摘要：为解决7-DOF机械臂在运动过程中受到外界扰动及接触力所产生的抖振问题,给出了机械臂带有约束力的动力学方程,利用7-DOF机械臂的冗余解特性建立了约束方程以简化约束参数,提出了具有时变约束状态的神经网络自适应力位控制方法,由神经网络训练求出最优权重;设计控制律,建立李雅普诺夫函数方程和不对称项推导其收敛性;利用Simulink仿真并与无约束项的RBF神经网络控制相比较,根据机械臂的力位跟踪结果分析了角位移、角速度、约束力、控制力矩以及扰动拟合。系统仿真结果表明在有扰动和接触力的情况下,该方法可以更有效地抑制抖振现象并完成力位跟踪。

摘要：针对传统的零空间避障方法无法根据障碍物距离提前采取避障行为同时保证末端跟踪精度的问题,提出一种零空间避障的机械臂末端轨迹跟踪算法。该方法采用伪距离代替欧氏距离作为距离接近度指标解决零空间避障问题,同时设计一种自适应正定系数矩阵K和速度误差饱和函数sat(e),将实时轨迹运行结果反馈给冗余机械臂运动学反解,根据反馈结果自适应调节关节角速度以减小末端轨迹跟踪误差。采用iiwa14机械臂进行仿真实验,仿真的结果表明,所提出的算法能够在完成冗余机械臂零空间避障的同时保证末端轨迹跟踪误差在1 cm以下,验证了所提算法的有效性和优越性。

摘要：大部分模糊控制器不具有适应控制对象变化的能力,基于此设计一种自调整因子模糊控制器,并针对机械臂长时间重复操作导致运动精确度下降这一类问题,结合迭代学习控制方法,提出一种自调整因子模糊PD迭代学习控制方法;以双关节机械臂为研究对象,利用Fuzzy工具箱编写模糊控制规则,通过系统产生的误差以及误差的变化率作为模糊控制器的输入量调整模糊系统中的量化因子和比例因子,实现模糊规则的更新和对迭代学习控制中的PD参数的实时调整,系统的自适应性得到提高,并在Simulink中进行机械臂的运动控制实验,仿真结果表明,所提控制方法最终产生的误差可以精确到0.0001 rad,同时在进行第2次迭代时关节角度和角速度误差收敛基本趋于零,整体的控制效果较好。