Delta高速并联机器人关键技术的研究
发布时间：2021-01-23 10:58
在“中国制造2025”和“工业互联网”被提出,国内人口红利减少的背景下,Delta并联机器人以其独特的优势得到了快速发展,广泛应用于高精、尖端领域。因此,Delta并联机器人对稳定性、快速性、定位精度、自适应性等性能提出了更高的要求,运动学求解、轨迹规划、动力学控制,成为Delta并联机器人中最重要的研究方向。本文分别在运动学求解、轨迹规划方法、动力学控制、伺服系统控制方面开展Delta高速并联机器人的关键技术的研究,主要研究工作及创新点归纳如下:1.从Delta高速并联机器人的机械结构入手,运用几何方法对并联机器人正运动学、逆运动学分别求解,采用Matlab进行运算,通过不同区域数据进行正、逆运动学求解,验证了方法的准确性。针对几何法对正运动学求解的不足,提出使用基于遗传算法的BP神经网络对Delta高速并联机器人正运动学进行求解,实现运算速度的提高,满足系统快速性的需求。首先,采用LM法对BP神经网络进行训练,通过训练,三层结构BP神经网络进行预测能取得较好的效果,但精度不高。接着,针对此问题,采用遗传算法提高了BP神经网络的性能,降低了误差,实现了高精度求解。与几何法相比,基于遗...
【文章来源】：长春理工大学吉林省
【文章页数】：133 页
【学位级别】：博士
【部分图文】：
Delta并联机器人运用领域
长春理工大学博士学位（毕业）论文102.1.1建立坐标系如图2.2所示，左边为Delta高速并联机器人的三维图，在其上建立立体坐标系，右边是在XOZ平面上单独对一根连杆进行分析建模。机器人系统的机构参数如下：R为主动臂中心点与坐标系中心点的距离，1L为主动臂长度，2L为从动臂长度为，r为动平台的中心点与从动臂末端中心点距离，为主动臂与X轴的夹角，"2L是从动臂在主动臂截面上的投影，与动平台的Y垂直。下面利用并联机构的几何关系进行求解。图2.2Delta高速机器人坐标系建立2.1.2逆运动学分析从图2.2中可以看出，可以利用并联机构末端位置进行几何建模求解，对从动臂L2有：222221dLd(2-1)同时，将L2投影到主动臂截面上的"2L，形成直角三角形，在坐标系的Y轴方向有：2222"2LyL(2-2)同样在X轴方向上，有几何关系：111OAcosdDCLx(2-3)
长春理工大学博士学位（毕业）论文16解动平台末端中心点的坐标，这一过程可以使用神经网络准确预测来实现。神经网络具有非线性特征，能够很好的逼近任意复杂的非线性系统，能够处理多输入多输出系统，非常适合于多变量系统。本论文采用的BP神经网络是目前应用最多的多层前馈神经网络，其训练算法是根据误差进行逆向传播。如图2.3所示为典型的三层网络拓扑结构。图2.3典型三层BP神经网络结构文中依据Delta高速并联机器人设计了一个3层BP神经网络模型来解决并联机器人运动学的求解问题，网络包括输入层、隐含层和输出层，隐含层采用单层结构。神经网络的输入是并联机器人动平台末端中心点的空间位姿，即Tn0，考虑到Tn0中有3个常量，初始设定输入层有3个神经元节点，每个节点对应Delta高速并联机器人关节的伺服输入角度，则3个伺服输入角度构成输入向量ｘ，如式（2-19）所示。321,,x（2-19）神经网络的输出是Delta高速并联机器人动平台末端中心点空间笛卡尔坐标的输出，构成输出向量y，如式（2-20）所示。zyxPPPy,,（2-20）这里，xP，yP和zP分别是并联机器人末端中心点的空间位置坐标。BP神经网络中，每次循环训练过程产生的权值变化由学习速率决定，为保证系统稳定，在0.01～0.8之间选取较小的学习速率值。选取tansig函数作为隐含层的传递函数，由于整个网络的输出为任意值，所以选取purelin函数作为输出层的传递函数。2.2.2改进的神经网络算法普通的BP神经网络具有训练收敛速度慢的缺点，一般情况下，BP神经网络的各参数诸如初始权值的大小，学习率的范围，动量因子的选择都会影响其预测精度，为
【参考文献】：
期刊论文
[1]Delta机器人产品分拣轨迹规划仿真[J]. 张续冲,张瑞秋,陈亮,张宪民. 计算机仿真. 2019(11)
[2]三自由度解耦并联机器人设计与轨迹规划[J]. 顾寄南,刘守. 机械设计与制造. 2019(11)
[3]一种非完全对称新型Delta-CU并联机构的动力学分析[J]. 李家宇,孟庆梅,邓嘉鸣,沈惠平. 常州大学学报(自然科学版). 2019(05)
[4]粒子群算法在机械手臂B样条曲线轨迹规划中的应用[J]. 郭彤颖,刘雍,王海忱,李峰. 组合机床与自动化加工技术. 2019(06)
[5]新型N*3相永磁同步电机的特性分析及其预测控制[J]. 吴公平,黄守道,饶志蒙,罗德荣,张昌凡,吕铭晟,龙卓. 中国电机工程学报. 2019(04)
[6]高速并联机械手抓放轨迹规划方法[J]. 段晓斌,项忠霞,罗振军,梅江平. 机械设计. 2018(08)
[7]基于能耗最优的4自由度并联机器人轨迹优化[J]. 梅江平,孙玉德,贺莹,臧家炜,方志炜. 机械设计. 2018(07)
[8]一种基于Bezier曲线的移动机器人轨迹规划新方法[J]. 孙雷,张丽爽,周璐,张雪波. 系统仿真学报. 2018(03)
[9]基于PH曲线的Delta机器人轨迹规划方法[J]. 苏婷婷,张好剑,王云宽,秦晓飞,吴少泓,郑军,常剑章,王枝增,孙洪生. 机器人. 2018(01)
[10]二阶系统线性自抗扰控制的稳定性条件[J]. 金辉宇,刘丽丽,兰维瑶. 自动化学报. 2018(09)
博士论文
[1]先进控制理论在冷轧平整机控制系统中的应用研究[D]. 李鹏威.北京科技大学 2019
[2]6-PRRS并联机器人关键技术的研究[D]. 杨永刚.哈尔滨工业大学 2008
[3]高速轻型并联机械手关键技术及样机建造[D]. 李占贤.天津大学 2004
硕士论文
[1]三自由度Delta并联机器人轨迹规划及控制[D]. 王娜.青岛大学 2019
[2]一种空间三平移并联机构的运动学性能与仿真研究[D]. 刘小娟.中北大学 2017
[3]Delta并联机器人运动规划与动力学控制[D]. 郭晓彬.广东工业大学 2015
[4]DELTA并联机器人结构参数优化与运动控制研究[D]. 黄海忠.哈尔滨工业大学 2013
[5]一种高速拾取并联机器人的设计与实现[D]. 田涛.大连理工大学 2013
[6]基于DSP的嵌入式交流永磁同步电动机伺服控制系统的研究[D]. 柳成.东北师范大学 2009
[7]新型三平移并联机器人机构的控制研究[D]. 毕可义.江苏大学 2006
本文编号：2995095
【文章来源】：长春理工大学吉林省
【文章页数】：133 页
【学位级别】：博士
【部分图文】：
Delta并联机器人运用领域
长春理工大学博士学位（毕业）论文102.1.1建立坐标系如图2.2所示，左边为Delta高速并联机器人的三维图，在其上建立立体坐标系，右边是在XOZ平面上单独对一根连杆进行分析建模。机器人系统的机构参数如下：R为主动臂中心点与坐标系中心点的距离，1L为主动臂长度，2L为从动臂长度为，r为动平台的中心点与从动臂末端中心点距离，为主动臂与X轴的夹角，"2L是从动臂在主动臂截面上的投影，与动平台的Y垂直。下面利用并联机构的几何关系进行求解。图2.2Delta高速机器人坐标系建立2.1.2逆运动学分析从图2.2中可以看出，可以利用并联机构末端位置进行几何建模求解，对从动臂L2有：222221dLd(2-1)同时，将L2投影到主动臂截面上的"2L，形成直角三角形，在坐标系的Y轴方向有：2222"2LyL(2-2)同样在X轴方向上，有几何关系：111OAcosdDCLx(2-3)
长春理工大学博士学位（毕业）论文16解动平台末端中心点的坐标，这一过程可以使用神经网络准确预测来实现。神经网络具有非线性特征，能够很好的逼近任意复杂的非线性系统，能够处理多输入多输出系统，非常适合于多变量系统。本论文采用的BP神经网络是目前应用最多的多层前馈神经网络，其训练算法是根据误差进行逆向传播。如图2.3所示为典型的三层网络拓扑结构。图2.3典型三层BP神经网络结构文中依据Delta高速并联机器人设计了一个3层BP神经网络模型来解决并联机器人运动学的求解问题，网络包括输入层、隐含层和输出层，隐含层采用单层结构。神经网络的输入是并联机器人动平台末端中心点的空间位姿，即Tn0，考虑到Tn0中有3个常量，初始设定输入层有3个神经元节点，每个节点对应Delta高速并联机器人关节的伺服输入角度，则3个伺服输入角度构成输入向量ｘ，如式（2-19）所示。321,,x（2-19）神经网络的输出是Delta高速并联机器人动平台末端中心点空间笛卡尔坐标的输出，构成输出向量y，如式（2-20）所示。zyxPPPy,,（2-20）这里，xP，yP和zP分别是并联机器人末端中心点的空间位置坐标。BP神经网络中，每次循环训练过程产生的权值变化由学习速率决定，为保证系统稳定，在0.01～0.8之间选取较小的学习速率值。选取tansig函数作为隐含层的传递函数，由于整个网络的输出为任意值，所以选取purelin函数作为输出层的传递函数。2.2.2改进的神经网络算法普通的BP神经网络具有训练收敛速度慢的缺点，一般情况下，BP神经网络的各参数诸如初始权值的大小，学习率的范围，动量因子的选择都会影响其预测精度，为
【参考文献】：
期刊论文
[1]Delta机器人产品分拣轨迹规划仿真[J]. 张续冲,张瑞秋,陈亮,张宪民. 计算机仿真. 2019(11)
[2]三自由度解耦并联机器人设计与轨迹规划[J]. 顾寄南,刘守. 机械设计与制造. 2019(11)
[3]一种非完全对称新型Delta-CU并联机构的动力学分析[J]. 李家宇,孟庆梅,邓嘉鸣,沈惠平. 常州大学学报(自然科学版). 2019(05)
[4]粒子群算法在机械手臂B样条曲线轨迹规划中的应用[J]. 郭彤颖,刘雍,王海忱,李峰. 组合机床与自动化加工技术. 2019(06)
[5]新型N*3相永磁同步电机的特性分析及其预测控制[J]. 吴公平,黄守道,饶志蒙,罗德荣,张昌凡,吕铭晟,龙卓. 中国电机工程学报. 2019(04)
[6]高速并联机械手抓放轨迹规划方法[J]. 段晓斌,项忠霞,罗振军,梅江平. 机械设计. 2018(08)
[7]基于能耗最优的4自由度并联机器人轨迹优化[J]. 梅江平,孙玉德,贺莹,臧家炜,方志炜. 机械设计. 2018(07)
[8]一种基于Bezier曲线的移动机器人轨迹规划新方法[J]. 孙雷,张丽爽,周璐,张雪波. 系统仿真学报. 2018(03)
[9]基于PH曲线的Delta机器人轨迹规划方法[J]. 苏婷婷,张好剑,王云宽,秦晓飞,吴少泓,郑军,常剑章,王枝增,孙洪生. 机器人. 2018(01)
[10]二阶系统线性自抗扰控制的稳定性条件[J]. 金辉宇,刘丽丽,兰维瑶. 自动化学报. 2018(09)
博士论文
[1]先进控制理论在冷轧平整机控制系统中的应用研究[D]. 李鹏威.北京科技大学 2019
[2]6-PRRS并联机器人关键技术的研究[D]. 杨永刚.哈尔滨工业大学 2008
[3]高速轻型并联机械手关键技术及样机建造[D]. 李占贤.天津大学 2004
硕士论文
[1]三自由度Delta并联机器人轨迹规划及控制[D]. 王娜.青岛大学 2019
[2]一种空间三平移并联机构的运动学性能与仿真研究[D]. 刘小娟.中北大学 2017
[3]Delta并联机器人运动规划与动力学控制[D]. 郭晓彬.广东工业大学 2015
[4]DELTA并联机器人结构参数优化与运动控制研究[D]. 黄海忠.哈尔滨工业大学 2013
[5]一种高速拾取并联机器人的设计与实现[D]. 田涛.大连理工大学 2013
[6]基于DSP的嵌入式交流永磁同步电动机伺服控制系统的研究[D]. 柳成.东北师范大学 2009
[7]新型三平移并联机器人机构的控制研究[D]. 毕可义.江苏大学 2006
本文编号：2995095
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2995095.html
