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。     

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。     

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。     

多功能水冷壁排管爬壁机器人的研制

介绍了一种新研制开发的永磁吸附式双履带结构爬壁机器人，主要应用于火力发电站的大型排管锅炉中的水冷壁排管壁面的清扫和检测，并能够在检测到壁面厚度小于预置的极限值处发出报警信号、打标记，具有较高的推广应用价值。文中阐述了该机器人的结构、磁路的优化设计、自动测厚、打标系统和控制系统的研制。目前，该机器人已经经过多次现场试验。各项指标均已达到设计要求。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动，提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合，反馈控制沿时间轴方向使关节运动跟踪期望轨迹，神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明，该方法能克服机器人动力学模型的不确定性和负载扰动，具有良好的鲁棒性和控制性能。     

基于最小值原理的冗余度机器人动力学控制

为了解冗余度机器人全局法优化中数值求解的困难，本文讨论了动力学方程的建立，无约束和有约束最优控制问题之间的内在联系，重点分析了求解最优控制问题的数值方法，文中提出了双向异步积分迭代的求解正则方程组的直接迭代法，较好解决了状态方程和协态方程稳定相逆给求解两点这值问题带来的困难。     

Stability analysis of robotic longitudinal-torsional composite ultrasonic milling

Currently, industrial robots are considered as an alternative towards traditional machine tools. Especially for the large-scale parts milling, robotic flexibility and low cost make it possess the irreplaceability. However, the milling chatter caused by its weak rigidity hampers robotic application and promotion severely in aviation industry. Rotary ultrasonic milling (RUM) technology with one-dimensional axial vibration has been proven and approved on avoiding robotic chatter. Based on this, the research of project team demonstrates that longitudinal-torsional composite ultrasonic milling (CUM-LT) involving separation characteristic has a greater advantage than RUM in terms of chatter suppression. Thereby, the CUM-LT as a new means is applied to avoid processing vibration of robotic milling system. And its influence mechanism on stability improvement of weak stiffness processing system is clarified. Meanwhile, the approaches to strengthen separation effect are provided innovatively. Moreover, a new analysis method of robotic CUM-LT (RCUM-LT) stability is proposed on the basis of ultrasonic function angles. The simulation and experimental results indicate that compared with robotic RUM (RRUM), stability regions of separated RCUM-LT (SRCUM-LT) and unseparated RCUM-LT (URCUM-LT) are improved by 124.42% and 39.20%, respectively. The addition of torsional ultrasonic energy has a wonderful effect on the milling chatter suppression of low stiffness robots.     

冗余度机器人动力学优化控制研究

稳定性和终态自运动是动力学优化中的难点.为了解决冗余度机器人动力学优化中的这些困难,深入研究了动力学优化和关节速度间的内在联系和矛盾,提出通过优化关节速度提高动力学优化的综合品质的思想,阐述了在线调节关节速度齐次项,同时改善稳定性和终态自运动的方案.仿真证实所提方案的实用性和有效性.     

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。