基于BP神經網絡的機械臂軌跡控制研究

王　頔，李正斌，張庭亮

（安陽工學院 電子信息與電氣工程學院，河南 安陽 455000）

基于BP神經網絡的機械臂軌跡控制研究

王頔，李正斌，張庭亮

（安陽工學院 電子信息與電氣工程學院，河南 安陽 455000）

針對六自由度機械臂耦合性強、時變、非線性等性能，基于拉格朗日動力學建模方法，文章采用BP神經網絡逼近模型，實現高精度軌跡跟蹤。該方法根據六自由度機械臂本體采集的數據進行黑箱辨識建模解耦，建模過程采用BP神經網絡逼近，提升建模精度、簡化建模過程。針對解耦后的系統，還需建立PID閉環控制器進一步實現軌跡跟蹤控制。仿真及實驗結果表明，基于BP神經網絡的PID控制器能夠改善系統的魯棒性和穩定性，并有效抑制抖動。

BP神經網絡；六自由度機械臂；軌跡跟蹤控制

六自由度機械臂是典型的多輸入多輸出系統，具有時變、強耦合、非線性的特性［1-2］。工業機械臂工況復雜，現場存在大量不可控干擾，采用比例積分微分（Proportion Integral Differential，PID）控制難以達到平滑控制，跟蹤過程中超調較大，且易出現抖動、控制失效等問題。為了實現高精度、快速的軌跡跟蹤［3-4］，采用神經網絡逼近預測模型。將預測模型力矩輸出作為反饋量與實際力矩比較，建立PID反饋控制回路，改善軌跡跟蹤效果。神經網絡具有大規模存儲、結構并行等特點，具有較強的函數逼近能力和分類功能。

六自由度機械臂具有時變、強耦合、非線性等特性，精確的動力學模型難以得到，傳統的PID無法實現快速、平穩跟蹤［5-6］。本文將BP神經網絡控制方法與傳統PID結合，利用BP神經網絡在線學習能力，辨識六自由度機械臂模型，從而保證獲得良好的跟蹤效果。……