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。     

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。     

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。     

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。     

含闭链机构机器人动力学探讨

本文用Appell方程就含闭链机构机器人动力学研究作了新的探讨,给出了建立含闭链机构机器人动力学方程的一般方法。旨在把含闭链机构机器人分解成相应的开链机构进行研究,因而大大简化了推导过程。文中通过一个实际工业机器人动力学方程的推导,证实了该方法的可行性。     

绝缘子清扫机器人的动力学建模及轨迹优化

研究了支柱型绝缘子带电清扫机器人伸缩臂运动引起升降臂振动的问题，将升降臂和伸缩臂分别建模为柔性臂和刚性臂，形成末端具有移动刚体的柔性臂系统，在假设模态法的基础上建立了系统的Lagrange动力学模型，建模考虑了大多数柔性臂模型忽略的重力和非线性耦合的影响，分析了伸缩臂全局运动与升降臂局部振动的相互影响。提出一种单变量优化方法，以升降臂的残余变形能为性能指标，优化伸缩臂的运动轨迹，降低升降臂的残余振动。应用该方法对梯形速度曲线进行了优化，结果表明可以有效地控制升降臂的残余振动。该方法计算量小，便于在线实现。     

机器人预见控制方法的研究

提出了一种机器人高精度路径控制的有效方法－－以面积误差作为评价函数的预见控制方法。该方法从目标路径与实际路径之间的面积误差评价函数值最小化观点出发，运用逐次最优化原理来求取最优预见控制输入，它的特点是在每一采样时刻都要更新反馈系数和预见前馈系数，由于这些系数都是离线计算，因此并不影响实时控制速度，最后，通过实际机器人仿真，结果表明，该方法对于满足机器人高速度、高精度的要求是行之有效的。     

冗余度机器人力控制的运动学稳定性分析

把非冗余度机器人位置／力混合控制方案引入到冗余度机器人，用线性化的动力学模型对其运动学稳定性进行分析，提出一种改进的基于运动学稳定的冗余度机器人混合控制策略。仿真研究结果证明了所提出方法的有效性。     

动力学奇点在漂浮基双臂空间机器人姿态无扰运动规划中的应用

讨论了载体位置、姿态均不受控制的双臂自由浮动空间机器人的无扰运动规划问题．结合系统的动量及动量矩守恒关系，证明了动力学奇点的存在，并导出了动力学奇点的数学解析求解公式．在此基础上，利用动力学奇点给出了双臂自由浮动空间机器人载体姿态无扰运动路径的规划设计方法．该方法有助于空间环境下遥控机械手辅助航天器对接等任务操作的运动规划。     

机器人运动的学习控制

机器人学习控制旨在采用简单的控制器结构和易于实现的控制算法,提高机器人轨迹动态跟踪精度。本文讨论了机器人控制研究中存在的困难,简要回顾了早期学习控制思想的形成和发展,重点介绍了近年来国内外有关机器人学习控制研究的现状。