三关节机械臂的运动路径轨迹研究

第一章 绪论

1.1 课题研究背景
工业发达国家的挖掘机生产较早，第一台手动挖掘机问世到现在应经 130 多年，在这期间挖掘机经历了由半回转挖掘机到全回转挖掘机，再到全自动液压挖掘机的发展过程。从 20 世纪后期开始，国际上挖掘机的生产向大型化、微型化、多功能化、专用化和自动化的方向发展。从近几年工程机械的发展来看，挖掘机的发展相对较快。挖掘机主要用于工程建设。如：公路、桥梁、建筑、养殖池、地下工程、抢险开挖等。挖掘机主要特点是马力大，效率高，能完成人力所不能完成的工程，提高工作效率。挖掘机应用广泛，工程队，建筑业，抢险部门，甚至个人都需要挖掘机。作为工程机械的主流产品，挖掘机现在已经在工业与民用建筑、交通运输、水利电力工程、矿山采掘以及军事工程等施工中起着极为重要的作用。最早机器人[2]采用的是顺序控制，随着微型计算机的向前发展，机器人通过采用计算机来实现机电装置的功能。随着控制技术和信息技术的发展，机器人控制朝着智能方向发展，出现了多传感器信息融合、智能行为控制等多种新技术。机器人技术[3][4]则是建立在计算机技术、传感器技术、自动控制技术等技术基础上的一门综合技术。随着电子计算机、自动控制理论的发展、工业生产的需要以及空间技术的进步，机器人技术迅速发展起来。机器人从其诞生到现在，已经发展到了第三代。第一代是示教再现机器人。它们装有记忆存储器，然后人按照操作要求给机器人做好示范，使机器人能够记忆操作要领。当接收到再现命令时，它能够把输入的动作再现。第二代是离线编程的工业机器人，它里面装有计算机和传感器。
它能够对外界信息进行感知和思维，这点比第一代灵活、也比第一代更适应变化环境的要求。第三代是智能机器人，它具有类似人的感知、思维和动作。它里面装有很多传感器，这些传感器能识别环境，能自己做决策，具有象人类大脑一样的功能。这种机器人动作灵活，它是智能控制发展到高级阶段的表现。随着机器人技术的发展和机器人功能的强大，机器人在工业生产中的应用越来越广泛，这不仅降低了操作者的劳动强度，而且提高了劳动生产率和产品质量，带来了良好的社会效益和经济效益。机器人还在医学、农业、建筑业甚至军事等领域中均有重要用途。现在的机器人是高级整合控制理论、机械电子、计算机、材料和仿生学产物，其重要性还体现在国家对外交流上，机器人的发展程度现在代表着一个国家的科技水平。

1.2 课题研究现状
挖掘机是用铲斗挖掘高于或低于承机地面的物料，并装入运输车辆或卸至堆料场的土方机械。常见的挖掘机结构包括动力装置，工作装置，回转机构，操纵机构，传动机构，行走机构和辅助设施等。现在的挖掘机大都是液压挖掘机，液压挖掘机主要由发动机、液压系统、工作装置、行走装置和电气控制等部分组成。液压系统由液压泵、控制阀、液压缸、液压马达、管路、油箱等组成。电气控制系统包括监控盘、发动机控制系统、泵控制系统、各类传感器、电磁阀等。工作装置是直接完成挖掘任务的装置。它由动臂、斗杆、铲斗等三部分铰接而成。动臂起落、斗杆伸缩和铲斗转动都用往复式双作用液压缸控制。机器人技术的发展为实现挖掘机的智能化、自动化创造了条件，挖掘机的机器人化发展是现代科学发展的必然产物，人们总是设法让更智能化的机器来代替人的劳动。各种工程机械、建筑机械的自动化控制已成为当今国际自动化技术发展的一个重要方向。国外在智能挖掘机的研究上，已取得了一些成果。但主要还是集中在低级局部自主挖掘方面，而全自动的挖掘机技术则发展较慢，大部分停留在实验室研究阶段。
澳大利亚悉尼大学特种机器人研究中心研制开发了远程控制机器人化挖掘机，通过位移及力反馈控制液压伺服系统，从而实现自主化作业。日本小松公司的液压挖掘机激光引导自动挖掘系统。采用激光引导装置，能自动控制工作装置的位置。美国卡耐基．梅隆大学机器人学院对自动挖掘规划策略进行了研究，其研制的挖掘机器人可以在对挖掘地点进行检测的基础上．规划挖掘动作并控制工作装置来挖掘埋在地下的公共设施管道。它使用一个由传感器构成的表面模型，用来规划挖掘作业。为了建立精确的表面和目标深度分布图，控制系统对声纳数据进行解释．以获得作业环境的信息。挖掘机器人将是替代人在繁重、危险、恶劣环境下作业必不可少的工具，也是国家重点发展的关键技术装备。国内几所著名大学都在开发研制各具特点的挖掘机器人。同济大学开发出了正铲挖掘机，这种挖掘机由微机操纵，能实现水平推进功能、挖掘过程自动控制功能、机体导航功能等等。
 
   1.3 课题提出及其意义 ..................10-11
    1.4 课题研究内容 ..................11-12
第二章 三关节机械臂的运动学建模分析 ..................12-20
    2.1 机器人运动学数学基础 ..................12-15 
    2.2 三关节机械臂运动学建模 ..................15-18
    2.3 三关节机械臂运动学问题 ..................18-20 
第三章 基于 CMAC 的三关节机械臂运动学逆解.................. 20-30
    3.1 CMAC 网络简介 ..................20-21
    3.2 三关节机械臂在二维平面的运动 ..................21-22
    3.3 逆运动学问题解决方案 ..................22-23
    3.4 机械臂的模型 ..................23-26
    3.5 仿真实验 ..................26-30
第四章 三关节机械臂的运动轨迹规划 ..................30-44
    4.1 轨迹规划概述 ..................30-31
    4.2 轨迹规划应考虑的问题 ..................31-34
    4.3 机械臂关节轨迹插值计算 ..................34-40
    4.4 机械臂笛卡尔路径轨迹规划 ..................40-44
第五章 三关节机械臂的动力学建模研究 ..................44-54
    5.1 动力学问题概述 ..................44
    5.2 动力学建模方法介绍 ..................44-47
    5.3 基于拉格朗日函数的三关节机械臂的动力学建模 ..........47-54
第六章 基于 RBF 模糊神经网络的三关节机械臂运动控制 .............54-70
    6.1 三关节机械臂模糊控制 ..................54-58 
    6.2 三关节机械臂模糊神经网络控制 ..................58-61 
    6.3 三关节机械臂 RBF 模糊神经网络控制 ..................61-70

总结

本文以挖掘机器人为载体，以三关节机械臂为研究对象，借助运动学与动力学等相关数学知识和神经网络与模糊控制等相关控制理论，对三关节机械臂运动轨迹控制进行了系统研究，主要研究内容如下：
(1) 三关节机械臂的运动学和动力学建模分析：本文借助机器人运动学和动力学相关数学知识和建模方法，建立三关节机械臂运动学模型和基于拉格朗日函数的动力学模型，同时也分析了相关问题，为下文研究轨迹规划和路径跟踪控制奠定了理论基础。
 (2) 三关节机械臂的运动学逆解：运动学逆问题很复杂，逆解不一定存在，还有逆解可能不是唯一的，这里我们研究采用CMAC网络方法进行运动学逆解。
(3) 三关节机械臂运动轨迹规划：简要介绍轨迹规划及其相关问题，较为详细分析机械臂关节空间五段三次多项式插值函数的建立过程，推导出其方程表达式，在此基础上对机械臂进行笛卡尔关节路径轨迹规划。
 (4) 三关节机械臂运动轨迹控制研究：考虑到路径跟踪控制的复杂性，为了实现精确的轨迹跟踪运动控制，本文提出了一种RBF模糊神经网络控制算法，将神经网络与模糊控制结合起来，各取优势，互补不足，结合后的RBF模糊神经网络具有模糊逻辑推理能力，实验结果显示了良好的跟踪性能和控制效果。

参考文献

[1] 冯国平.机械式挖掘机的动力学分析与智能化设计[D].东北大学硕士学位论文.2006
[2] Siegwart R, Nourbakhsh I. Introduction to autonomous mobile robotics [M].London: The MIT Press, 2004.
[3] 刘极峰.机器人技术[M].北京：高等教育出版社，2006．81-99
[4] Arai T, Pagello E, Lynne P E. Editorial: advances in multi-robot systems[J].  IEEE transactions on robotics and automation, 2002, 18(5): 655-661.
[5] 蔡自兴.机器人学[M].北京：清华大学出版社，2009．264-278
[6] 刘巍.救援机器人操作臂的运动学、动力学及仿真研究[D]. 东南大学硕士学位文.2010
[7] Chang-Ching (David) Lin, Hsu-Pin (Ben) Wang. Performance analysis ofrotating machinery using enhanced cerebellar model articulation controller(E-CMAC) neural networks[J].Computers & Industrial Engineering, Volume 30,Issue 2, April 1996, Pages 227-242[
8] 凌家良.基于OpenGL的工业机器人运动仿真软件的设计与实现[D].中南大学硕士学位论文.2009
[9] Chi-Jie Lu, Jui-Yu Wu. An efficient CMAC neural network for stock indexforecasting[J].Article Expert Systems with Applications, Volume 38, Issue12, November–December 2011, Pages 15194-15201
[10] 王莉，王冬青,王二元.基于 CMAC 神经网络的热连轧精轧温度预报模型[J].控制工程 .2011,18(2): 188-190.