冗余度TT-VGT機器人的神經網絡自適應控制

TT-VGT（Tetrahedron-Tetrahedron-Variable Geometry Truss）機器人是由多個四面體組成的變幾何桁架機器人,圖1所示為由N個四面體單元組成的冗余度TT-VGT機器人操作手,平面ABC為機器人的基礎平臺,基本單元中各桿之間由較鉸連接,通過可伸縮構件li(i=1,2,…,n)的長度變化改變機構的構形。圖2所示為其中的兩個單元的TT-VGT機構,設平面ABC和平面BCD的夾角用中間變量qi(i=1,2,…,n)表示,qi與li(I=1,2,…,n)的關系如下[2]：

4 實例分析

以四得四面體為例,如圖5所示建立基礎坐標系,末端參考點H位于末端平臺EFG的中點。設參考點H在基礎坐標系中,從點（0.8640,-0.6265,0.5005）直線運動到點（1.8725,0.5078,0.7981）,只實現空間的位置,不實現姿態。運動的整個時間T設定5秒,運動軌跡分為等時間間隔的100個區間。不失一般性要求,末端在軌跡的前40個區間勻加速度運動（a=0.2578）,中間20個工間勻速度運動,最后40個區間勻減速度運動（a=-0.2578）,開始和結束時的末端速度為。設各定長構件長度為1m,機構中各桿質量為1kg,并將質量向四面體各頂點對稱簡化。

傳動裝置的參數如下：

Ma=4.0×10e -3kg·m/V;Ba=0.01N·m/(rad·s -1);

近似認為各關節電動機軸上的總轉動慣量在運動過程中保持不變,其值分別為：

J1=0.734kg·m2;J2=0.715kg·m2;

J3=0.537kg·m2;J4=0.338kg·m2

末端位置誤差曲線如圖6所示。從誤差曲線可看出,用神經網絡自適應控制的機器人位置控制精度較高,穩定性較好。

本文提出采用直接MRAC神經網絡自適應器對機器人進行軌跡控制的方案;建立機器人狀態模型,推導出自適應控制算法,并對冗余度TT-VGT機器人軌跡控制進行了仿真。結果表明,該方案控制誤差較小,穩定性較好。