基于神经网络的空间柔性机械臂PID快速学习控制

第38卷第5期2011年5月

doi:10．3969/j．issn．1009－671X．2011．05．01

应

Applied

用

Science

科

and

技

TechnologyVol．38，№．5May2011

基于神经网络的空间柔性机械臂PID快速学习控制

1，212

张文辉，马静，高九州

(1．徐州师范大学机电工程学院，江苏徐州221116;2．哈尔滨工业大学航天学院，黑龙江哈尔滨150001)摘

要:针对自由漂浮柔性空间机器人的轨迹跟踪问题，提出一种径向基函数(RBF)神经网络控制策略．首先建

考虑到RBF神经网络良好的逼近能力，柔性臂的非线性逆动力立漂浮基柔性空间机器人的非线性动力学方程，

学模型通过RBF网络来逼近，采用PID控制器与神经网络控制器来共同保证系统稳定性，其误差代价函数由PID控制器提供，采用固定中心参数，而扩展宽度采用启发式关系确定，网络权值采用改进的最优准则算法进行调整来实现快速学习能力．仿真结果表明了这种RBF神经控制器能够达到较快的误差收敛速度．关键词:RBF神经网络;柔性空间机器人;启发式学习;PID控制中图分类号:TP242

文献标识码:A

文章编号:1009－671X(2011)05－0001－04

FastlearningPIDcontroloverspaceflexiblemanipulatorsbasedonneuralnetwork

2

ZHANGWenhui1，，MAJing1，GAOJiuzhou2

(1．SchoolofElectromechanicalEngineering，XuzhouNormalUniversity，Xuzhou221116，China;2．SchoolofAerospace，Harbin

InstituteofTechnology，Harbin150001，China)

Abstract:Forthetrajectorytrackingproblemoffree-floatingspacerobotwithflexiblemanipulators，thispapera-floatingspacedoptsanadaptiveRBFneuralnetworkcontrolalgorithm．Firstly，nonlineardynamicequationoffree-flexiblemanipulatorsisestablished．ConsideringgoodapproachabilityofRBFneuralnetwork，itisusedtoadap-tivelylearnandcompensateinverse-model，proportionintegrationdifferentiation(PID)controllerandRBFneural

networkareusedtoguaranteestabilityofthesystem．ErrorcostfunctionisofferedbyPIDcontrollerwithfixedcen-traldataandtheextensionwidthisdeterminedbyheuristicrelation．Thenetworkweightisadjustedbytheim-provedoptimalcriterionalgorithmtorealizefastlearningability．Thesimulationresultsshowthatthepresentedcon-trollercanachievetheasymptoticconvergenceoftrackingerror．

Keywords:RBFneuralnetwork;flexiblespacerobot;heuristiclearning;PIDcontrol

随着航天运载技术的发展，空间机械臂在大载荷运载方面凸显出极大的优势，由于柔性空间机械臂具有速度高、能耗低、惯性小及载荷质量比大等优点，对它的研究也受到专家的广泛关注

［1-3］

［9-10］

时的计算．智能控制近些年由于其无需系统准确

的模型，特别是模糊控制及神经网络控制，不仅控制器简单，且具有学习能力，在空间控制领域的应用日5］并取得了一定可以借鉴的成果．其中文献［益广泛，

提出了一种模糊控制方案用于空间柔性臂，模糊规则通过自适应律来调整．但存在模糊规则过多，计算量将几何倍数增加，过少则不能保证控制精度．文献［7］提出了神经网络控制方案，但这2种算法均存在计算量大，耗时长的缺点，难以保证实时性．

根据以上不足，针对自由漂浮柔性空间机器人，文中提出了一种启发式学习算法的神经网络控制的策略．首先利用拉格朗日方程和模态综合法可建立

但由于

空间机械臂系统为非完整动力学系统，传统的动力学控制方法已不能满足控制的要求．为消除这些非线性因素的影响，已有自适应控制、模糊控制及神经网络控制等先进的控制策略

［4-8］

应用机器人跟踪控

制中，但应用于空间柔性机器人的还很少．

由于柔性空间机器人自由漂浮模式下动力学模型难以得到，并且易受到非线性的影响，虽然采用自适应控制使得线性化及回归矩阵的确定需要繁杂耗

10-13．收稿日期:2010-HIT09C01)．基金项目:中国航天科技创新基金资助项目(CAST-)，E-mail:hit－zwh@126．com．作者简介:张文辉(1980-男，博士研究生，主要研究方向:机器人智能控制、神经网络控制，

动力学系统模型，考虑到RBF神经网络良好的逼近能力，采用PID控制器与神经网络控制器来共同保证系统稳定性．柔性臂的非线性逆动力学模型通过RBF网络来逼近，其误差代价函数由PID控制器提网络权值采用改进的最优准则算法进行调整的供，

算法来实现快速学习能力．仿真结果表明了这种RBF神经控制器能够达到较快的误差收敛速度．

(3)、(4)，经过推导和整理，可以得到如下封闭形式的空间刚柔机械臂系统的非线性动力学方程:

¨

Dθ+H=τ．(5)

q

[]

T

q=［q1式中:θ=［θ1，θ2］，T

q2］．D为4×4的正

定、对称广义质量阵．H为4×1的耦合哥氏力、离心力和弹性力的列阵．τ=［τ1力矩．

τ2

T

0］`为控制

1空间柔性机械臂动力学方程

作平面运动的自由漂浮柔性空间机械臂系统，

2RBF神经网络逆模控制器设计

T

定义e=φd－φ=［e0

系统结构如图1所示，建立平动的惯性坐标系O－XY，刚性臂B1及柔性臂B2

．

0］为误差向量，这里

T

qT］，

eθ=θd－θ，期望关节角为φd=［θTd

T

输入向量为φ=［θ

TqT］在柔性机器人系统式

(5)不存在未建模动态的情况下，下面的控制器可以保证系统的稳定性．

¨d+Kpe+Kde)+H．τ=D(θ

(6)

Kd为反馈增 …… 此处隐藏：2687字，全部文档内容请下载后查看。喜欢就下载吧 ……