基于模糊RBF神经网络的水下机械臂控制研究

论文摘要

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF(radial basis function,径向基函数)神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明:与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。

论文目录

• 1 水下机械臂动力学模型建立
• 2 基于模糊RBF神经网络的控制器设计
•   2.1 水下机械臂动力学模型分析
•   2.2 模糊RBF神经网络设计
•   2.3 控制律设计
•   2.4 控制系统稳定性分析
• 3 二杆机械臂仿真分析
• 4 结论

文章来源

类型: 期刊论文

作者: 袁凯,刘延俊,孙景余,罗星

关键词: 模糊控制,神经网络,水下机械臂,控制特性

来源: 工程设计学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 自动化技术

单位: 山东大学海洋研究院,山东大学深圳研究院,山东大学高效洁净机械制造教育部先进制造重点实验室

基金: 深圳市科技研发资金基础研究(自由探索)资助项目(JCYJ20180305164217766),山东省重点研发计划资助项目(2019GHY112077)

分类号: TP241;TP183

页码: 675-682

总页数: 8

文件大小: 1461K

下载量: 423