神经网络滑模控制在并联机器人中的应用

历矿驱够删，儆持电棚２伽年第８期？…己釜＜：／／蜗甜ｄ砻々∥—ｑ‘■多｝—ｌ，…一…………………………一……．－＿……………………………………－……………………．．神经网络滑模控制在并联机器人中的应用

王磊，高国琴，蔡纪鹤

（江苏大学，江苏镇江２１２０１３）

摘要：首先用滑模控制策略对被控对象进行控制仿真，在分析结果后，结合神经网络滑模控制方法，充分利用神经网络滑模控制的学习能力强，自适应辨识能力强，可以无穷逼近任意函数的优点。仿真结果表明，神经网络滑

模控制方法的跟踪效果好，系统误差小，可以满足机器人控制的要求，能够解决机器人的轨迹跟踪问题，仿真实验证

实了该控制策略的正确性和有效性。

关键词：并联机器人；滑模控制；神经网络；仿真；控制策略

中图分类号：１１Ｐ２７３＋．３文献标识码：Ａ文章编号：ｌ００４—７０１８（２∞８）０８一∞３２一０４

ＴｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＶａｒｉａｂｌｅＳｔｒｕｃｔｕｒｅＢａｓｅｄＯｎＮｅｕｒａｌＮｅｔｗｏｒｋｉｎｔｈｅＣｏｎｔｒｏｌｏｆＰａｒａｌｌｅｔＲｏｂｏｔ

黝＾Ｂ如ｉ，ＧＡＤＧ“ｏ—ｑｉｎ，ＣＡ，＾一＾ｅ

（ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｆｉｒｓｔｌｙ，ｂｙｔｈｅｕｓｅ０ｆｔｈｅｓｌｉｄｉｎｇｃｏｎｔｍＩｓｔｒａｔｅｇｙｔｏｓｉｍｕｌａｔｅｔｈｅｏｂｊｅｃｔ，ａｆｔｅｒａｎａｌｙｓｉｎｇｔｈｅｒｅｓｕｌｔｓ，ｃｏｍｂｊｎｉｎｇｔｈｅｎｅｕｒａＪｎｅｔｗｏｒｋｓｌｉｄｉｎｇｃｏｎｔｒｏｌｍｅｔｈｏｄ，ｍａｋｉｎｇｆｕｌｌｕｓｅｏｆｔ｜ｌｅｌｅａｍｉｎｇａｂｉｌｉｔｙｏｆｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｓ“ｄｉｎｇｃｏｎｔｍｌａｎｄｔｈｅ

ａｂｉＩｉｔｙｏｆａｄａＰｔｉｖｅｉｄｅｎｔｉ６ｃａｌｉｏｎ，ａｎｄｉｔａｌｓｏｃａｎａｐｐｒｏｘｊｍａｆｅａｎｙｆｕｎｃｔｉｏｎｉｎｆｉｎｉｔｅａｄｖａｎｔａｇｅ８．ＴｈｅｓｉｍｕＩａ“ｏｎｒｅｓｕＪｔｓｓｈｏｗｅｄ

ｔｈａｔｔｈｅｎｅｕｍｌｎｅｔｗｏｒｋｃｏｎｔｍｌｍｅｔｈｏｄｏｆｔｒａｃ“ｎｇｓｌｉｄｉｎｇｔｏｏｋ９００ｄｅｆｆｂｃｔ，ｔｈｅｓｙｓ￡ｅｍｅ舯ｒｗ｛ｌｓｓｍａｌｌ，ｓａ“ｓ６ｎｇｔｈｅｒｅｑｕｉｒｅ—ｍｅｎｔｓｏｆｒｏｂｏｔｃｏｎｔｍｌ，ｓｏｌｖｊｎｇｔｈｅｐｒｏｂｌｅｍｏｆｍｂｏｔｔｒａｃｋｉｎｇ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｄｍｅｎｔｓｃｏｎｎ肿ｅｄｔｈｅｃｏｒｒｅｃｔｎｅｓｓｏｆｔｈｅｃｏｎ－

ｔｒｏｌｓｔｒａｌｅｇｙａｎｄｅｆ亿ｃｉｉｖｅｎｅｓｓ．

Ｋｅｙｗｏｒｄｓ：ｐａ试ｌｅｌｒｏｂｏｔ；ｓｌｉｄｉｎｇｃｏｎｔｒｏｌ；ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｓｉｍｕｌａｔｉｏｎ；ｃｏｎｔｍｌｓｔｒａｔｅｇｙ

Ｏ引言１支路模型

并联机器人具有高精度、刚度大、承载力强、运动惯量小、位置误差不积累等特点，与串联机器人呈互补关系，成为机器人研究领域的热点。

本文力图研究一种控制策略，来满足并联机构的高速度、高精度的控制要求。并联机器人本身是一个高度非线性系统，运动过程中存在着很大的干扰因素，常规的控制策略已经很难满足控制要求。变结构控制系统在机器人、航空航天和工业领域中有着大量的应用研究，因为机器人动力学一般是非线性动力学，同时存在多种不可预见的外部干扰，所以机器人控制是近年来变结构控制系统理论的主要应用环境之一。但是抖振问题一直是变结构控制的热点，消除抖振的方法有很多，本文先用趋近率方法对支路进行仿真，然后用滑模控制等效控制对系统仿真，由于滑模控制的抖振大小主要是由其控制器的切换增益决定的，最后提出的一种新型的解决抖振控制方法，采用神经网络对切换项的增益进行调节，从而从根本上降低了滑模控制的抖振。

收稿日期：２００８一０３—０３

基金项目：国家自然科学基金资助项目（５０３７５０６７）

江苏省教育厅资助项日（０３ＫＪＤ５１００７２）

３２

本文研究的并联机器人是二自由度驱动冗余并联机器人Ｍｊ，其中有三个驱动部分，每个驱动侧包括一个松下ＭＩＮＡＳＡ系列ＡＣ伺服电机和减速装置。上位机通过固高控制

卡ＧＴ一４００一ＳＶ来控制

三个电机，这种机构的驱

动元减少，结构紧凑，具有

广泛的实用价值和研究价

值，在工业中具有广泛的图ｌ二自由度冗余

应用。如图１所示。并联机器人结构图

２交流伺服驱动支路模型

本文中的控制电机是松下交流伺服电机．根据有关文献ｈ８１可知，电流控制的三相星型连接的无刷交流伺服电机的输出转矩可以表示为：

丁（ｓ）＝［（厶砗ｍ—Ｋｉ一）Ｋ一∞Ｋ１ｚ氘÷Ｋｔｐ

（１）式中：Ｋ。。为电流信号前置放大系数８８，Ｋｉ为电流环反馈系数２．２，配为电流调节器放大系数６，Ｌ。、尺，为三相绕组的电感和电阻，分别为９．９ｍＨ、３．７Ｑ，，。

　万方数据