基于滑模控制的多自由度采摘机械臂振动抑制方法

针对机器人末端柔性负载的残余振动问题,提出了一种多自由度采摘机械臂振动的滑模控制方法。考虑到组成结构、运动原理、动力方式等因素,构建了多自由度采摘机械臂数学模型。获取采摘机械臂的振动信号,并对其进行特征分析,计算机械臂振动控制量,生成采摘机械臂全局滑模面,设计了具有自动调节系数的滑膜控制器。对比实验显示,优化后的滑膜控制器由于工作时机械臂的运动参数会根据采摘任务产生动态变化,机械臂振动幅值明显减小,振动频率下降,而且能够消除轮廓误差,振动抑制效果明显,能够适合采摘需要。     

基于迭代滑模的机械臂控制策略

针对机械臂这类非线性的不确定性系统,基于迭代学习控制与滑模控制策略,提出了一种有效的迭代滑模控制方法。该控制方法通过将滑模控制律引入到迭代学习控制中,并运用Lyapunov理论对控制律进行证明,从而确保系统的稳定性。基于拉格朗日力学法建立动力学模型,得到相对简化的n关节机械臂模型。以一个二关节机械臂为例,通过MATLAB仿真验证所提控制策略可有效提高关节的跟踪速度与跟踪精度,并且在一定程度上可减缓传统滑模控制的抖振现象,与传统迭代学习控制相比,系统具有鲁棒性。物理试验验证了所提控制策略的有效性。     

浅析采摘机械臂的国内外研究现状

采摘作业约占整个果蔬生产作业量的40%,自动化程度仍然很低,目前国内采摘作业基本上都是手工进行,因此研究采摘机械臂具有巨大的应用价值。     

五自由度采摘机械臂运动学通用算法应用

通过建立通用采摘机械臂运动学模型,构造初始矢量方程,完成求解,验证了基于Groebner基法的运动学算法的可行性,为采摘机械臂结构设计与控制研究提供了参考数据。     

机械臂位置控制的研究

该文设计组建了以直流力矩电机为执行元件,LMD18200为电机驱动器件,增量式光电旋转编码盘作为位置检测元件,TMS320F2812为控制器的位置控制系统,实现对机械臂运行模式的简单仿制和模拟。同时根据机械臂位置控制的原理和系统组成,编写了系统的软件测试程序,并从动力学的角度在MATLAB环境下,进行了性能分析仿真,得出了仿真结果。     

基于三维重建的柑橘采摘机械臂避障研究与实验

利用机器人采摘柑橘果实需要解决机械臂运动过程中对障碍物的感知与避障问题。根据枝干的特征对枝干进行分段标记,使用深度学习Mask R-CNN神经网络进行训练、识别,然后与Kinect v2相机得到枝干障碍物关键点的三维信息进行重建。应用快速扩展随机树（rapidly-exploring random trees,RRT）的改进算法进行机械臂的避障运动规划。搭建了仿真及控制平台,并在实验室环境下通过课题组自行研制的柑橘收获机器人进行了验证,结果表明,样机避障成功率为90.7%,平均规划时间为1.5 s。上述结果为进一步进行实际环境采摘奠定了基础。     

油茶果采摘机采摘机械臂的机构设计及运动仿真

油茶是我国重要的林业经济植物,是我国食用油的重要来源之一,随着品种的优化和种植的规范化,油茶果机械化采摘成为必然,研制油茶果采摘机成为林业机械的一个新领域。在实地考察研究油茶果植物特性和采摘方式的基础上,设计了油茶果采摘机采摘臂的机构,并应用三维软件pro/e,针对采摘臂的液压驱动方式,对采摘臂进行了运动仿真。     

神经网络与PID结合的机器人自适应控制

提出了一种基于神经网络与ＰＩＤ控制相结合的机器人自适应控制系统。为加快神经网络的学习过程,研究了有效的启发式学习算法。以二关节机器人为对象仿真表明,该控制系统能使机器人跟踪希望轨迹,其系统响应跟踪精度及鲁棒性优于常规的控制策略。     

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。     

基于深度强化学习的柑橘采摘机械臂路径规划方法

【目的】为解决非结构化环境下采用深度强化学习进行采摘机械臂路径规划时存在的效率低、采摘路径规划成功率不佳的问题,提出了一种非结构化环境下基于深度强化学习(Deep reinforcement learning, DRL)和人工势场的柑橘采摘机械臂的路径规划方法。【方法】首先,通过强化学习方法进行采摘路径规划问题求解,设计了结合人工势场的强化学习方法;其次,引入长短期记忆(Longshort term memory,LSTM)结构对2种DRL算法的Actor网络和Critic网络进行改进;最后,在3种不同的非结构化柑橘果树环境训练DRL算法对采摘机械臂进行路径规划。【结果】仿真对比试验表明：结合人工势场的强化学习方法有效提高了采摘机械臂路径规划的成功率;引入LSTM结构的方法可使深度确定性策略梯度(Deep deterministic policy gradient,DDPG)算法的收敛速度提升57.25%,路径规划成功率提升23.00%;使软行为评判(Soft actor critic,SAC)算法的收敛速度提升53.73%,路径规划成功率提升9.00%;与传统算法RRT-connec...     

现代金融区域辐射力研究——基于长沙对湖南省内其他市州辐射力的实证检验

对于Buck变换器系统,考虑到实际应用中负载变动引起系统参数的不确定性,且不确定性上界无法测量的情况,本文拟采用RBF神经网络对不确定性上界进行自适应学习。针对Buck变换器输出电压的控制问题,为了避免普通滑模控制跟踪误差渐进收敛的问题,改善其动态响应速度和稳态性能,本文拟设计一种基于RBF神经网络的上界自适应的终端滑模控制器,并通过Simulink仿真验证这种方法的可行性。     

一种新颖的电流模式神经网络设计

将ＣＣⅡ引入神经网络,提出了一种新颖的电流模式神经网络,仿真结果表明,其动态特性优化电压模式网络。     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。     

农业机械悬臂梁振动控制试验研究

以蓝莓采摘机悬臂梁结构为研究对象,考虑外界不确定性激励作用下悬臂梁的振动特性,建立了悬臂梁的振动数学模型,利用滑移模态控制理论(变结构控制)提出了新的滑移模态控制算法.通过选择合适的滑移面和切换函数,基于Matlab/Simulink仿真模型以及dSPACE实时仿真系统对悬臂梁进行振动控制.试验仿真结果表明,设计的滑移模态控制器能有效地抑制悬臂梁的振动.     

孵化过程的模糊神经网络控制系统设计及应用

针对家禽孵化过程的复杂动态特点,设计了家禽孵化模糊神经网络控制系统,试验结果表明,该系统能够较好地实现孵化主要参数的稳定。     

STATCOM的变结构神经网络模糊控制研究

提出了STATCOM用于维持接入点母线电压稳定的控制策略,根据控制策略设计了STATCOM的变结构神经网络模糊控制器.在设计控制器时,通过专家经验法和模糊规则自生成法对模糊规则知识库进行了初始化;通过变结构神经网络对模糊规则进行在线调整,增强了控制器的自学习、自适应能力;采用了基于语言变量优化匹配的原则对模糊逻辑推理进行优化,减少模糊推理的计算量,提高运算速度.数字仿真结果验证了该控制方法的有效性和正确性.     

云冷杉天然林林分年龄预测——以金沟岭林场为例

应用BP神经网络模型、PPR神经网络模型以及多元逐步回归模型,依据林分因子预测了金沟岭林场云冷杉天然林林分年龄。对比分析了人工神经网络计算模型算法与多元逐步回归分析模型预测结果的精度以及稳定性。结果表明:3种模型均可用于天然林林分年龄的预测,BP神经网络模型的预测平均相对误差为0.04,模型稳定性差;PPR神经网络模型的预测相对误差为0.06,模型稳定性好;多元逐步回归模型的预测相对误差为0.08,模型稳定性好。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

神经网络补偿的状态反馈控制

提出一种具有神经网络补偿的状态反馈控制方法并用于液压伺服位置控制系统。仿真和实验研究结果表明,该方法可有效地提高经典状态反馈控制系统的动态性能。