直接驱动机器人自适应-PD复合运动控制研究

针对直接驱动机器人结构参数与摩擦参数的非确定性,提出机器人自适应-PD控制策略。首先分析了机器人的两类不确定性,推演了机器人动力学方程,给出不确定性动力学结构量的线性化表示;然后,对关节摩擦力矩矢进行了建模;为补偿动力学不确定性给机器人带来的控制误差,构建含位置与速度反馈的双闭环控制系统,引入自适应机构辨识不确定性参量,并据此规划出自适应控制律;为提高运动控制精度,在控制器中嵌入PD子控制器。仿真实验显示,系统的位置和角速度跟踪误差分别为-0.02°~0.03°与±0.005 rad/s,表明自适应-PD控制律可实现直接驱动机器人精密轨迹控制。     

基于参考轨迹实时修正的机器人轨迹跟踪控制方法

针对动力学不确定性的机器人轨迹跟踪问题,本文提出一种基于参考轨迹实时修正的机器人轨迹跟踪控制方法。将轨迹跟踪中已产生的误差进行累加,实时前馈补偿到参考轨迹上即将被跟踪的点上。给出了该方法的控制框图,由控制框图导出跟踪误差与命令误差之间的关系式。关系式表明只需控制器中的控制算法保证速度误差稳定,即可保证跟踪误差收敛。此外,提高补偿增益的值可以提高误差的收敛速度。分析PD控制律能满足所提方法的收敛条件。给出了所提方法中参数的调节方案。通过仿真和实验验证了该方法的有效性。实验结果表明,各个关节跟踪轨迹1得到的误差绝对值均不大于0.008 7 rad;跟踪轨迹2得到的误差绝对值均不大于0.005 9 rad。     

城市园林自动修剪机器人动力学仿真研究

园林修剪的意义在于提升整体城市绿化与规划水平。为此,在深入理解城市园林自动修剪机器人的整体结构与工作原理的基础上,结合机构部件的运动学规律,得出修剪机器人的动力学理论模型,并根据修剪机器人各关节的工作空间,通过驱动函数与下位机程序控制,开关量输出至修剪机器人各运动执行部件开展修剪仿真作业试验。结果表明:利用机构的运动定位与补偿功能,可实现修剪机器人各关节作业定位的准确性,定位误差控制在6%左右;不同轨迹跟踪,多次目标函数优化,便于掌握各关节臂的运动角度与作业过程中的扭矩变化情况,了解自动修剪机器人实际运动轨迹及各主要执行关节扭矩与剪切力,可为相似修剪机器人的开发与改进提供一定思路。     

除草机器人自适应快速积分终端滑模跟踪控制技术

智能除草机器人在草坪作业时,易受到外界扰动以及系统不确定性的影响,从而导致轨迹跟踪收敛时间长以及跟踪效果差等问题。因此,设计一种面向轨迹跟踪的自适应快速积分终端滑模控制算法。首先,考虑驱动轮动力学特性以及未建模误差、外界干扰、动静摩擦等不确定性因素,建立除草机器人的动力学模型。然后基于所建立的动力学模型,设计自适应快速积分终端滑模控制器。所提出的控制器结合了快速终端滑模、积分滑模和自适应估计技术的优点,能够实现期望的跟踪性能并抑制控制信号抖动。同时,在不需要明确系统不确定性和外界干扰上界的情况下,可以通过所设计自适应估计项进行实时补偿,提高系统的鲁棒性。最后,通过仿真和试验验证了该方法的有效性。试验结果表明,所设计的控制器能够使跟踪误差在有限时间内快速收敛,并且横向误差绝对值不超过0.097 9 m,纵向误差绝对值不超过0.102 6 m,航向角误差绝对值不超过0.057 8 rad,保证除草机器人准确跟踪作业路径,同时具有较强的鲁棒性。     

基于自适应趋近律的采摘机器人关节滑模控制研究

利用离散趋近律设计的滑模控制可有效抑制滑模控制中的抖动现象,但其抑制抖动的效果与离散趋近律的设计参数及系统的采样时间有着密切的关系。为此,在分析指数趋近律抖动的基础上,提出了一种自适应滑模控制器,Mat LAB能够进一步的提高基于趋近律的滑模控制器的抖动抑制能力。为了验证本文所提出方法的有效性,在Mat LAB中实现了该算法,并利用其来控制采摘机器人关节的伺服电机。仿真结果表明:本文所提的算法具有较好的位置跟踪能力,进一步地抑制了指数趋近律滑模控制中存在的抖动现象,提高了系统的性能。     

采摘机器人自适应鲁棒跟踪控制算法设计

针对采摘机器人在中速、高载荷及复杂作业环境下行走控制存在的问题,在分析采摘机器人简化动力模型及其剩余项(不稳定性)在行走控制中的作用和对控制系统影响的基础上,运用李亚普洛夫理论分析简化系统的跟踪误差,提出对野外农田不确定性和扰动具有自适应鲁棒性的稳定跟踪控制算法,计算机仿真和田间实验验证了机器人在中速和高负载下算法的有效性.     

双向电液比例张力绞车的直接自适应鲁棒控制

设计了基于比例溢流阀调压回路的双向电液比例张力绞车,并进行了理论分析。针对液压系统的不确定性因素以及卷绕机构参数变化对张力控制的影响,提出了直接自适应鲁棒电液张力控制方法,并用张力负载模拟试验系统进行了研究。理论分析与试验均表明,对于具有不确定性因素的张力跟踪控制,所设计的电液张力绞车及其控制策略,具有良好的控制性能。     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿.由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析.仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性.     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿。由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析。仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性。     

基于DTN算法的采摘机器人控制系统可行性研究

为进一步提高我国采摘机器人的智能采摘水平,以优化系统数据采集与传送效能参数、确保控制系统运行稳定性为目标,针对采摘机器人的控制系统进行设计研究.利用DTN算法体系与DTN网络层级数据处理算法,实现网络信息拥堵控制,建立DTN算法模型,设计采摘机器人控制系统整体架构并展开控制试验.试验结果表明:该采摘机器人控制系统应用D...     

神经网络与计算力矩复合的机器人运动轨迹跟踪控制

为了实现机器人精密运动控制,在其关节系统引入计算力矩法(CTC)与神经网络复合的控制器,旨在通过CTC实现系统的初步控制并利用神经网络补偿机器人的不确定动力学特性所带来的运动误差.首先,建立了机器人的动力学模型并对其不确定性动力学量进行了描述;然后,为机器人构建了双闭环控制系统,并依据机器人标称模型规划出CTC控制律;进而,引入函数链神经网络(FLNN)对不确定性动力学量进行估值,并推导出FLNN的学习律;最后,对系统进行了仿真,结果显示,该复合控制器可将关节位置和速度跟踪误差控制在±0.001 rad和士0.001 rad/s之内,且其对机器人的参数变化及外部扰动具有较强的自适应性与鲁棒性.     

基于多目标约束的机器人复杂轨迹优化方法

工业及农业领域存在诸多复杂场景,使得机器人常面临由大量非连续离散局部路径组成的复杂轨迹,合理的运动规划是机器人实现预期作业目标的首要基础。本文提出一种基于非支配遗传算法(Non-dominated sorting genetic algorithm, NSGA-Ⅱ)的多目标综合优化方法,算法基于个体的相互支配关系进行分层并引入“拥挤度”指标来表征个体间的差异性,从而为保持遗传过程的种群多样性提供了有力支撑。同时建立了机器人运动学模型并构造了缩短机器人空载路程、运动时间及关节冲击的路径序列优化函数,并在笛卡尔空间与关节空间进行了高阶样条拟合与插值规划,显著提升了空间轨迹的光顺性及几何特性。基于NSGA-Ⅱ生成空间Pareto最优前沿解集,解决了机器人运动时间短、关节冲击小、任务路径优等约束下的多目标优化问题。优化后机器人运动路径长度缩减74%,作业效率提升33.44%,关节稳定性平均可增强50.97%,通过仿真与实验,验证了算法在改善机器人运动效率、连续性和非突变性等方面具有显著效果。     

基于RBF的水果采摘机器人关节伺服自适应滑模控制

针对水果采摘机器人关节伺服存在不确定性及其上界值无法测量等问题,提出了一种基于RBF网络的滑模变结构控制策略,通过RBF神经网络实现对不确定性的上界进行自适应预测,进一步改进了控制器的效果。在Mat Lab中进行仿真试验,结果表明:与传统的基于上界已知的滑模控制器相比,本文所提出的基于RBF网络的滑模变结构控制策略具有位置控制精度高、收敛速度快及抖动抑制能力强等特点,控制效果得到了进一步的提高。     

考虑驾驶员换道意图的自适应巡航控制策略研究

针对多数的自适应巡航系统因不能考虑驾驶员意图,在遇到施工路段、道路合流或者车辆长时间跟随低速行驶的前车等情况时,造成无法满足驾驶员的主观需求和节能要求的问题.在传统自适应巡航系统模型基础上考虑了驾驶员意图辨识,提出了基于五次多项式曲线的换道路径规划,通过对换道轨迹约束条件的分析,得出了换道轨迹方程.通过构造跟随性指标以...     

农用机器人转向系统自适应内模控制

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优化,适应性地调整时滞时间和增益,克服参数时变对内模控制和被控对象模型的影响。仿真和试验结果表明,与常规的PID控制方法相比,该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全适用于农用机器人转向系统的控制。     

基于改进Bytetrack的群体机器人跟踪算法

针对群体机器人在实际跟踪场景中常常受到遮挡、目标密集、尺度变换等因素的影响导致漏检、轨迹中断和ID频繁跳变等问题,基于Bytetrack跟踪算法,改进了卡尔曼滤波的状态变量,提出了噪声尺度自适应卡尔曼算法（NASA-Kalman）,并在卡尔曼滤波中引入加速度参数（AMA）提高跟踪的准确性。实验表明,在MOTA、MOTP方面相较于原算法均有所提高。为了进一步验证跟踪算法的有效性,在MOT20数据集上对算法进行了评估,在MOTA、MOTP方面分别提高了0.65%和1.26%。     

刚柔耦合空间闭链机器人轨迹跟踪与振动抑制研究

针对含多变量高维度空间刚柔耦合闭链机器人的轨迹跟踪和振动抑制问题,提出了一种基于前馈补偿的PD控制方法。首先,采用有限元法对柔性空间构件进行离散,基于浮动坐标系描述柔性构件位移场矢量,并根据Lagrange方程建立考虑刚性末端执行器微小位移的刚柔耦合空间并联机器人动力学模型;然后,利用前馈控制对预先求出的含耦合效应的控制力矩进行补偿,提高刚柔耦合控制系统的响应速度及跟踪性能,同时通过PD控制律保证空间闭链机器人的轨迹精度,并对不同末端载荷作用下的轨迹跟踪精度进行分析;最后,与位置PID算法进行了比较。结果表明:与位置PID算法相比,基于控制算法作用下的刚性末端执行器轨迹精度得到提高,其中,X方向误差降低了89.7%,Y方向误差降低了4.3%,Z方向误差降低了12.9%,柔性空间构件产生的振动得到了有效抑制。