%Single Neural Adaptive PID Controller clear all; close all; x=[0,0,0]'; xiteP=0.40; xiteI=0.35; xiteD=0.40; %Initilizing kp,ki and kd wkp_1=0.10; wki_1=0.10; wkd_1=0.10; %wkp_1=rand; %wki_1=rand; %wkd_1=rand; error_1=0; error_2=0; y_1=0;y_2=0;y_3=0; u_1=0;u_2=0;u_3=0; ts=0.001; for k=1:1:1000 time(k)=k*ts; yd(k)=0.5*sign(sin(2*2*pi*k*ts)); y(k)=0.368*y_1+0.26*y_2+0.1*u_1+0.632*u_2; error(k)=yd(k)-y(k); %Adjusting Weight Value by hebb learning algorithm M=4; if M==1 %No Supervised Heb learning algorithm wkp(k)=wkp_1+xiteP*u_1*x(1); %P wki(k)=wki_1+xiteI*u_1*x(2); %I wkd(k)=wkd_1+xiteD*u_1*x(3); %D K=0.06; elseif M==2 %Supervised Delta learning algorithm wkp(k)=wkp_1+xiteP*error(k)*u_1; %P wki(k)=wki_1+xiteI*error(k)*u_1; %I wkd(k)=wkd_1+xiteD*error(k)*u_1; %D K=0.12; elseif M==3 %Supervised Heb learning algorithm wkp(k)=wkp_1+xiteP*error(k)*u_1*x(1); %P wki(k)=wki_1+xiteI*error(k)*u_1*x(2); %I wkd(k)=wkd_1+xiteD*error(k)*u_1*x(3); %D K=0.12; elseif M==4 %Improved Heb learning algorithm wkp(k)=wkp_1+xiteP*error(k)*u_1*(2*error(k)-error_1); wki(k)=wki_1+xiteI*error(k)*u_1*(2*error(k)-error_1); wkd(k)=wkd_1+xiteD*error(k)*u_1*(2*error(k)-error_1); K=0.12; end x(1)=error(k)-error_1; %P
零件的设计与选型 1 定平台的设计 定平台又称基座，在结构中属于固定的，具体的参数见图一，厚度20cm。定 平台的等效圆半径为210mm。材料选用铸铁，铸造加工，开口处磨削加工保证精度。最后进行打孔的工艺。 图一定平台设计图
具体参数为长* 厚* 宽：880mm*10mm*20mm。孔的参数为φ10*10mm。材料用铝合金，设计为杆式，质量小，经济，同时也满足载荷条件。 图二驱动杆的设计图 3 从动杆的设计 具体参数为长* 宽* 高：620*20*10mm。孔参数为φ10*10mm。材料选用铝合金。 图三从动杆的设计图
参数如下图，考虑到重量因素，采用铝合金，切削加工。动平台的等效圆半径为50mm，分布角为21.5°。 图四动平台的设计图 5 链接销的设计 45号钢，为主动杆和定平台的连接销：φ9*66mm。
6 球铰链的选型 目前，大多数的Delta机构的主动杆与从动杆的链接方式为球铰链的链接。球型连接铰链是用于自动控制中的执行器与调节机构的连接附件。它采用了球型轴承结构具有控制灵活、准确、扭转角度大的优点，由于该铰链安装、调整方便、安全可靠。所以，它广泛地应用在电力、石油化工、冶金、矿山、轻纺等工业的自动控制系统中。球铰链由于选用了球型轴承结构，能灵活的承受来自各异面的压力。本文选用球铰链设计，是主要因为球铰链的可控性，以及结构简单，易于装配。且有很好的可维护性。 本文选用了伯纳德的SD 系列球铰链，相对运动角为60°。 7 垫圈的选型 此处我们选用标准件。GB/T 97.1 10‐140HV ，10.5*1.6mm。 8 电机的选型 本设计的Delta 机器人，主要面向工业中轻载的场合，比如封装饼干等。因此，以下做电动机的选型处理。 由于需要对角度的精确控制，因此决定选用伺服电机。交流伺服电机有以下特点：启动转矩大，运行范围广，无自转现象，正常运转的伺服电动机，只要失去控制电压，电机立
并联机器人方案 一、并联机器人用途： 并联机器人作为一种新型的机器人形式得到了越来越多的应用，与串联机器人相比该型机器人具有结构简单、刚度大、承载能力强、误差小等特点，与串联机器人形成了良好的互补关系。可用于六自由度数控加工中心、航天器对接机构、汽车装配线、运动模拟器、岩土挖掘、光学调整、医疗机械等领域。 二、系统特点： 1、机构采用并联式结构，按工业标准要求设计，结构简单、速度快； 2、控制系统采用Windows系列操作系统，二次开发方便、快捷，适于教学实验； 3、提供教材、实验指导书等，内容涵盖机器人运动学、动力学、控制系统的设计、机器人轨迹规划等。 三、系统配置： 1、机器人本体、控制柜、电机控制卡、控制软件、理论教材及实验指导书。附属件配置有钻铣刀头、电主轴、绘图笔架、加工平台、手动夹具，另赠送一套加工所需原材料。 2、并联机器人加工装置（用电主轴本体、夹持器及钻铣刀）。 3、绘图装置（绘图笔架及绘图笔）。 4、并联机器人加工平台及工件夹持装置。 5、部分加工演示原材料（石蜡、尼龙等）。
1.并联机器人系统照片 2.并联机器人技术参数： 3.机器人型号：RBT-6T01P(全步进电机驱动) 机器人报价：175000.00元机器人型号：RBT-6S01P(全伺服电机驱动) 机器人报价：195000.00元
1.并联机器人系统照片 2.并联机器人技术参数： 3.机器人型号：RBT-6T02P(全步进电机驱动) 机器人报价：155000.00元机器人型号：RBT-6S02P(全伺服电机驱动) 机器人报价：175000.00元
六自由度桌面型并联机器人 1.并联机器人系统图片 2.并联机器人技术参数 3.机器人型号：RBT-6T03P(全步进电机驱动) 机器人报价：135000.00元机器人型号：RBT-6S03P(全伺服电机驱动) 机器人报价：155000.00元
第４０卷第４期２００４年４月 机械工程学报 Ｖ０１．４０Ｎｏ．４ＣＨＩＮＥＳＥＪＯＵＲＮＡＬ０Ｆ ＭＥＣＨＡＮＩＣＡＬ ＥＮＧＩＮＥＥＲＩＮＧ Ａｐｒ． ２００４ 精密并联机器人控制算法及控制系统研究木 张秀峰孙立宁 （哈尔滨工业大学机器人研究所哈尔滨 １５０００１） 摘要：首次把数字ＰＩＤ算法应用到面向光纤作业的精密并联机器人控制中，介绍了这种高速、高精度小型并联机构控制系统的新控制算法及系统研究情况。另外控制系统采用了ＤＳＰ新技术，解决了并联机构运动学逆解的实时在线计算问题，使系统运行更加稳定。试验结果表明这种新算法在小型精密并联机构控制系统中，完全可以满足光纤对接等作业的高技术要求，同时也为同类高精度、大行程小型定位系统的控制与设计提供了一种新的实用方 法。 关键词：并联机构运动学逆解ＰＩＤ控制算法中图分类号：ＴＰ２４ ０前言
在高速、高精度、大行程小型并联机器人控制领域，所知文献介绍的实用控制算法还未见到。在实际工程控制中ＰＩＤ控制算法不需要系统确切的数学模型，参数易调整，且具有很强的灵活性、适应性，其中数字ＰＩＤ控制算法在计算机上易修正，比模拟ＰＩＤ控制器性能更加完善。首次将数字ＰＩＤ控制算法引进到高精度并联机构的控制中，并借助高速数字信号处理器ＤＳＰ解决了逆解的在线计算问 题，试验结果表明可以满足高速、高精度等技术要 求。另外还介绍了系统的组成、性能、技术指标及一些关键参数的调整方法和经验公式，为小型精密定位系统的设计与控制提供了有价值的借鉴。１ ＰＩＤ控制算法 １．１模拟ＰＩＤ控制器 所谓ＰＩＤ控制器是指把偏差按比例、积分和微分进行的控制器，其中模拟ＰＩＤ控制器是用硬件来 实现的。设ｌ，为系统给定，Ｙ为系统输出，萨砷 为系统偏差，ｕ为系统控制规律…¨，则 “＝Ｋ，［Ｐ＋寺Ｊ：：酣ｒ＋％詈］＋“。 式中 Ｋ，——比例系数正——积分常数毛——微分常数 ＝三——偏差微分 ｄｆ 在控制过程中系统有偏差产生，调节器产生控制作用使偏差不断减小，这种控制作用的强弱取决
第三章 PID 神经网络结构及控制器的设计 在控制系统中，PID 控制是历史最悠久，生命力最强的控制方式，具有直观、实现简单和鲁棒性能好等一系列优点。但近年来随着计算机的广泛应用，智能控制被越来越广泛的应用到各种控制系统中。智能控制方法以神经元网络为代表，由于神经网络可实现以任意精度逼近任意函数，并具有自学习功能，因此适用于时变、非线性等特性未知的对象，容易弥补常规PID 控制的不足。将常规PID 控制同神经网络相结合是现代控制理论的一个发展趋势。 3.1 常规PID 控制算法和理论基础 3.1.1 模拟PID 控制系统 PID(Proportional 、Integral and Differential)控制是最早发展起来的控制策略之一，它以算法简单、鲁捧性好、可靠性高等优点而梭广泛应用于工业过程控制中。 PID 控制系统结构如图3．1所示： 图3.1 模拟PID 控制系统结构图 它主要由PID 控制器和被控对象所组成。而PID 控制器则由比例、积分、微分三个环节组成。它的数学描述为： 1() ()[()()]t p D i de t u t K e t e d T T dt ττ=+ +? （3.1） 式中，p K 为比例系数； i K 为积分时间常数： d K 为微分时间常数。 简单说来，PID 控制器各校正环节的主要控制作用如下： 1．比例环节即时成比例地反映控制系统的偏差信号()e t ，偏差一旦产生，控制器立即产生控制作用，以减少偏差。
2．积分环节主要用于消除静差，提高系统的无差度。积分作用的强弱取决于积分时间常数i T ，i T 越大，积分作用越弱，反之则越强。 3．微分环节能反映偏差信号的变化趋势(变化速率)，并能在偏差信号值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间。 具体说来，PID 控制器有如下特点： (1)原理简单，实现方便，是一种能够满足大多数实际需要的基本控制器； (2)控制器能适用于多种截然不同的对象，算法在结构上具有较强的鲁棒性，在很多情况下，其控制品质对被控对象的结构和参数摄动不敏感。 3.1.2 数字PID 控制算法 在计算机控制系统中，使用的是数字PID 控制器，数字PID 控制算法通常又分为位置式PID 控制算法和增量式PID 控制算法。 1．位置式PID 控制算法 由于计算机控制是一种采样控制，它只能根据采样时刻的偏差值计算控制量，故对式(3．1)中的积分和微分项不能直接使用，需要进行离散化处理。按模拟PID 控制算法的算式(3．1)，现以一系列的采样时刻点kT 代表连续时间t ，以和式代替积分，以增量代替微分，则可以作如下的近似变换： t kT = （0,1,2,3...)k = ()()()k k t j j e t dt T e jT T e j ==≈=∑∑? ()()[(1)]()(1) de t e kT e k T e k e k dt T T ----≈= (3.2) 式中，T 表示采样周期。 显然，上述离散化过程中，采样周期T 必须足够短，才能保证有足够的精度。为了书写方便，将()e kT 简化表示()e k 成等，即省去T 。将式（3.2）代入到（3.1）中可以得到离散的PID 表达式为： 0(){()()[()(1)]}k D p j I T T u k K e k e j e k e k T T ==+ + --∑ （3.3） 或 0 ()()()[()(1)]}k p I D j u k K e k K e j K e k e k ==++--∑ （3.4） 式中，k ——采样序号，0,1,2...k =； ()u k ——第k 次采样时刻的计算机输出值；
机器人机构设计中最重要的步骤之一是解决机构型综合的问题,机器人机构构型方法的研究具有十分重要的理论和实际意义,尤其是并联机器人的型综合方法一直以来都受到国内外许多研究学者的关注。在并联机器人机构的构型理论研究中,基于机构末端运动特征描述与机构需要完成的功能的简单有效的构型方法还缺乏系统的研究。 并联机器人机构构型方法研究 8 多自由度机构，其构型综合是一个非常具有挑战性的难题。目前国内外主要有 5 种并联机构的型综合研 究方法，即：基于机构的结构公式的构型方法、基于螺旋理论的综合方法、基于群论和微分几何的综合 方法、基于单开链的型综合方法以及基于集合的综合方法。 1-3-1 基于机构的结构公式的构型方法 基于机构的结构公式（即自由度计算公式）的构型方法是比较传统的一种并联机构的型综合方法。 Tsai [84] 在1999 年用基于计算自由度的Grübler-Kutzbach 公式的列举法综合了一类三自由度并联机构。 基于并联机构自由度计算的一般Grübler-Kutzbach 公式为 ( ) 1 1 = = ??+ ∑ g i i M d n g f (1.1) 式中M 为机构的自由度数； d 为机构的阶； n 为机构的杆件数(包括机架)； g 为运动副数； i f 为第i 个运动副的自由度数。 当给定机构的自由度数M 后，根据(1.1)寻求机构的每个分支运动链的运动副数。并联机构属于空 间多环机构，其独立环路数l 可以由下式给出 l = g ?n +1 (1.2) 该式即为著名的欧拉环路公式。将上式带入(1.1)中，可得到 =1 ∑= + g i i
f M d l (1.3) 定义并联机构中第j 个分支总的自由度数为 j C ，则有下式成立 =1 =1 ∑=∑ mg j i j i C f (1.4) 将(1.4)代入(1.3)消去 i f 后得到 ∑= + m j j C M d l (1.5) 对于分支运动链结构相同，且分支数等于机构自由度数的对称并联机构，又有以下条件成立m = M且l = M ?1 (1.6) 把(1.6)代入(1.5)消去l 后得到 = ?+1 j d C d M (1.7) 由上式在已知d 和M 时，可以得到分支运动链的自由度数 j C ，从而给出分支运动链。例如，d =3， M =3时，由式(1.7)可得 j C =3，分支运动链可以是RRR、RPR、PRR 等。并联机器人机构构型方法研究 1 0 寻找可以生成{ } gi L 的分支运动链，此时可利用位移子群乘法运算的封闭性获得不同结构的分支。 Hervé和Angeles 等较早将李群理论引入并联机构型综合。1978 年，Hervé [113] 基于位移群的代数结 构对运动链进行了分类，证明了所有六种低副所生成的运动都是位移子群，还给出了另外六种位移子群 以及子群间交集的运算法则，奠定了位移子群以及子群间交集的运算法则和位移子群综合法的理论基
基于径向基函数的神经网络的PID控制器 摘要 RBF神经网络在分类问题中得到了广泛的应用，尤其是模式识别的问题。许多模式识别实验证明，RBF具有更有效的非线性逼近能力，并且RBF神经网络的学习速度较其他网络快。本文在具有复杂控制规律的S函数构造方法的基础上，给出了基于MATLAB语言的RBF神经网络PID控制器，及该模型的一非线性对象的仿真结果。 关键词：S函数；RBF神经网络PID控制器；Simulink仿真模型径向基函数（RBF-Radial Basis Function）神经网络是由J.Moody和C.Darken 在20世纪80年代末提出的一种神经网络，它具有单隐层的三层前馈网络。由于它模拟了人脑中局部调整、相互覆盖接受域（或称野-Receptive Field）的神经网络结构，因此，RBF神经网络是一种局部逼近网络，已证明它能以任意精度逼近任意连续函数。 1.S函数的编写方法 S函数是Simulink中的高级功能模块，Simulink是运行在MATLAB环境下用于建模、仿真和分析动态系统的软件包。只要所研究的系统模型能够由MATLAB语言加以描述，就可构造出相应的S函数，从而借助Simulink中的S 函数功能模块实现MATLAB与Simulink之间的沟通与联系，这样处理可以充分发挥MATLAB编程灵活与Simulink简单直观的各自优势。当系统采用较复杂的控制规律时，Simulink中没有现成功能模块可用，通常都要采用MATLAB编程语言，编写大量复杂而繁琐的源程序代码进行仿真，一是编程复杂、工作量较大，二来也很不直观。如果能利用Simulink提供的S函数来实现这种控制规律，就可以避免原来直接采取编程的方法，不需要编写大量复杂而繁琐的源程序，编程快速、简捷，调试方便，则所要完成的系统仿真工作量会大大减少。 RBF神经网络PID控制器的核心部分的S函数为： function [sys,x0,str,ts]=nnrbf_pid(t,x,u,flag,T,nn,K_pid,eta_pid,xite,alfa,beta0,w0) switch flag,
基于神经网络PID控制算法在多缸电液伺服系统同步控制中的仿真 研究 丁曙光，刘勇 合肥工业大学,合肥,230009 摘要：本文介绍了神经网络控制原理，提出了神经网络PID算法，通过选定三层神经网络作为调节函数，经过Simulink仿真确定了神经网络PID控制器的参数，设计了神经网络PID控制器。推导出多缸液压同步控制系统在各种工况下的传递函数，并把该控制器应用到多缸液压同步控制系统中。经过仿真研究表明该控制器控制效果良好，能满足多缸液压同步的控制要求。 关键词：多缸同步；PID算法；仿真；神经网络 Study on the simulation and appllication of hydraulic servo system of straihtening machine based on Immune Neural network PID control alorithm DING Shu-guang, GUI Gui-sheng,ZHAI Hua Hefei University of Technology, Hefei 23009 Abstract:The principle of immune feedback and immune-neural network PID algorithm was respectively.An immune-neural network PID controller was designed by which an adaline neural network was selected as antibody stay function and parameters of the immune-neural network PID controller were determined by simulation.The transfer function of the hydraulic servo system of crankshaft straightenin on were introduced in different working conditions.The immune-neural network PID controller was applied to hydraulic system of crankshaft straightenin.The simulation and equipment were done,and results show that its control effectiveness is better and can meet the needs of he hydraulic servo-system of crankshaft straightening hydraulic press. Key words:straightening machine; Immune control arithmetic; simulation;neural network 0引言 精密校直液压机（精校机）液压伺服系统是精校机的执行环节，高精度液压位置伺服控制是精校机的关键技术之一，它保证了液压伺服控制系统的控制精度、稳定性和快速性，是完成校直工艺的必要条件。因此，精校机液压伺服控制系统的研究，为精校机产品的设计和制造提供了理论依据，对校直技术和成套设备的开发具有重大的意义[1]。 精校机液压位置伺服系统是一个复杂的系统，具有如下特点：精确模型难建立，要求位置控制精度高、超调量小、响应快、参数易变且难以确定[1]。因此该系统的控制有较大的难度。传统的PID控制虽然简单易行，但参数调整困难，具有明显的滞后特性，PID 控制很难一直保证系统的控制精度，Smith预估补偿 国家重大科技专项资助（项目编号：2009ZX04004-021）安徽省自然科学基金资助（项目编号：090414155）和安徽省科技攻关项目资助（项目编号：06012019A）制方法从理论上为解决时滞系统的控制问题提供了一种有效的方法，但是Smith预估器控制的鲁棒性差，系统性能过分依赖补偿模型的准确性，限制了它在实际过程中的应用[1～5]。 近年来，人们开始将生物系统的许多有益特性应用于各种控制中[1～5]，取得了一定成果。自然免疫系统使生物体的一个高度进化、复杂的功能系统，它能自适应地识别和排除侵入肌体的抗原性异物，并且具有学习、记忆和自适应调节功能，以维护肌体内环境的稳定。自然免疫系统非常复杂，但其抵御抗原（antigen）的自适应能力十分显著。生物信息的这种智能特性启发人们利用它来解决一些工程难题，这就引起多种免疫方法的出现。人工免疫系统就是借鉴自然免疫系统自适应、自组织的特性而发展起来的一种智能计算技术。该算法在大量的干扰和不确定环境中都具很强的鲁棒性和自适应性，在控制、优化、模式识别、分类
平面2自由度并联机器人的运动学 和动力学研究 林协源1刘冠峰1 （1.广东工业大学广州） 摘要：本文面向高速高精LED电子封装设备设计了一种高速高精2自由度平面并联机构（2-PPa并联机器人）。该机构由一个动平台和两个对称分布的完全相同的支链组成，每个支链中都有一个移动副(驱动关节)和一个由平面平行四边形组成的特殊转动动副。首先推导出该机器人的运动学模型包括正反解；其次结合焊线机实际工艺要求提出多项机构性能指标对该机构的几何参数进行多目标优化；然后基于Euler-Lagrange 方程建立该机器人的动力学方程，最后通过算例分析两个移动副在动平台按照一定轨迹运动时其速度、加速度和驱动力的变化规律。这些为接下来研究该机器人的动态性能和系统解耦控制等都具有重要意义。 关键词：2自由度平面并联机器人运动学动力学 Kinematic and Dynamic Analysis of a Planar Two-degree-freedom Parallel Manipulator LIN Xieyuan1LIU Guanfeng1 （1.Guangdong University of Technology Guangzhou ） Abstract：In this paper，a type of planar 2-DOF parallel manipulator is proposed for uses in design of high- speed and high-accuracy LED packaging machines. The manipulator consists of a moving platform and two identical subchains. Each subchain is made of a prismatic joint (actuator) and a parallelogram with four passive revolute joints. We first derive the kinematic model of the manipulator. Then, we determine the optimal geometric parameters of the manipulator by solving a multi-goal optimization problem based on performance indices. We compute the dynamic equation use Euler-Lagrange formulation and use it to analyze the relationship between velocity, acceleration and driving torque of joints. This analysis is important for further study of the dynamic performance and the decoupling control methods for the manipulator. Key words:2-DOF Planar parallel manipulator Kinematics Dynamics 0 前言 在电子、包装和食品等轻工业场合中，机器人只需要3到4个自由度即可满足使用要求。串联机器人由于自身具有较大的质量和惯性，很难应用到需要高速高负载能力的场合。并联机器人很好的弥补了串联机器人这方面的不足。所以，近年来少自由度并联机器人的研究相当热门。其中3自由度并联机器人的研究已是相当深入[1-4]。在Z方向只需要较小的操作位移时，末端搭载一个1或2自由度的串联机构的2自由度并联机器人相对应3或4自由度的并联机器人会显得更加经济适用。 清华大学曽提出过两种平面2-DOF并联机器人：一种是PRRRP（P表示移动副，R 表示转动副）并联机器人，其中两移动副运动方向平行，且机器人的末端姿态是可变的[5]；一种是2-PPa（Pa表示平行四边形机构）并联机器人，同样，该机器人的移动副运动方向也平行，不过其末端姿态不可变[6]。文章[6]中的并联机器人最后应用在了立式机床上。同样的2-PPa并联机器人，上海交通大学将其应用在高速高精度的场合
基于神经网络的PID控制 课程名称：智能控制 任课教师： 学生姓名： 学号： 年月日
摘要：本文基于BP神经网络的PID控制方法设计控制器，通过BP神经网络与PID的控制相结合的神经网络控制基本原理和设计来自适应的功能调节PID的的三个参数，并根据被控对象的近似数学模型来输出输入与输出并分析BP神经网络学习速率η，隐层节点数的选择原则及PID参数对控制效果的影响。计算机的仿真结果表示，基于BP神经网络的PID控制较常规的PID控制具有更好的自适应性，能取得良好的的控制结果。 关键字：BP算法神经网络 PID控制 Abstract：In this paper, based on BP neural network PID control method designed controller, through the BP neural network PID control with a combination of neural network control basic principles and design features adaptively adjusting the PID of the three parameters, and based on the controlled object approximate mathematical model to analyze the output and the input and output BP n eural network learning rate η, hidden layer nodes and PID parameter selection principle effect of the control . Computer simulation results indicated that based on BP neural network PID control compared with conventional PID control has better adaptability , can achieve good control results . Keyword:BP algorithms neural networks PID control 1引言 PID控制是最早发展起来的应用经典控制理论的控制策略之一，由于算法简单，鲁棒性好和可靠性高，被广泛应用于工业过程并取得了良好的控制效果。随着工业的发展，对象的复杂程度不断加深，尤其对于大滞后、时变的、非线性的复杂系统，常规PID控制显得无能为力。因此常规PID控制的应用受到很大的限制和挑战。 神经网络在控制系统中的应用提高了整个系统的信息系统处理能力和适应能力，提高了系统的智能水平。此外，神经网络具有逼近任意连续有界非线性函数的能力，对于非线性系统和不确定性系统，无疑是一种解决问题的有效途径。本文将常规PID控制与神经网络控制相结合，发挥各自的优势，形成所谓的智能PID控制。采用BP神经网络方法设计的控制系统具有更快的速度（实时性）、更强的适应性和更好的鲁棒性。 2 基于BP神经网络的PID控制 PID控制要取得较好的控制结果，必须通过调整好比例、积分和微分三种控制作用，形成控制量中既要相互配合又相互制约的关系。神经网络所具有的任意非线性表达能力，可以通过对系统性能的学习来实现最佳组合的PID控制。采用BP网络，可以建立参数Kp、Ki、Kd自学习的PID控制器。基于BP神经网络的PID控制系统结构由常规的PID控制器和神经网络两个部分构成。 2.1常规的PID控制器 PID控制器由比例（P）、积分（I）、微分（D）3个部分组成，直接对被控对象进行闭环控制，并且三个参数 Kp、Ki、Kd为在线调整方式。 2.2 神经网络 根据系统的运行状态，调节PID控制器的参数，以期达到某种性能指标的最
并联机器人设计论文 摘要：并联机器人是一类全新的机器人,它具有刚度大、承载能力强、误差小、精度高、自重负荷比小、动力性能好、控制容易等一系列优点,在21世纪将有广阔的发展前景。文中从运动副分析入手，对一种运动解耦的三自由度并联机构进行了构型研究，该机构由三个正交分布的支链组成，且机构的运动副均为转动副，构成了机构动平台x、y、z三个方向的平动解耦；在机构构型研究的基础上，对其进行了运动学分析，推导出了该并联机构的运动学正反解，分析了机构输入/输出的速度和加速度等，验证了该机构运动解耦的特性。这对该机构的动力学分析、控制策略、机构设计和轨迹规划等方面的研究，具有一定的理论意义。 关键词：三自由度并联机构；并联机器人；设计；
1.课题国外现状及研究的主要成果 少自由度并联机器人由于其驱动元件少、造价低、结构紧凑而有较高的实用价值，更具有较好的应用前景，因此少自由度的并联机器人的设计理论的研究和应用领域的拓展成为并联机器人的研究热点之一。研究少自由度并联机构最早的学者应属澳大利亚著名机构学教授Hunt ,在1983年,他就列举了平面并联机构、空间三自由度3-rps并联机构，但对四，五自由度并联机构未作详细阐述。在Hunt之后,不断有学者提出新的少自由度并联机构机型。在少自由度并联机构机型的研究中,三维平移并联机构得到广泛的重视。clavel提出了一种可实现纯平运动三自由度Delta 并联机器人,在Delta机构的支链中采用平行四边形机构约束动平台的3个转动自由度。Tsai提出的Delta机构完全采用回转副，并通过转轴的偏移扩大了Delta机构的工作空间。在Tricept并联机床上采用的构型是由Neumann发明的一种具有3个可控位置自由度的并联机构，该机构的突出特点是带有导向装置,采用3个副驱动支链并由导向装置约束动平台。Tsai通过自由度分析提取支链的运动学特征,系统研究了并联机构的综合问题,特别研究了一类实现三自由度平动的并联机构。Rasim Alizade于2004年提出基于平台类型和联接平台的形式和类型进行分类的一种并联机构的结构综合和分类的新方法和公式,并综合出具有单平台和多平台的纯并联和串并联复联机构.我国燕山大学的黄真教授及其团队除了研制出解耦微型6维力传感器和微动机械，设计出一种新的
并联机器人发展概述 随着先进制造技术的发展，并联机器人已从简单的上下料装置发展成数字化制造中的重要单元。在查阅了大量国内外相关文献的基础上，介绍了并联机器人的特点、分类、应用，从运动学、动力学、控制策略三方面总结了近年来并联机器人的主要研究成果，并指出面临的问题。 1895年，数学家Cauchy研究一种“用关节连接的八面体”，开始人类历史上并联机器的研究。1938年Pollard提出采用并联机构来给汽车喷漆。1949年Caough提出用一种并联机构的机器检测轮胎，这是真正得到运用的并联机构。而并联结构的提出和应用研究则开始于70年代。1965年，德国人Stewart发明了六自由度并联机构，并作为飞行模拟器用于训练飞行员。1978年澳大利亚人Hunttichu把六自由度的Stewart平台机构作为机器人机构，自此，并联机器人技术得到了广泛推广。 自工业机器人问世以来，采用串联机构的机器人占主导位置。串联机器人具有结构简单、操作空间大，因而获得广泛应用。由于串联机器人自身的限制，研究人员逐渐把研究方向转向并联机器人。和串联机器人相比并联结构其末端件上同时由6根杆支撑，与串联的悬臂梁相比刚度大，结构稳定。由于刚度大，并联结构较串联结构在相同的自重或体积下，有高的多的承载能力大。串联机构末端件上的误差是各个关节误差的积累和放大，因而误差大、精度低，并联式则没有那样的误差积累和放大关系，微动精度高。串联机器人的驱动电机及传动系统大都放在运动着的大小臂上，增加了系统的惯量，恶化了动力性能，而并联机器人将电机置于机座上，减小了运动负荷。在位置求解上，串联机构正解容易，但反解困难。而并联机构正解困难，反解非常容易，而机器人在线实时计算是要计算反解的。 根据并联机器人的自由度数，可以分为：2自由度并联机构。2自由度并联机构，如5-R，3-R-2-P（R表示旋转，P表示平移）。平面5杆机构是最典型的2自由度并联机构，这类机构一般具有2个平移自由度。3自由度并联机构。3自由度并联机构种类较多，形式复杂，一般有以下形式，平面3自由度并联机构，如3-RRP机构、3-RPR机构、它们具有2个旋转自由度和1个平移自由度；3维纯平移机构，如Star Like并联机构、Tsai 并联机构，该类机构的运动学正反解都很简单，是一种应用很广泛的3维平移空间机构；空间3自由度并联机构，如典型的3-RPS机构、这类机构属于欠秩机构，在工作空间不同的点，其运动形式不同是其最显著的特点，由于这种特殊的运动特性，阻碍了该类机构在实际的广泛应用；4自由度并联机构。4自由度并联机构大多不是完全的并联机构，如2-UPS-1-RRRR机构，运动平台通过3个支链与顶平台相连，有2个运动链是相同的，各具有一个虎克铰U，1个平移副P，其中P和1个R是驱动副，因此这种机构不是完全并联机构。5自由度并联机构。现有的5自由度并联机构结构复杂，如韩国的Lee的5自由度并联机构具有双层结构。6自由度并联机构。该类并联机器人是国内外学者研究的最多的并联机构，一般情况下，该类机构具有6个运动链。随着6自由度并联机构研
MATLAB基于BP神经网络PID控制程序>> %BP based PID Control clear all; close all; xite=0.20; %学习速率 alfa=0.01; %惯性因子 IN=4;H=5;Out=3; %NN Structure wi=[-0.6394 -0.2696 -0.3756 -0.7023; -0.8603 -0.2013 -0.5024 -0.2596; -1.0749 0.5543 -1.6820 -0.5437; -0.3625 -0.0724 -0.6463 -0.2859; 0.1425 0.0279 -0.5406 -0.7660]; %wi=0.50*rands(H,IN); %隐含层加权系数wi初始化 wi_1=wi;wi_2=wi;wi_3=wi; wo=[0.7576 0.2616 0.5820 -0.1416 -0.1325; -0.1146 0.2949 0.8352 0.2205 0.4508; 0.7201 0.4566 0.7672 0.4962 0.3632]; %wo=0.50*rands(Out,H); %输出层加权系数wo初始化 wo_1=wo;wo_2=wo;wo_3=wo; ts=20; %采样周期取值 x=[0,0,0]; %比例，积分，微分赋初值 u_1=0;u_2=0;u_3=0;u_4=0;u_5=0; y_1=0;y_2=0;y_3=0; Oh=zeros(H,1); %Output from NN middle layer 隐含层的输出I=Oh; %Input to NN middle layer 隐含层输入 error_2=0; error_1=0; for k=1:1:500 %仿真开始，共500步 time(k)=k*ts;
运动控制开发平台操作细则： 一、步进电机平台 1．上电计算机电源、驱动器电源、端子板电源。 2．运行GTCmdPCI_CH。 3．在菜单栏选择出现“基础参数设置”界面。 4.在“运控卡型号选择”栏，打开下拉菜单，选择所安装的运控卡型号。 设置“行程开关触发电平” 设置“编码器方向”，默认值0 设置控制周期，运控卡缺省的控制周期是200 μs。 5．点击“打开运控卡”按钮。 6．点击“确定”按钮。 7．在GTCmdISA_CH主菜单下选择打开“基于轴的控制”界面。 8．打开轴选下拉菜单，如下图，选择当前轴（操作轴）。 9．选择“清状态”，如右图，清除当前轴不正确的状态。 10、设置控制输出，驱动使能（轴开启） 在系统初始化完成后，在轴选框选择当前轴，按照根据系统要求设定控制输出。注意应与当 前轴的驱动器和电机的设置相统一。 SV卡： 可以选择输出模拟量，即0； 亦可选择输出脉冲量，即1。 SV卡： 选择“伺服打开/伺服关闭”选项（如右图，打勾为打开，不选为关闭）。此时驱动器使能，轴应该静止状态
11．点击“位置清零”按钮，观察“轴当前位置”为0。 4．在“运动控制模式”栏设置运动参数 5．点击“参数更新”按钮， 二、直流伺服电机平台 1～6步同步进电机一样 7、在轴的控制窗口中选中第4轴。 8、在“伺服滤波器参数设置”框中设置“比例增益”为10。 9、在梯形曲线页中“目标位置”为300000，“速度”为10，“加速度”为1。 10、点击“伺服打开”（SV卡时）/“轴开启”（SG卡时）选项，使控制器的第4轴进入伺服（开启）状态。 11、点击“清状态”键，使控制器的第四轴事件状态清除。 12、点击“参数更新”键，使第四轴开始运动 补充： 1、当某个轴选定并打开伺服后，在开发面板上会亮起相应的灯，分别是ENA1、ENA 2、ENA 3、ENA4. 2、在运动启动前应保证在控制软件的右侧的轴系状态或者坐标系状态正确，如：
摘要 近些年，delta机器人越来越得到大多数人的关注，并逐渐开始在工业上得到成熟的应用。与串联机器人相比，并联机器人有很大优势。其中之一就是可以把电机固定在基座上，这样就可以减轻机器机构上的重量。当需要直接驱动时，把电机固定在基座上是一个必要的田间。因此，并联机器人非常适合直接驱动的情况。并联机器人的另一个优点就是他的刚度很高，这些特征可以得到更多的精准度和更快的操作。Delta机器人是其中非常重要的一种。 在本书中，介绍了并联机器人的产生特点及应用。计算了机器人的自由度，位置正反解，并分析了它的空间奇异形位。还通过分析比较几种控制器和方案，选择其中最适合的方案。并设计了delta机器人的控制电路，并详细介绍它的控制器功能。 关键词：并联机构位置反解步进电机结构设计
燕山大学本科生毕业设计（论文） Abstract In recent years ,increased interest in parallel robots has been observed..Parallel robots possess a number of advantages when compored to serial arms, The most importantone is certainly the possibility to keep the motors fixed into the base ,thus allowing a large reduction of the robot structure’s active mobile mass.keeping the motors on the robot base is a requairment when direct-drive is used ,thus ,parallel robots are well suited to direct-drive actuation.Another advantage of parallel robots is their high rigiditg.these features allow more precise and much faster mani pulations. The delta parallel robot is very famous among them. In this paper,the historyapplication character of the parallel robots are introduced .And I compted the degree of free of the parallel robot,analysis the singular position. The position solution and position inverse solution too. At last, there are several methords of controlling. And I choice one of then which is better suited to this robot. This method will be introduced latter. Key word:parallel delta, position inverse solution , singular position