液压柔性机械臂受摩擦力、重力以及牵引力等多种动力势能影响,导致运动特征的变动关系复杂,定位控制误差较大。为此,提出一种基于RBF神经网络的末端定位控制方法。建立RBF神经网络架构,采用高斯函数作为输入层和模糊层的连接函数,以摩擦力、牵引力、重力等值作为导入因子,分析其动力学特性。以此为约束,设计非线性的定位控制补偿方法,通过多次迭代调整平衡阈值实现高质量的定位控制。实验结果证明,所提方法定位控制精准度较高,控制后的机械臂运动旋转角度以及垂直角度曲线变化与目标值基本一致,控制效果表现优异。

针对液压柔性机械臂在运动作业过程中由于系统参数不确定、运动轨迹缺乏控制导致运动 失稳的情况首先介绍了神经网络结合柔性机械臂的高自由度特点选择适合的轨迹跟踪方法;其次结合模 糊神经网络图对液压柔性机械臂系统进行参数化设计利用其能跟踪轨迹误差的特点结合一阶梯度法寻 找液压柔性机械臂的运动期望位置;最后在满足两个关节达到期望轨迹的同时利用神经网络系统有效控 制液压柔性机械臂的运动轨迹.实验表明该智能网络方法具有更好的跟踪效果.

为了抑制大型双连杆液压柔性机械臂末端振动以重载上、下料液压柔性机械手臂为研究对象针对机械臂在运动过程中末端振动的现象通过伺服液压系统-Euler Bernoulli梁模型、Lagrange方程和Jacobian矩阵设计一种基于压电反馈驱动系统控制方法利用机械臂末端搭载的压电敏感传输器、压电驱动器和反演控制设计方法研究伺服液压缸运动振颤、液压缸与机械臂关节卡顿和机械臂杆件弹性振动对液压柔性机械臂末端振动的影响规律。仿真结果表明该抑振控制方法稳定性较好针对液压柔性机械臂能显著减小末端振动缩短振动衰减时间定位精度得到明显改善。