神经网络逆系统在机器人解耦控制中的应用研究

"这篇硕士学位论文主要探讨了基于神经网络逆系统方法的机器人解耦控制研究，作者沈建强在东南大学攻读控制理论与控制工程硕士，导师为戴先中，完成于2001年3月。研究重点是解决机器人控制系统中的非线性和强耦合问题，通过神经网络逆系统的方法将JRB-2型机器人的关节解耦为多个二阶线性子系统，以实现位置系统的快速、准确跟踪。论文详细介绍了神经网络逆系统控制策略以及神经网络广义逆系统方法，分别应用于不同自由度的机械手解耦控制，以达成对任意轨迹的快速跟踪。" 在论文中，作者首先介绍了研究对象JRB-2型机器人，并讨论了解耦控制和轨迹跟踪中遇到的挑战。神经网络逆系统控制策略作为一种有效的方法，能够处理模型的非线性，通过线性化处理将强耦合的关节分解为独立的子系统，简化了控制设计。这种方法的优势在于不需要精确的数学模型，只需要关节位置的测量数据，且具有简单的结构和易于工程实现的特点。 论文的第四章深入分析了JRB-2型机器人的可逆性，并实际应用神经网络逆系统控制策略，成功解耦了包括腕一、腕二、肘在内的三个自由度，实现了对任意轨迹的快速、准确跟踪。 第五章则引入了神经网络广义逆系统方法，这种方法能任意配置伪线性复合系统的极点，优化开环频率特性。通过这种方法，对腕一和腕二两个自由度的机械手进行了解耦，并在开环条件下实现了轨迹的快速跟踪。此外，论文还研究了闭环条件下的控制，同样取得了理想的控制效果。 关键词涵盖神经网络、逆系统、广义逆和机器人控制，强调了这些技术在解决机器人系统复杂性问题中的关键作用。这篇论文为神经网络在机器人解耦控制中的应用提供了理论基础和实践案例，对于后续的机器人控制研究具有重要的参考价值。