冗余度TT-VGT机器人的神经网络自适应控制
摘要：提出了采用神经网络进行模型参考自适应控制（MRAC）的方案，建立了自适应控制的状态模型，并推导出相应的自适应算法；最后对冗余度TT-VGT机器人自适应控制进行了仿真。关键词：冗余度 TT-VGT机器人 神经网络 模型参考自适应控制
TT-VGT（Tetrahedron-Tetrahedron-Variable Geometry Truss）机器人是由多个四面体组成的变几何桁架机器人，图1所示为由N个四面体单元组成的冗余度TT-VGT机器人操作手，平面ABC为机器人的基础平台，基本单元中各杆之间由较铰连接，通过可伸缩构件li(i=1,2,…，n)的长度变化改变机构的构形。图2所示为其中的两个单元的TT-VGT机构，设平面ABC和平面BCD的夹角用中间变量qi(i=1,2,…,n)表示，qi与li(I=1,2,…，n)的关系如下[2]：
式中，d表示TT-VGT中不可伸缩构件的长度，
li表示机器人可伸缩构件的长度。
TT-VGT机器人关节驱动力F与力矩τ的关系为：
F=Bττ (2)
式中，Bτ为对角矩阵，对角元素Bτi为：
1 状态模型
机器人的自适应控制是与机器人的动力学密切相关的。机器人的动力学方程的一般形式可如下表示（不考虑外力的作用）：
τ=D（q）q+C(q,q)q+G(q)q (4)
式中，D（q）∈R n×n为广义质量矩阵（惯性矩阵），
C（q,q）∈Rn×(n×n)为向心力及哥氏力作用的矩阵，
G（q）∈R n为重力矩阵，
τ∈R n表示机器人的驱动力矩。
对于TT-VGT机器人，用杆件变量li,ii,Li（i=1,2…，n）代替中间变量qi，qi，qi（i=1,2…，n）（见式（1）），则试（4）可表示为：
F=D（l）l+C（l,i）i+G(l)l (5)
式中，F∈Rn表示机器人的驱动力。
[1] [2] [3] [4]