文档介绍：1
柔性机械臂控制策略
一、题目要求
某一个柔性机械臂系统，该系统中有一个电流常数为kI的驱动负载的电动机，其负载由弹性系数为k的弹簧连接的两个质量块组成（如图所示）。
电动机
图1系统示意图
若忽略摩擦，假设弹簧的相对阻尼柔性机械臂系统，所要选择的参数就是J和J，相对阻尼为d，和弹性系数
12
为k。为此先设计一个m文件。当系统参数改变时，只要我们稍微的改变m文件的参数设置就可以对系统进行仿真了。
J1=;%
J2=10;%参数初始化
k=1;
4
d=;
kI=1;
w=((k*(J1+J2))/(J1*J2));
5
a=Jl/(Jl+J2);
bl=d/(Jl*wO);
b2=d/(J2*wO);
gamma=kI/(J1*wO);
delta=1/(J1*wO);
A=[a1-1;a-1-blb1;ab2-b2];
A=w.*A;
B=[O;gamma;O];
C=[00w];
D=0;
3・2、神经网络的设计
首先判断给定系统的可控性。因为系统的极点配置也是系统很重要的一指标。对给定系统的参数(A,B,C,D)
X，=[-1;--;-]x+[0;;0]u+[0;;0]v
Y=[001]x
有rank(A,B)=3,知系统完全可控。
对系统SIMINK建模，
Skp1
图4系统SIMULINK框图
通过神经网络对系统进行控制
常用的方法是，反馈线性控制，神经网络模型预测控制，模型参考控制
我们利用的是反馈线性控制，实现柔性机械臂系统的控制
6
图5RARMA-L2SIMULINK框图
反馈线性化(NARMA-L2)的中心思想是通过去掉非线性，将一个非线性系统变换成线性系统。利用的是SIMULINKNeural/NetworkBlockset/ControlSystems的控制模块实现对系统的控制，连线如图所示。
系统的辨识，首先产生训练数据，直到接受为山AcceptData)。其次训练网络模型，设置好辨识模型辨识窗口的参数后，训练数列，产生训练数据。
神经网络控制器双击控制模块，通过修正参数，实现控制，具体过程如下
图6参数设置窗口
7
4
3
2
1
□
-1
□5101520253035
time⑹
PlantOutput
IISiHkulaiionconcluded.
Acu洞D丽|RejectD丽|pfeaaeAcceptorReject0atatocontinue.
图7产生训练数据
接受训练数据(AcceptData)后，就训练网络模型(TrainNetwork)。最后停止训练(StopTraining)时，训练结果会显示训练数据和合法数据。每个图中，左上角的图显示了随机输入信号的阶跃高度和宽度；右上角的图显示了被控对象的输出；右下角的图显示了误差，即系统输出与网络输出的差别；右下角的图显示了神经网络模型输出。
<>TrainingwithTRAIhLM
二L31凶
1O'fl
FieEdt幻cwrisenTtwisDesktopWnciow世厨
Perfomiaflceii&-CCB,Goalis0
10'7
23
7Epochs
5&
10"
Di
8
StopTr-siring
9
图8网络模型训练
图9训练数据与合法数据
完成神经网络控制器的训练后，输入随机阶跃信号，验证系统的跟踪情况。如果不满意,可以对网络的参数重新进行设定并训练，直到自己满意为止。
图10随机阶跃信号输入的跟随图

由于示波器的显示问题，25s后的不好观察，就改为在2s时引入扰动。
10
引入扰动的方法是，另加阶跃信号与之叠加，只要对steptime进行设置就可以了。如下图所示
Step2
11
11
1111
v1'
1
T；
11
-4
-6
图11输入信号
仿真试验结果如下图所示
XYPlot
-10
012345
XAxis
图12仿真结果
结果分析：经过多次的参数设计，最后的仿真结果基本还是比较理想的°NARMA-L2控制器的鲁棒性还是很高的，对于扰动可以快速的滤掉。反馈线性化的神经网络控制，有着其智能化的优势，在跟随的时间上更加的及时。在实现上也体现出其特有的方便快捷的特点,因为建立神经网络模型的方便，以后会得到更多的运用。
四，总结
神经网络控制有其特方便的地方，依赖于MA