机器人力/位并环混合运动学分析研究

提出用大系统理论进行复杂的机器人力控制研究,介绍了与之相应的智能力／位并环控制新策略,针对力控制中未知环境约束运动的特点,详述了力控制大系统智能新策略中核心：根据腕力传感器输出的三维力,考虑摩擦力的影响,推导了动态求解机器人终端与环境接触点的法向--力控方向和切向--位控方向的公式,从而建立了基于力反馈的运动学模型,有效解决了长期遗留的未知环境约束运动中的难题。     

叶片磨抛机器人力/位混合控制的设计与实现

为提高航空类发动机叶片的自动化磨抛精度,减小复杂曲面叶片加工轨迹控制误差,采用基于六维力传感器的机器人力/位混合控制策略,实现机器人磨抛轨迹的在线修正。搭建以Staubli机器人和ATI六维力传感器为核心部件的叶片磨抛验证平台,通过C++开发上位机,采集磨抛过程中六维力传感器信息并进行Kalman滤波。通过示教确定机器人运动轨迹,对机器人运动轨迹与力传感器信息进行采集分析,确定基于力/位混合控制可以实现机器人运动轨迹的在线修正,为复杂曲面的叶片磨抛轨迹控制提供一种解决方案。     

基于阻抗内环的新型力外环控制策略

对于空间装配等与环境进行交互的任务,迫切要求空间机器人具有力控制的能力。利用机器人的关节力矩传感器,提出了一种新型的基于阻抗内环的力外环控制策略。在该方法中,内环采用阻抗控制代替传统的位置控制。阻抗控制内环使机器人具有一定的柔顺性,力外环通过期望力与实际力的误差对内环的参考轨迹进行修正,实现了机器人的力跟踪控制。另外,为了验证利用关节力矩传感器间接测量末端接触力的效果,机器人末端安装了一个高精度的JR3腕力传感器用来直接测量实际接触力。在基于位置内环和阻抗内环的力外环控制方式下,进行了机器人接触刚度变化较大环境（海绵、泡沫和铁块）的力跟踪实验。实验表明,当环境刚度变化较大时,相对于传统的力外环方法,本文提出的方法能够实现稳定的力跟踪性能。尤其对于铁块这种刚度很大的环境,该方法的有效性更加明显。     

机器人系统的动态混合力/位置控制的几何原理

基于在位形空间中受约束系统的几何性质,对机器人系统的运动及所受的约束力进行研究。通过引入法空间及切空间的概念,实现了机器人运动及力的解耦控制,从而简化了控制系统。通过对双臂机器人系统的位置/力动态混合控制的数字仿真,说明本方法简单、可行。     

闭链空间机械臂抓持载荷基于积分滑模的模糊自适应控制

讨论了载体位置、姿态均不受控制情况下,漂浮基闭链双臂空间机器人抓持系统的动力学建模与控制问题.利用拉格朗日方法和牛顿-欧拉法,分别建立了双臂空间机器人及抓持负载的动力学模型,并结合漂浮基空间机器人固有的线动量和角动量守恒动力学特性及闭合链约束几何关系,获得了抓持系统合成动力学方程.以此为基础,考虑到闭链双臂空间机器人系统结构的复杂性及某些参数的变动性,根据模糊控制理论和Lyapunov稳定性理论,设计了系统参数不确定情况下该抓持系统基于积分滑模面的力/位置模糊自适应协调控制方案,从而达到对抓持负载位置与所受内力的双重控制效果.系统数值仿真证明了控制方案的有效性与精确性.     

导弹气动力/直接力自适应控制分配及优化设计

 建立了具有气动力和直接侧向力混合控制的导弹动力学模型,提出了模糊自适应控制分配与复合控制器优化集成设计方案。设计了基于参考模型的模糊自适应控制分配策略,使气动力/直接力动态分配过程中复合执行机构等效动态特性与参考模型一致。采用进化策略对导弹复合控制系统参数进行了多目标优化设计。仿真结果表明：导弹复合控制系统具有很好的快速大机动跟踪能力,实现了导弹气动力和直接侧向力之间合理的自适应控制分配。     

力控制技术在飞机数字化装配中的应用

飞机数字化装配技术的发展要求提高装配自动化水平,工业机器人因此得到广泛使用,而工业机器人在定位精度与结构刚度上的局限性又催生了力控制技术的研究与发展.力控制技术不同于传统的位置控制,是利用安装在机器人上的传感器反馈力的数据,以此为依据驱动机器人将构件或工具送达最佳装配位置的技术.叙述了力控制技术的发展背景、基本原理、系统组成与应用实例,并对力控制技术在飞机数字化装配中的进一步发展作出了展望.     

基于激光跟踪仪的机器人末端负载重力辨识与在线补偿方法

为准确测量工业机器人在飞机装配中的真实装配受力,提出了一种基于激光跟踪仪的机器人末端负载重力辨识与在线补偿方法。借助激光跟踪仪等外部测量设备,建立了机器人系统的全局运动学模型,实现机器人末端位姿的精准获取。利用卡尔曼滤波处理力传感器信号,以获取更加准确平稳的外部力信息。基于最小二乘法建立了末端负载重力分量与位姿的映射关系,其中,考虑了力传感器的零点偏移与机器人安装偏差带来的影响。最后开展了机器人负载重力在线补偿试验,试验结果表明,该方法具有良好的效果。     

6-PUS并联加载机构模糊PID力控制系统设计

为对数控机床主轴进行多维力加载试验,首先建立了6-PUS并联加载机构的静力学模型,得到机构力雅克比矩阵,通过力雅克比矩阵将对机构末端多维力的控制转化为对单支链力的控制;其次,设计了单支链力模糊PID控制器;最后,在机构静态下,分别以传统PID和模糊PID控制器对6-PUS并联加载机构进行了多维力加载试验,加载力为F=(200,200,200,10,10,10)T的阶跃信号,对比发现模糊PID响应的力超调量在X、Y、Z各向均明显小于传统PID引起的超调量.     

机器人旋转超声钻削CFRP/铝合金叠层材料的钻削力实验研究

针对机器人钻削(RCD)CFRP/铝合金叠层材料中钻削力过大引起柔性机器人姿态变形、影响制孔精度与质量的问题,提出了一种机器人旋转超声钻削方法(RRUD),实现钻削力的减小。实验结果显示:加入旋转超声后机器人钻削力显著减小,麻花钻与机器人旋转超声加工系统的匹配性优于三尖钻。采用小进给、高转速的工艺参数可以进一步减小机器人钻削力。为机器人旋转超声钻削CFRP/铝合金叠层材料的钻削力优化提供了参考与依据。     

基于模糊神经网络的涡扇发动机加速控制

采用模糊神经网络对某型涡扇发动机加速过程进行自适应控制，为了进一步提高系统性能，采用遗传算法和BP算法相结合的方式，对系统分别进行了离线和在线优化。仿真结果表明，设计的模糊神经网络控制器具有良好的性能。     

基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

一种基于模糊神经网络的飞行控制系统设计

文章将模糊逻辑控制与神经网络结合使用,利用神经网络的自学习优势,采用误差反向传播算法,给出PI控制器的比例、积分参数,对模糊逻辑控制器的输出进行进一步调整。仿真结果表明,使系统具有更好的控制效果。     

机轮防滑刹车控制方法的研究

分析了机轮防滑刹车系统的工作原理和防滑工作过程,介绍了减速度控制法、有限状态机法和滑移率控制法在3种防滑刹车控制器设计中的应用,阐述了使用模糊控制算法、滑模变结构控制算法和人工神经网络算法的滑移率控制器的设计。     

电机-变距螺旋桨动力系统功率优化控制

电动螺旋桨无人机应用越来越普及,但普遍续航时间较短,提高电动力系统效率、降低功率消耗是提高航时的主要措施。电机-变距螺旋桨动力系统（以下简称变距电动力系统）可同时改变转速、桨距两个量,存在桨距和转速的最佳组合,使系统功率最小。相比电机-定距螺旋桨动力系统,其在耗能方面具有特殊优势,但如何达到最小功率点,目前研究较少。针对上述问题,为提高计算效率,便于控制研究工作的开展,首先基于改进天牛须算法的BP神经网络训练得到变距电动力系统的神经网络代理模型。接着提出了一种变距电动力系统功率优化控制策略：在一定入流速度、拉力需求下,基于自适应扩展卡尔曼滤波-牛顿法实时优化桨距,并在一定桨距下利用模糊PID控制系统转速以达目标拉力,实现目标拉力需求下的最小功率控制。仿真验证结果表明,提出的功率优化控制策略鲁棒性更强、优化速度更快、收敛效果更好。     

神经网络及模糊控制在飞机防滑刹车系统中的应用

提出了一种新的神经网络 -模糊逻辑刹车系统控制方案。利用神经网络解决刹车系统中存在的非线性识别问题,实现刹车过程的轨迹跟踪;利用模糊控制克服参数变化和环境因素造成的不利影响,同时避免不精确建模造成的误差,最后利用所设计的控制器对某型飞机进行了仿真研究。结果表明 :新的控制方案能极大的改善飞机的刹车性能。     

非线性系统的建模技术及其在智能化数控加工中的应用

基于人工神经网络与模糊控制理论 ,对非线性系统提出了一种自组织模糊神经网络模型 ,并推导出一类新型学习算法。针对智能化数控加工中测力平台并不实用的问题 ,应用该模型和交流伺服电机电流进行切削力的间接测量。加工现场表明本文所建模型是有效的     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

基于TS模型的模糊神经网络光伏MPPT控制

为了克服传统最大功率点跟踪(MPPT)方法的一些缺点,使光伏系统更加快速准确地工作在最大功率输出点,提出了基于模糊控制和神经网络控制相结合的自适应控制方法。该方法充分利用模糊神经网络处理非线性问题的优点,通过模糊控制来改变步长,利用神经网络的自学习能力来快速达到平衡,使光伏MPPT在跟踪速度和稳定性之间达到一个较优的平衡。仿真和试验结果表明,基于模糊神经网络自适应控制的MPPT方法具有较强的鲁棒性和自适应能力。     

导弹块对角控制器的组合设计法

利用小脑关节模型控制器 ( CMAC)神经网络辨识了导弹控制系统的几个重要空气动力参数,证明了估计误差、权误差有界,然后用解析逆解设计方法、模糊神经网络变结构控制方法设计了块对角控制器。仿真结果显示了该算法的有效性。