张建军,刘卫东,高立娥,李乐,李泽宇[8]（2018）在《水下机械手不确定遥操作自适应双边控制》一文中研究指出针对水下机械手遥操作过程中数学模型及外部干扰引起不确定问题提出了自适应双边控制策略。对主机械手模型参数与外部干扰引起的不确定,设计了基于名义模型的参考自适应阻抗控制律,根据主手力与从手力误差来调节期望模型的参考位置,利用自适应控制律补偿模型不确定性。针对从机械手的不确定性采用径向基函数(RBF)神经网络进行自适应补偿,通过设计滑模变结构控制器与鲁棒自适应控制器消除逼近误差,满足了从机械手对主机械手位置跟踪。设计了李雅普诺夫函数证明跟踪性能与全局稳定性,保证力-位置跟踪的渐进收敛性能。结果表明:整体控制在模型不确定及外部干扰条件下具有很好的力-位置跟踪能力,整体系统具有稳定性和可靠性,并且具有鲁棒性及自适应控制能力。(本文来源于《北京航空航天大学学报》期刊2018年09期）
董绍阳,陈龙淼,张彤[9]（2018）在《火炮自动装填机械手的自适应动态面滑模控制》一文中研究指出采用了一种自适应动态面滑模控制的算法,通过定义Lyapunov函数证明了机械手闭环控制系统的稳定性。动态面控制方法利用一阶积分滤波器计算虚拟控制的导数,消除微分项的膨胀,简化控制器设计和参数估计。采用自适应控制律估计机械手位置控制过程中不确定性和外加干扰的未知性。滑模控制抑制了模型的转动惯量参数变化以及外界干扰的影响。通过Matlab仿真,分析了位置误差、系统的输入以及参数自适应等关键曲线,表明此方法具有较高的控制精度和较好的鲁棒性。(本文来源于《兵器装备工程学报》期刊2018年01期）
安铃芝[10]（2017）在《机械手自适应模糊控制方法研究》一文中研究指出随着科学技术的飞速前进,机械手技术的发展逐渐成为工业控制领域内研究最为热门的学科,并不断向其它领域渗透。机械手系统的核心是控制系统,机械手的智能控制研究近年来得到诸多学者的高度重视,如何能使机械手更高速度和更高精度的为人类服务,从而代替人做许多复杂的、环境恶劣的、单调重复的工作是目前最需要解决的问题。随着科技的发展,人们对机械手的要求不仅仅是能够实现点对点的跟踪、一般直线跟踪和复杂的曲线跟踪,而是能够实现对任意指定路径高精度的跟踪。然而机械手系统受到许多不确定性因素的影响,如负载变化、随机扰动等外界因素和模型自身不确定性因素的影响,这些因素使得很难获得机械手系统准确的数学模型,很大程度上加大了机械手获得高精度轨迹跟踪控制方法的难度。因此本文就机械手轨迹跟踪控制方法展开深入的研究,目的是通过设计合理的控制器使机械手达到高精度轨迹跟踪控制的目的,使机械手的执行末端能够按照用户设定的期望路径,完成用户指定的工作流程。该论文的主要研究工作如下:1.本文首先分析了机械手运动学的理论知识,通过对刚体位姿的描述、坐标的转换,建立了机械手的运动学方程;然后通过拉格朗日函数的理论知识,推导了机械手的动力学模型;最后运用S函数对双关节机械手系统的动力学模型进行了编程,为后序仿真实验验证做好了充分的准备。2.其次分析了模糊系统的理论知识,并针对双关节机械手系统,完成了常规模糊控制系统的设计,并利用仿真实验分析出所设计的控制器的控制效果,通过仿真实验可知所设计的模糊控制器具有良好鲁棒性和不依赖对象精确数学模型的优点,但不足之处是存在控制精度较低的问题。3.在分析对比了常规模糊控制器对机械手轨迹跟踪控制的效果,设计出了两种新的自适应模糊控制算法,针对具有不确定性因素的MIMO系统,设计了具有模糊系统误差逼近特性的自适应模糊控制方案来提高机械手轨迹跟踪精度。而当机械手受到外界较大扰动等不确定性因素时,常规的模糊自适应控制方案对机械手的轨迹跟踪控制效果不太理想的情况,设计基于模糊补偿的机械手自适应模糊控制器来减少不确定性因素的影响,改善控制精度。本章所设计的控制算法均采用Lyapunov稳定性算法验证所设计的控制系统的稳定性,最后通过仿真实验研究,分析讨论了机械手在不同控制算法的控制下所能达到的轨迹跟踪效果,从而证明了所设计的控制算法的有效性。最后分析总结了本文的工作重点和取得的研究成果,并提出了不足和对下一步更深入的研究计划进行了展望。(本文来源于《西南石油大学》期刊2017-05-01）
机械手自适应控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了满足水下机械手在未知环境下对目标抓取的多样性,保证抓住、抓牢并最大限度地避免目标损伤,提出了自适应阻抗控制方法.构建了基于位置的阻抗模型的力跟踪控制系统,采用递推最小二乘法辨识目标的阻抗参数,根据阻抗参数与机械手的运动特征,利用模糊推理方法在线调整抓取力的期望值,并根据期望抓取力与实际抓取力的误差设计自适应比例-积分-微分(PID)控制器来调整期望位置,以实现在跟踪目标位置的同时对期望抓取力信号的跟踪,并利用MATLAB/Simulink软件平台进行仿真实验.结果表明:自适应阻抗控制方法在自由空间和约束空间均具有良好的力、位移的跟踪性能;对期望抓取力的实时调整满足抓取目标的多样性,期望位置的自适应调整能够实现对期望抓取力的跟踪.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机械手自适应控制论文参考文献
[1].梁喜凤,彭明,路杰,秦超.基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法[J].农业工程学报.2019
[2].张建军,刘卫东,李乐,程瑞锋,郑海峰.未知环境下水下机械手智能抓取的自适应阻抗控制[J].上海交通大学学报.2019
[3].杨昆明,马翔宇,卿绿军,曹静.基于RBF网络灵巧机械手的自适应控制[J].电子设计工程.2019
[4].马天兵,刘健,杜菲,罗智.基于改进模糊自适应方法的机械手控制[J].安徽理工大学学报(自然科学版).2018
[5].吴晓航.基于模糊补偿的机械手自适应控制方法研究[D].西南石油大学.2018
[6].李金林.水下机器人—机械手结构设计及自适应神经网络控制研究[D].哈尔滨工程大学.2018
[7].李冀永,万磊,黄海,张国成,秦洪德.水下机器人-机械手系统自适应抗扰控制方法[J].天津大学学报(自然科学与工程技术版).2018
[8].张建军,刘卫东,高立娥,李乐,李泽宇.水下机械手不确定遥操作自适应双边控制[J].北京航空航天大学学报.2018
[9].董绍阳,陈龙淼,张彤.火炮自动装填机械手的自适应动态面滑模控制[J].兵器装备工程学报.2018
[10].安铃芝.机械手自适应模糊控制方法研究[D].西南石油大学.2017
论文知识图
