基于神经网络的7-DOF机械臂时间收敛性研究

为解决7自由度(DOF)机械臂在利用径向基函数(RBF)神经网络自适应控制克服外界扰动时出现追踪慢的问题,提出了具有时变约束状态的神经网络自适应控制方案,给出了机械臂动力学方程,由神经网络训练求出权重;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,针对时间收敛性分析了角位移、角速度、力矩以及扰动拟合;设计范围参数,以遗传算法(GA)优化。系统仿真结果表明,在保证控制精度的条件下,时间收敛性明显增快。

一种零空间避障的机械臂末端轨迹跟踪算法

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。