空间柔性闭链机器人动力学建模与振动仿真

空间闭链机器人的柔性连杆在高速运行状态下产生的弹性变形对系统振动效应具有重要影响.为准确分析柔性连杆对空间柔性闭链机器人振动特性的影响,采用有限单元法对柔性构件进行离散,基于浮动坐标系法描述构件位移场,最后通过Lagrange方程建立空间刚柔耦合闭链机器人动力学模型及振动方程,并分析系统固有频率和振型函数.基于同等参数...     

温室穴盘苗并联高速移栽机器人运动误差分析与试验

现有产业化应用的温室穴盘苗移栽机大都为三坐标龙门架式结构,其体积庞大、惯性大、相对刚度低、移栽速度低、柔性作业能力差,无法满足高速剔苗、高速补苗作业要求。针对这些问题设计了一种并联式三平移移栽机器人,阐述了并联移栽机器人主体结构和为其配套设计的5种末端执行器,并统计了这些末端执行器的质量;在ADAMS中建立刚柔耦合动力学模型,选定一条最长对角线轨迹进行仿真;比较了刚性模型理论轨迹与柔性模型实际轨迹的误差,并分析了因动平台质量变化引起的误差变化情况,发现移栽轨迹末段存在振荡问题;最后通过物理样机进行定位精度试验,样机经误差补偿后,平均误差由7.611 mm降低到1.208 mm,其中大部分误差为系统误差。运动试验发现,机构运行平均速度为2 m/s、加速度峰值为20 m/s~2时,满足精度要求;但机构在平均速度3 m/s、加速度峰值30 m/s~2时,误差会扩大,需要进一步改善关节径向支撑力。     

高速重载码垛机器人刚柔耦合运动行为仿真研究

随着冶金、石化等行业不断向高效方向发展,高性能高速重载机器人市场需求日益强烈。机器人应具有较快的搬运速度和较高的稳定性,分析高速重载机器人在整个工作过程中的运动状态显得尤为重要。本文以铝锭连铸生产线上的高速重载码垛机器人为研究对象,用SolidWorks软件建立该机器人本体三维模型,将机器人的小臂看成柔性体,底座、腰部、大臂等其他部件当成刚体,建立其刚柔耦合模型,用ADAMS软件仿真分析码垛机器人在一个工作循环内的运动过程,通过后处理得到手腕末端点处的位移、速度和加速度图像,并与全刚体仿真分析结果进行对比。结果表明:小臂杆的柔性变形对末端执行器的运动精度影响较大,刚柔耦合方法更加直观、准确地模拟码垛机器人的实际工作状况。     

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。     

片簧型柔顺并联机器人运动规划与轨迹跟踪技术

针对柔顺关节并联机器人系统存在的误差因素,为提高系统整体性能,开展运动规划及轨迹跟踪研究。根据性能要求,设计柔顺关节的结构参数,分析柔顺关节特性,建立机器人系统的分析模型并推导运动学方程。针对柔顺关节轴心漂移引起的杆长误差,提出一种机器人主动杆和从动杆实际杆长的计算方法,修正主动杆关节角的期望轨迹。为补偿系统振动及参数摄动误差,基于径向基(RBF)神经网络设计模型逼近控制算法,跟踪期望轨迹。基于Solid Works、ANSYS、ADAMS及Matlab/Simulink建立机器人系统的虚拟仿真模型。仿真结果表明,提出的运动规划和控制方法将未补偿柔顺关节误差时的机器人末端轨迹误差降低了84%以上,能够有效提高柔顺关节并联机器人系统的运行精度。     

空间刚柔耦合并联机器人动力学求解策略

针对空间刚柔耦合并联机器人在动力学方程求解过程中存在的违约问题,提出了一种基于瞬态刚体校正法的非线性动力学模型求解方法。利用自然坐标法和绝对节点坐标法构建该3-RRRU并联机器人的正动力学模型与逆动力学模型,考虑各支链柔性空间梁单元的剪切效应,并可描述其大范围非线性弹性变形。基于自然坐标法和刚性机构的运动学模型,分别提出2种动力学模型的瞬态刚体校正法,同时从系统能量等角度总结出获取该动力学系统稳定因果解的求解策略。仿真结果表明,动力学方程的求解精度为10-6,约束方程的相容误差为10-8,满足工程应用的要求,且有效地改善了动力学系统的综合收敛性能。通过圆形轨迹跟踪实验可知,与理想刚性模型的控制方法相比,基于逆动力学稳定因果解构建控制方法最大跟踪误差降低了0.372 mm,圆度误差降低了1.46 mm;各柔性杆上特征点处主应变测量值与理论计算值均处同一数量级,且具有相同的变化趋势,从而验证了该方法的有效性。     

串联机器人多模式标定与刚柔耦合误差补偿方法研究

工业串联机器人有着较大的几何误差,还存在着不可忽视的非几何误差,使其在高精度领域的应用受限。本文建立了一种包含几何与柔性误差的完整刚柔耦合位置误差模型,并采用基于预测残差和加权递推平均滤波算法改进的Levenberg-Marquardt算法(M-LMA)辨识耦合误差参数。为了提高测量过程的效率及可靠性,结合测量设备的检测特性与末端执行器的几何特性两种外部约束,提出了一种基于线性递减权重的粒子群算法(LDW-PSOA)的测量位姿智能选取方法。重点提出了一种局部精补偿方法,其可与标定或者全局补偿同时使用,也可直接单独使用。同时,根据机器人自身特性及加工需求,提出了一种基于预测精度与参数数量的模型择优方法,并且制定了一种多模式精度提高策略。此外,将本文所建立的模型及提出的算法集成于Matlab开发平台,实现GUI交互系统。实验结果表明,本文提出的精度提高策略不仅能以多种方式实现机器人高精度定位的性能,且具有高效可靠的测量过程。     

大空间运动3-RRRU并联机器人运动学标定与误差分析

并联机器人具有高速、高刚度和大负载等明显优势,被广泛应用到农业和工业领域,但多关节导致该类机器人控制精度不高。针对大空间运动3-RRRU并联机器人的运动学建模和误差标定方法展开了系统、深入研究。综合应用DH法和空间矢量法建立了机器人的运动学模型,在此基础上,借助偏微分理论推导并建立机器人的误差模型;应用激光跟踪仪进行不同轨迹下机器人的空间位置数据采集,对一般遗传算法进行改进,以等步距搜索策略实现主要遗传算子的优化,并通过全局数值寻优获取机器人的误差补偿数据,完成标定和补偿工作。实验表明：基于直线标定方式,补偿后直线轨迹跟踪误差控制在0.14～1.34mm,但不适用于曲线轨迹补偿,其实测补偿后的最大误差高达5.08mm。曲线轨迹标定精度高于直线轨迹标定,补偿后将直线和曲线两种路径下的最大误差分别降低至1.18mm和1.56mm。该标定方法自动化程度高,适用于含有大量关节并联机器人的误差标定工作。     

机械臂轨迹跟踪控制方法研究

机械臂具有时变、强耦合、非线性等特性,因此建立动力学模型计算量很大,耗时长且难以实现有效的实时控制。针对机械臂在控制中存在的精度问题,采用Lagrange方法进行动力学建模,在该模型的基础上设计了滑模控制器,对动力学模型进行仿真分析。并与传统的基于重力补偿的机械臂PD控制方法在轨迹跟踪的精度和误差方面进行比较。结果表明:所设计的滑模控制器比PD控制算法具有更高的轨迹跟踪精度及更快的跟踪速度,更适合机械臂轨迹跟踪控制。     

刚柔耦合串联机械臂末端位置误差分析与补偿

机械臂连杆柔性、关节柔性等非线性变形的综合影响,导致其末端位置发生偏离而产生误差。本文以IRB1410型串联机械臂为研究对象,采用理论分析、仿真分析与实验验证相结合的方式,对机械臂末端位置误差进行分析与补偿研究。首先,建立机械臂刚柔耦合理论误差模型,并运用Newmarkβ法进行数值仿真分析;联合ANSYS和ADAMS进行刚柔耦合机械臂末端位置运动误差仿真;为了实现快速补偿,提出基于BP神经网络的伪目标点法对位置误差进行补偿,补偿后其位置误差均方根减小了68.3%,说明该方法具有较好的补偿效果;最后,自主设计并搭建了测量实验平台,采用所提算法进行了误差补偿实验,对比补偿前后距离误差,补偿后误差均方根减小了77.01%,验证了伪目标点法对柔性误差补偿的有效性。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

给定速度需求的移动机器人路径跟踪控制与实验

针对轮式移动机器人给定速度需求的非连续路径跟踪控制问题,将其转换为满足速度约束的轨迹规划和轨迹跟踪控制。首先,针对给定速度需求的路径跟踪问题,以运行时间和能量为优化目标,给定的路径和速度为约束条件,采用五次Bezier样条方法优化得到了满足需求的连续光滑轨迹。其次,利用轮式移动人系统的微分平坦特性,采用微分平坦方法设计前馈控制器;然后,将轮式移动机器人运动学模型在前馈控制的平衡点处进行一阶泰勒展开,得到了线性时变的误差模型,并通过定义新的状态变量,设计了具有Lyapunov稳定性的误差反馈控制器。结合前馈控制和反馈控制得到了二自由度轨迹跟踪控制器。同时将泰勒展开的高阶项考虑为有界的扰动输入,在输入到状态稳定性框架下证明了控制系统的鲁棒稳定性;最后,通过Pioneer 3-dx轮式移动机器人进行了实验验证,实验结果表明,提出的算法能够满足给定速度需求的非连续路径的跟踪控制需求。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题,提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上,分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律,实现混联机构的轨迹跟踪控制。由于控制器可调参数较多,采用粒子群算法进行控制器参数的寻优整定。仿真结果表明,所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。