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。     

基于飞机平台的北斗救生信标机 的性能测试技术研究

从北斗系统组成、功能及原理入手,分析了北斗救生信标机在飞机平台上进行性能测试的特点,介绍了性能测试和评判方法,分析并研究了验证结果.应用结果表明,本文设计的试飞和测试评估方法科学可行,测试结果准确,充分体现了被测设备的功能性能,暴露了设计缺陷,给出了使用限制建议.研究结果具有重要的工程实际应用价值,能够为用户提供使用参考.     

基于视觉六自由度分拣机器人 视觉图像坐标变换的研究

针对机器人定位分拣问题,研发了一种基于视觉的六自由度分拣机器人系统,深入研究了视觉图像坐标引入到机器人控制系统后的坐标变换,并对机器人的分拣动作进行规划,实际运行结果表明,该系统可以实现机器人的定位分拣问题,并且可靠性高,在分拣搬运领域具有较高的应用价值.     

自由浮动空间双臂机器人的鲁棒协调控制

研究自由浮动空间双臂机器人在本体位置、姿态均不加控制时,抓取物体运动情况下的动力学协调控制。根据空间双臂机器人抓取系统的闭链约束关系,推导出广义雅可比矩阵,针对抓取系统动力学模型的不确定性,提出一种鲁棒协调控制方法,来控制被抓物体的运动,使被抓物体的运动轨迹跟踪期望的运动轨迹,并保证内力跟踪误差的有界性。通过对自由浮动空间平面双臂机器人进行鲁棒协调控制仿真实验,结果表明了该方法的有效性。     

平面型两关节空间机器人的自适应轨迹控制

基于参数线性分离方法，得到了平面型两关节空间机器人线性参数化形式的动力学模型，这种模型非常适合于采用自适应控制方法。控制策略考虑了机器人各关节之间的耦合及机械臂与基座航天器之间的耦合，对航天器姿态的控制和机械臂的控制进行综合，在满足手端跟踪期望轨迹的同时，保证航天器姿态基本不变。控制器由一个PD反馈项和一个补偿动力学不确定性的非线性自适应反馈项构成，能够保证对期望关节轨迹的全局渐进跟踪，提高了空间机器人操作的适应性和安全性。     

时延下空间遥操作机器人系统工作模式研究

工作在人机交互方式下的遥操作机器人是实现空间作业的有力手段。首先介绍了空间遥操作机器人系统的构成与工作原理，然后提出了基于临场感遥控技术、虚拟现实技术与自主控制技术相结合的多种工作模式，用于实现在不同条件下时延空间遥操作机器人系统的作业任务，并讨论了工作模式选择的方法。最后经模拟实验系统验证了所提出的工作模式的有效性。     

基于小波神经网络的双足步行机器人步态规划控制器

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足，本文提出了一种基于广义小波其函数网络的神经元集聚模型，这种小波神经网络不仅收敛速度快，非线性逼近能力更好，而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。     

机械臂的动态混合控制

本文研究当机械臂的终端受有约束时的控制问题,文中应用了动态混合控制方法。其中心内容是给出关于“任务规范投影算子”的概念。利用它首先将机械臂的动态方程解耦为两组方程,它们分别描述了运动与约束反力。在此基础上给出了机械臂的控制律,使闭环系统跟踪期望的速度与约束反力。     

空间机器人地面实验系统的一种鲁棒自适应控制方法

基于李亚普诺夫稳定性直接方法, 针对具有参数及模型不确定性的空间机器人地面实验系统, 提出了一种新的鲁棒自适应控制器。该控制器由三部分组成: 线性PD反馈项, 补偿动力学的自适应控制项, 补偿建模不确定性的鲁棒控制项。控制策略能有效地克服未建模的摩擦力和外部扰动以及吊丝配重系统未补偿掉的重力影响, 并且能保证全局最终一致有界。仿真表明了算法的可行性和有效性     

自由飞行空间机器人基座位姿调整的模糊PD控制

由于自由飞行空间机器人处于微重力的环境,因此其在目标获取的过程中必然会出现因机械臂运动和环境影响而导致基座的复杂运动.本文设计了自由飞行空间机器人位姿调整的模糊PD算法,根据接收到的实时位置信息,空间机器人可以自主地调整基座的姿态和位置来校正位姿误差,保证目标的稳定捕获.利用开发的实验平台与传统的on/off式控制器进行了实验对比,验证了此方法在稳定性、控制精度和燃料消耗上都有较好的表现.