关键词：迭代学习控制;;3-DOF拟人机械臂;;伪欠驱动动力学模型;;遗忘因子;;初态学习;;自适应迭代;;ADAMS;;虚拟样机模型
摘 要：本文围绕3-DOF拟人机械臂展开,分别从系统动力学模型建立、轨迹跟踪控制和虚拟样机仿真三个方面展开探索和研究。拟人机械臂由2-DOF的并联机构和一个串联机构组合而成,其独特的机械结构导致其数学模型更加复杂,控制难度更大。因此,针对3-DOF拟人机械臂进行建模和控制策略的研究具有重要的理论价值和实际意义。首先,采用Lagrange方法结合广义变量扩展建立系统的伪欠驱动动力学模型,进一步考虑系统的未建模动态和外部不确定性扰动等因素,最终确定了3-DOF拟人机械臂的完整动力学模型。其次,将系统的完整动力学模型变形得到一类非线性时变系统的状态方程。基于此,设计了一种带变遗忘因子的PD自整定迭代学习控制器来实现拟人机械臂轨迹跟踪控制。为了提高系统的鲁棒性和跟踪精度,将多次迭代学习误差的平均值引入到遗忘因子的设计中,同时,算法中增加了增益自整定项,不仅达到了加速收敛效果,而且有效解决了控制增益选择的盲目性问题。基于范数理论对系统进行收敛性分析,仿真结果说明了该控制策略在3-DOF拟人机械臂轨迹跟踪控制中的有效性。再次,针对在实际应用中机械臂难以满足全局连续Lipschitz条件及严格相同的初始条件的问题,设计了一种带初态学习的模糊自适应迭代学习控制器。初态学习的加入放宽了系统初始状态严格重复的限制,同时,模糊控制器用来实时调节自适应迭代学习过程中的控制参数,提高系统的收敛速度。通过设计Lyapunov函数,分析了系统的收敛性,仿真实现了3-DOF拟人机械臂精确轨迹跟踪控制。最后,通过SolidWorks和ADAMS联合建立3-DOF拟人机械臂虚拟样机。根据人类手臂投掷动作各关节运动曲线,结合带变遗忘因子的PD自整定迭代学习控制策略仿真获取最后的轨迹跟踪曲线,将曲线导入ADAMS中进行运动学仿真分析,进一步验证3-DOF拟人机械臂虚拟样机的正确性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取