机器人力控制研究综述

回顾了机器人力控制研究历史及目前的力控制研究现状；详细分析了现有的四种研究策略：阻抗控制、力／位混合控制、自适应控制策略、智能控制新策略；阐述了作者提出的“力／位并环控制”的智能新策略；提出了机器人力控制的四大关键问题：位置伺服、碰撞冲击及稳定性、未知环境的约束、力传感器；文末展望了力控制研究的发展趋势——智能控制。     

基于FNN机器人擦洗玻璃的主动柔顺控制研究

综合运用了神经网络、模糊理论，详细分析了力反馈和主动柔顺控制的特点，首次提出了“力／位并环控制”的新策略，建立了相应的神经网络结构，利用基于知识的模糊规则实现模糊粗校正，消除明显的干扰信号；再利用神经网络特点将力／位有效综合，并直接输入机器人位置伺服系统，实施了力／位并环控制。并在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了难度极大的擦洗平面玻璃的实验，有效地将力控制在８±０．５Ｎ的理想范围内，取得了满意的效果。     

改进力控方案完成异形孔装配

讨论了改进的力／位混合控制方案、异形孔装配策略规划及其在ＪＲＢ－１机器人上的实现。简述了该方案的优点，在ＪＲＢ－１机器人上实现所解决的问题，提出用适应性增益解决力控环稳定问题。文中还结合异形孔装配给出了装配任务的描述和装配策略的自动生成方法。     

Stewart六维力/力矩传感器弹性体的设计分析

分析了六维力／力矩传感器弹性体结构；提出了基于Stewart平台的球形连接分体式弹性体的设计方案；对Stewart平台的六维力弹性体结构进行建模，用有限元方法做单维力和力矩的加载求解；经数值分析得到应力与应变的分布，从而求解出最大受力分布点，经线性变化得到输出与载荷之间的传递矩阵，并求解出六维力大小；调整上下平台夹角α，β，半径R1，R2及杆长L等参数，对传感器结构参数进行设计，列出设计数据表为Stewart六维力传感器结构参数的设计提供了参考依据。     

基于Matlab的6DOF斯坦福机器人的运动学建模与仿真

机器人的运动学与逆运动学在机器人的动力学分析、轨迹规划及位姿控制等方面起着关键作用。以RRP-3R斯坦福机器人为研究对象,基于D-H法为其建立了关节坐标系及正运动学方程。在正向运动学的基础上,通过代数方法确定斯坦福机器人的逆运动学方程,规划了运动轨迹,利用逆运动学方程通过MATLAB编程进行仿真实现。     

力控制反馈信号的神经网络法校正

对机器人的力反馈，主动柔顺控制和双向联想记忆的神经网络进行了综合研究，针对机器人腕力传感器输出信号的部分失真，提出了机器人擦洗平面玻璃力反馈信号神经校正的方法，并建立了相应的神经网络结构，在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了试验验证，取得了满意的效果。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。     

INVERSE KINEMATICS FOR A 6 DOF MANIPULATOR BASED ON NEURAL NETWORK

运用神经网络求解机器人运动学位姿逆解，突破了文献局限于研究位置逆解的状况，首次实现自组织神经网络求解机器人姿态逆解。通过深入分析基于Ｋｏｈｏｎｅｎ网络原理和Ｖｉｄｒｏｗ－Ｈｏｆ误差修正的Ｍ．Ｒ．Ｓ．自组织神经网络及机器人运动学特性，创新了自组织神经网络训练算法并建立了一类工业机器人位姿逆解的神经网络方法。对ＰＵＭＡ５６０机器人的计算机仿真结果表明，本算法在自组织能力和定位控制精度方面大幅度提高。     

双视场视觉引导技术研究

提出了一种双视场三维视觉引导方法。利用大视场深度相机和小视场三维扫描仪构建双视场视觉系统，深度相机采集大视场空间三维信息，快速识别被测物体，并进行初始位姿估计；根据空间和位姿信息，小视场三维扫描仪定位到扫描位置，扫描高精度被测物体，获取三维外形；根据三维外形信息，规划加工路径，引导机器人进行维修加工。最后，通过实验验证了系统的有效性。     

知识Petri网与机器人装配规划

介绍了知识Petri网（KPN），在柔性装配系统中基于KPN机器人装配规划的任务，以及用KPN为机器人装配规划的任务，以及用KPN为机器人装配规划建模和KPN的运行。文中论述了如何建立邻链表、构造KPN，以及最后如何运行KPN，获得最佳装配规划。最后，阐述了基于KPN的机器人装配规划系统中数据库、规划库及推理机的构造。基于KPN的机器人装配规划，与目前常用的机器人装配规划方法，如启发式搜索法AO和线性规划LP法相比，具有如下主要优点：由于将人工智能用于Petri网中，故智能强；适应性强，既适用于整套产品零件同时到达装配站，也适用于各零件分时到达装配站时的规划；算法简单，规划速度快，更适用于在线规划。     

中性稳定技术在综合火力/飞行控制系统中的应用

火力／飞行综合控制(Integrated fire／flight control，IFFC)系统要求对飞机飞行姿态的控制应具有精确性和快速性，但提高姿态跟踪精度受到自然飞机惯性动力学的限制。本文提出飞机中性稳定技术应用于综合火力／飞行控制系统，给出了中性稳定飞机结构图和动力学模型。利用后缘襟副翼偏转所产生的直接力效果，在一定的控制律制约下，去抵消迎角扰动所产生的气动效果，使飞机不再出现静稳定力矩，达到中性稳定。采用中性稳定技术的综合火力／飞行控制系统有效地加速了飞机在攻击区的姿态跟踪过程，并实现了姿态控制过程中航迹基本不变的机身瞄准模态控制要求，提高了火控精度和命中概率。仿真结果表明，中性稳定综合火力／飞行控制系统具有良好的控制效果和应用前景。     

柔性机械臂的模糊自适应控制研究

提出了一种用于柔性机器人操作臂控制的模糊自适应控制策略。由于柔性臂的结构特点，在进行其操作臂的控制研究时，必须考虑系统的振动特性才能达到末端的高精度控制。本将拉格朗日法和假设模态法相结合，建立了单自由度柔性臂系统的动力学方程，提出了一种模糊自适应控制策略。在柔性操作臂末端带有不同载荷的情况下，分两种类型进行了控制仿真实验：定位控制和轨迹跟踪控制。仿真结果与传统的PD控制仿真实验结果相比较，表明模糊自适应控制器在轨迹跟踪和系统的振动抑制方面反映出更好的稳定性和鲁棒性，适用于柔性机械臂系统的动力学控制。     

NAIWR－1智能两足步行机器人模糊自适应控制研究

本文对模糊控制、自适应控制和ＰＩＤ控制进行了综合研究，实现了自行研制的ＮＡＩＷＲ－１智能两足步行机器人的模糊自适应ＰＩＤ控制，并用模糊递阶协调方法进行关节到位协调送数，成功实现了两足步行机器人的稳定行走     

基于ADAMS的MOTOMAN机器人运动学模拟

机器人的运动学分析是机器人末端操作器的位姿分析、速度分析和加速度分析。文中以MOTOMANUP6机械手为对象。基于D—H方法建立其位姿方程，运用ADAMS软件对其进行运动学仿真，得到机器人不同状态下的位移、速度和加速度的实时升析结果。对关节型机器人的运动性能研究具有积极意义。     

NAIWR—1智能两足步行机器人模糊自适应控制研究

本文对模糊控制、自适应控制和ＰＩＤ控制进行了综合研究，实现了自行研制的ＮＡＩＷＲ－１智能两足步行机器人的模糊自适应ＰＩＤ控制，并用模糊递阶协调方法进行关节到位协高送数，成功实现了两足步行机器人的稳定行走。     

热变形Pr—Fe—B—Cu磁织构的形成机制及[006]织构的获得

本文提出了Ｐｒ－Ｆｅ－Ｂ－Ｃｕ热压历程判据的计算式：ｆ（Ｔ，ε）／Ｔ＾２／２１１５３９．９ＬＧε＋１８９５７４８８°判据认为；在变形温度≥１１７３Ｋ时，ｆ（ｔ，ε）〉１，则热压磁体的其它峰强比较小，Ｉ（００６）／Ｉ（１０５）≥０．６０；Ｉ（００６）／Ｉ（１０５）与变形量ε之间存在如下关系式：Ｉ（００６）／Ｉ（１０５）＝０．９３ε＋０．４６５；     

智能制造系统调度的一种随机神经网络求解法

首先提出了调度系统的概念，即智能控制系统智能调度应从整体指标出发，综合研究集零件加工智能调度和产品装配智能规划于一体的调度技术，然后，给出了智能控制系统智能调度的神经网络模型的能量函数，并讨论了一种改进的模拟退火过程来求解最优解的方法。     

控制器参数对电磁轴承系统超谐共振区特性的影响

本文对PID控制的单自由度电磁轴承-转子系统由于力-电流／位移的非线性特性所引起的非线性振动进行了分析研究，并对控制器参数改变时，系统在三次超谐共振区的特性进行了分析。     

机器人操作机的建模及避障研究

介绍了机器人智能路径规划系统-RIPPS.该系统可用作机器人离线编程工具.系统由几何建模,运动学建模及路径规划三部分构成.用户利用其几何建模功能建立分布着障碍物体的机器人工作环境,通过输入参数利用机器人运动学建模功能来定义机器人操作机.系统的路径规划器根据指定的机器人起始位姿及目标位姿产生准优化路径,首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索.作者已在SGI/4D70工作站上进行了有效的仿真研究,下一步工作是在商业化机器人上实现该规划系统.     

基于改进型BP神经网络多关节机器人逆向运动学求解

提出采用一种3层改进型快速BP神经网络(Modified fast BP neural network,MFBPNN)求解一个5自由度多关节机器人逆向运动学问题。使用正向运动学计算获得的样本向量进行离线学习,然后充分利用人工神经网络的泛化特性,实现了机器人末端作用器位姿到各个关节转角变量之间的非线性映射。仿真结果表明,采用MFBPNN算法以后,绝对误差不超过0．005°,计算精度和处理速度能够满足机器人实时控制的要求,并且可以应用于机器人路径规划控制场合。