排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对柔性机械臂在运动过程中受到柔性因素的影响会出现剧烈振动的问题，提出一种采用径向基(RBF)神经网络辨识的柔性机械臂抑振控制策略，通过减弱机械臂转角波动的方式间接抑制振动。首先，根据拉格朗日原理和假设模态法建立柔性机械臂的动力学模型，其中的不确定项由模态坐标和转角耦合的非线性项构成；其次，在控制律的设计中采用RBF神经网络对动力学模型的不确定项进行辨识补偿，从而提高驱动力矩的精度；最后，通过调整神经网络权重自适应律的系数，使包含辨识结果的控制律满足李亚普诺夫稳定性定理，从而保证动力学系统的稳定性，其中权重自适应律由高斯函数和误差向量组成。采用柔性机械臂实物控制平台的对比实验结果表明：所提出的控制策略能够有效减小柔性机械臂的转角误差和振动幅值；当柔性机械臂长度为1.5 m时，相比常规比例微分控制策略，采用RBF神经网络辨识的控制策略使机械臂末端振动敏感方向的加速度的方差下降了5.8%。该控制策略为柔性机械臂的振动抑制提供了新思路。 相似文献
2.
柔性机械臂系统中的负载柔性、关节柔性会导致输出转速波动，故使用PI控制策略对伺服系统进行控制.根据连续体振动理论和拉格朗日方程建立同时考虑负载和关节两种柔性的动力学模型，并分析了两种柔性对系统传动特性的影响.使用Arnoldi方法对传递函数进行降阶，并对降阶误差进行评价.采用极点配置方法设计控制器参数，讨论了极点阻尼系数、自然频率等对系统动态特性的影响.最后进行双柔性机械臂的仿真分析和转动控制实验，结果表明：适当调整控制器参数可以有效减弱柔性机械臂伺服传动系统末端的转速波动，进而抑制机械谐振现象，使系统趋于稳定. 相似文献
1