摘要：现代科技已经不同以往，尤其是在机器人研究领域，很多学者越来越热衷于去挖掘机器人存在的价值，机器人技术也因为更多研究学者的参与而变得更加成熟，形成了机器人研究的一种体系。机器人在各行各业已经逐渐得到普及，早在军事、医疗、工业等领域得到应用。机械臂系统的控制设计是研制机器人一大部分难题，该系统可以说是机器人的主要执行机构，是研究机器人时必须要考虑到的重要方面，也是最具有挑战的一部分。因为想要机械臂按照预定的轨迹运行，这需要用更高精度的控制技术对它进行控制。然而传统的机器人控制采用的都是PID控制的方法，虽然这种方法使用的控制器结构比较简单，控制相对来说也比较容易，成本也比较低。但是机械臂系统不是一个简单的系统，它具有实时变化和高度耦合的特性，并且有多个输入输出，属于复杂的非线性动态系统。这使得传统的PID控制方法不能实现高精度跟踪控制，而且抗干扰的能力也比较弱，难以保证对机械臂控制的稳定。此外，光靠现在掌握的机器人动力学知识还无法建立起准确的数学模型，因为系统参数是实时变化的，尤其在完全无模型的条件下，这种控制方案也无法满足要求。本文从运动学方面对机械臂进行了分析，并求得机械臂的动力学方程。详细描述BP网络的学习过程，其中包括RBF网络的学习算法及其设计的步骤，还有概述了神经网络控制的其他方法。此外，我们还重点讲述二自由度机械臂的神经网络动力学建模的方法，并设计了相应的控制器，目的是让目标函数能有个比较好的映射关系，所设计的控制器有效地减少传统控制存在的消极影响。最后，用Simulink中的S函数搭建的仿真模型文件能有效反映二自由度机械臂系统的主要动力学行为，在控制方案作用下机械臂能逼近指定的位姿。

关键词：机器人；跟踪控制；非线性系统；RBF神经网络；动力学方程；PID控制；S函数

目录

摘要

ABSTRACT

1.绪论-1

1.1课题研究的背景及意义-1

1.2机器人的应用现状及其发展-2

1.3人工神经网络及其在机械臂控制中的应用概述-3

1.3.1人工神经网络的发展-3

1.3.2神经网络控制在机械臂控制中的应用-4

2. 基于计算机MATLAB的仿真-5

2.1 MATLAB的概述与应用-5

2.1.1MATLAB的发展状况-5

2.1.2MATLAB的特点-5

2.1.3 Simulink的建模与仿真-5

2.2 S函数-6

2.2.1S函数的概述-6

2.2.2 S函数的建立-7

3. 机械臂动力学和运动学方程的建立-8

3.1机械臂的运动学方程-8

3.1.1机械臂工作空间分析-8

3.1.2机械臂运动学解-8

3.1.3机械臂运动学方程的求解-9

3.2机械臂的动力学方程-10

3.2.1机械臂动力学描述-10

3.2.2机械臂的动力学方程-10

4.神经网络的基本理论-13

4.1 基本的人工神经元-13

4.2人工神经网络的构成及其特点-14

4.3神经网络的学习方式-15

4.3.1有教师学习-15

4.3.2无教师学习-16

4.3.3 再励学习-16

4.4 BP网络-17

4.4.1BP学习过程描述-17

4.4.2BP学习算法的改进-19

4.5 径向基网络-20

4.5.1RBF神经网络模型-20

4.5.2径向基函数的选择-22

4.5.3 RBF网络的学习算法-23

5.机械臂的RBF神经网络控制-25

5.1机械臂的控制方法-25

5.1.1机械臂传统控制-25

5.1.2机械臂的其他控制方法-25

5.2机械臂RBF神经网络控制及其仿真-26

5.2.1机械臂的神经网络建模-26

5.2.2RBF神经网络控制器的设计-27

5.2.3分析与仿真-28

6. 总结与展望-34

参 考 文 献-35

致 谢-36