60000字硕士毕业论文三关节机械手运动轨迹的研究

论文类型：硕士毕业论文

论文字数：60000字

论点：挖掘机,机器人,运动学

论文概述：

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

论文正文：

第1章引言

1.1研究背景
发达工业国家的挖掘机生产较早。第一台手动挖掘机已经生产了130多年。在此期间，挖掘机经历了从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。自20世纪末以来，世界挖掘机的生产一直朝着大型化、小型化、多功能化、专业化和自动化的方向发展。从近年来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。例如，道路、桥梁、建筑物、养殖池塘、地下工程、紧急挖掘等。挖掘机的主要特点是马力大，效率高。他们可以完成人力无法完成的项目，提高工作效率。挖掘机被广泛使用。工程团队、建筑行业、应急部门甚至个人都需要挖掘机。挖掘机作为工程机械的主流产品，在工业和民用建筑、交通运输、水利电力工程、采矿和军事工程中发挥着极其重要的作用。最早的机器人[2]使用顺序控制。随着微型计算机的发展，机器人利用计算机实现机电设备的功能。随着控制技术和信息技术的发展，机器人控制向智能化发展，出现了多传感器信息融合和智能行为控制等新技术。机器人技术[3][4]是基于计算机技术、传感器技术和自动控制技术的综合技术。随着电子计算机、自动控制理论的发展、工业生产的需要和空技术的进步，机器人技术发展迅速。从诞生到现在，机器人已经发展到第三代。第一代是教授和复制机器人。它们配有记忆存储器，然后人们根据操作要求向机器人演示，使机器人能够记住操作要领。当接收到再现命令时，它可以再现输入动作。第二代是离线编程的工业机器人，配备有计算机和传感器。
它能感知和思考外部信息，比第一代更灵活，更能适应不断变化的环境要求。第三代是智能机器人，它具有类似人类的感知、思维和行动。它配备了许多传感器，这些传感器可以识别环境，可以做出自己的决定，具有与人脑相同的功能。这种机器人动作灵活，是智能控制发展到高级阶段的体现。随着机器人技术的发展和机器人功能的强大，机器人越来越多地应用于工业生产中，不仅降低了操作人员的劳动强度，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。机器人在医学、农业、建筑甚至军事领域也有重要的应用。今天的机器人是先进的集成控制理论、机电一体化、计算机、材料和仿生学的产物。它们的重要性也反映在该国的外汇上。机器人的发展水平现在代表了一个国家的科技水平。

1.2[项目的研究现状/br/]挖掘机是一种运土机器，使用铲斗在机器地面上方或下方挖掘材料，然后将其装载到运输车辆上或卸载到储存场。常见的挖掘机结构包括动力装置、工作装置、旋转机构、操作机构、传动机构、行走机构和辅助设施等。如今，大多数挖掘机都是液压挖掘机。液压挖掘机主要由发动机、液压系统、工作装置、行走装置和电控装置组成。液压系统由液压泵、控制阀、液压缸、液压马达、管道、油箱等组成。电气控制系统包括监控面板、发动机控制系统、泵控制系统、各种传感器、电磁阀等。工作装置是直接完成挖掘任务的装置。它由三部分组成:动臂、斗杆和铲斗。动臂升降、斗杆伸出和铲斗旋转都由往复式双作用液压缸控制。机器人技术的发展为挖掘机实现智能化和自动化创造了条件。挖掘机的自动化发展是现代科学发展的必然结果。人们总是试图用更智能的机器代替人工劳动。各种工程机械和工程机械的自动控制已经成为国际自动化技术发展的重要方向。国外在智能挖掘机的研究方面取得了一些成果。然而，它主要集中在低水平的局部自主挖掘，而全自动挖掘机技术发展缓慢，大多停留在实验室研究阶段。
澳大利亚悉尼大学专用机器人研究中心开发了一种遥控机器人挖掘机，通过位移和力反馈控制液压伺服系统，从而实现自主操作。日本小松公司的液压挖掘机激光导向自动挖掘系统。激光导向装置可以自动控制工作装置的位置。美国卡内基梅隆大学机器人研究所研究了自动挖掘的规划策略。该研究所开发的挖掘机器人可以根据挖掘现场的检测来规划挖掘动作并控制工作装置挖掘埋地公共设施管道。它使用由传感器组成的表面模型来规划挖掘作业。为了建立精确的表面和目标深度分布图，控制系统解释声纳数据以获得关于操作环境的信息。挖掘机器人将是取代在重、危险和恶劣环境中工作的人的重要工具，也是国家开发的关键技术设备。中国几所著名大学正在开发和研制具有自己特色的挖掘机器人。同济大学研制了一种前铲挖掘机，由微电脑控制，可实现水平推进功能、挖掘过程自动控制功能、车身导航功能等。

1.3项目建议书及其意义..............................10-11
1.4项目研究内容..............................11-12
第二章三关节机械手运动学建模与分析..............................12-20
2.1机器人运动学的数学基础..............................12-15
2.2三关节机械手运动学建模..............................15-18
2.3三关节机械手的运动学问题..............................18-20
第三章基于CMAC的三关节机械手逆运动学解..............................20-30 [/BR/] 3.1 CMAC网络简介..............................20-21 [/BR/] 3.2三关节机械手在二维平面内的运动..............................21-22[/ Br/] 3.3逆运动学问题的解决方案..............................22-23
3.4机械臂型号..............................23-26
3.5模拟实验..............................26-30
第四章三关节机械手轨迹规划..............................30-44[/比尔/] 4.1轨迹规划概述..............................30-31[/比尔/] 4.2轨迹规划中要考虑的问题..............................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..............................44-54
5.1动态问题概述..............................44
5.2动态建模方法..............................基于拉格朗日函数的三关节机械手动力学建模……47-54
第六章基于径向基函数模糊神经网络的三关节机械手运动控制……54-70 [/BR/] 6.1三关节机械手的模糊控制..............................54-58 [/BR/] 6.2三关节机械手模糊神经网络控制..............................58-61 [/BR/] 6.3三关节机械手径向基函数模糊神经网络控制..............................61-70

摘要

本文以挖掘机器人为载体。以三关节机械手为研究对象，借助运动学、动力学等相关数学知识和神经网络、模糊控制等相关控制理论，对三关节机械手的运动轨迹控制进行了系统研究。主要研究内容如下:
(1)三关节机械手运动学和动力学建模分析:借助机器人运动学和动力学的相关数学知识和建模方法，建立了三关节机械手的运动学模型和基于拉格朗日函数的动力学模型，并对相关问题进行了分析，为后续的轨迹规划和路径跟踪控制研究奠定了理论基础。
(2)三关节机械手逆运动学解:逆运动学问题非常复杂，逆解可能不存在，逆解可能不唯一。在这里我们用CMAC网络方法研究逆运动学解。
(3)三关节机械手轨迹规划:简要介绍了轨迹规划及相关问题，详细分析了机械手关节空之间建立五次三次多项式插值函数的过程，推导了其方程表达式，并在此基础上对机械手进行了笛卡尔关节轨迹规划。[/BR/] (4)三关节机械手轨迹控制研究:考虑到轨迹跟踪控制的复杂性，为了实现精确的轨迹跟踪运动控制，提出了一种神经网络与模糊控制相结合、优势互补的径向基函数模糊神经网络控制算法。组合径向基函数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

[1]冯郭萍。机械挖掘机的动力学分析和智能设计[。东北大学硕士学位论文. 2006
[2]西格瓦特，努尔巴赫什1自治移动机器人导论[。伦敦:麻省理工学院出版社，2004。
[3]刘继峰。机器人[m]。北京:高等教育出版社。《多机器人系统的进展》，[。IEEE机器人和自动化事务，2002，18(5): 655-661。
[5]蔡自兴。机器人[。北京:清华大学出版社，2009.264-278
[6]刘伟。救援机器人机械手的运动学、动力学和仿真[。东南大学硕士学位。2010
[7]林长青(大卫)。王旭平(本)。引用该论文李建华，李建华，李建华，李建华，李建华，李建华，李建华.《计算机与工业工程》，第30卷，第2期，1996年4月，第227-242页，[·
8]凌家亮。基于OpenGL的工业机器人运动仿真软件的设计与实现。中南大学硕士学位论文。2009
[9]卢志杰。瑞伊-吴语。CMAC神经网络在股票指数预测中的应用[[]。《应用专家系统》，第38卷，第12期，2011年11-12月，第15194-15201页，[/比尔/] [10]王力，王冬青，王杜亚。基于CMAC神经网络的精轧温度预测模型。控制工程。2011年，18(2): 188-190。