柔性冗余度机器人振动控制的一种方法

对于柔性机器人而言,如何尽快抑制其结构柔性所引起的振动是十分重要的.本文对柔性冗余度机器人振动的控制问题的原理与策略进行了研究.把阻尼的主动控制思想应用于机器人振动的控制中,并给出了相应的最优控制方法.这种方法通过优化机器人的自运动实现外部能量的输入以提高系统的阻尼,使振动迅速衰减.此外,对这种控制方法的实现进行了讨论.最后对一个末杆为柔杆的平面三杆机械手振动的控制进行了仿真,结果验证了方法的有效性.      

柔性机器人动力学建模的一种方法

提出一种建立具有柔性关节的多柔杆机器人动力学方程的方法.首先给出了柔性关节及柔性臂杆的简化模型,然后利用Kane方法和假设模态法推导出完整的动力学方程并给出了递推公式.在此基础上利用一个算例研究了臂杆柔性与关节柔性对机器人动力学响应的影响.结果表明:所建立的动力学模型更接近于实际的柔性机器人系统;臂杆柔性与关节柔性都起着非常重要的作用,因此在柔性机器人的动力学建模与控制中应充分考虑它们的影响.      

一种柔性空间双臂机器人的协同控制和避障方法

针对柔性空间机械臂在轨服务应用需求,提出一种基于刚体运动与柔性振动相耦合的空间双臂机器人协同控制方法.首先引入空间位姿变量的概念,构造出面向协同控制目标的Jacobian矩阵,建立柔性空间机器人系统的刚柔耦合动力学模型,基于指定的最小距离得到其运动学逆解,并根据系统动量矩守恒关系及系统的Jacobian矩阵,并根据机械臂末端的运动速度,然后采用阻尼最小二乘法得出关节角度,使柔性空间机器人能够有效完成协同控制和空间避障任务,并基于RecurDyn V7R5软件环境验证算法的正确性.最后,基于SolidWorks和ADAMS虚拟样机建立柔性空间机器人系统的立体CAD模型,并结合空间在轨搬运任务进行模拟仿真,柔性空间机器人关节操作和运动轨迹的仿真结果图验证了本文算法的有效性.     

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。     

刚柔空间机器人基于神经网络的协调运动控制及柔性振动抑制

探讨了本体姿态受控的刚柔耦合空间机器人关节运动控制及柔性振动抑制问题.基于拉格朗日方法及奇异摄动理论, 导出了系统的奇异摄动模型. 为确保系统在未知惯性参数影响下本体姿态、关节协调运动的精确跟踪控制, 针对慢变子系统, 提出了一种基于RBF神经网络的补偿控制策略; 同时针对快变子系统,采用惯常的线性二次型最优控制器以实现系统柔性振动的主动抑制. 仿真结果表明, 所提控制方案可有效补偿未知系统惯性参数的影响, 使系统能够准确跟踪所期望的运动轨迹, 并较好地抑制系统的柔性振动.     

双臂空间机器人关节运动的一种增广自适应控制方法

讨论了载体位置、姿态均不受控制情况下,具有未知参数的自由漂浮双臂空间机器人系统的自适应控制问题.由于此类机器人系统具有结合系统动量及动量矩守恒关系得到完全能控形式的系统动力学方程,以及系统惯性参数不符合惯常的线性函数关系的特点,因而地面机器人的控制方法在此难以直接推广应用.为了克服上述难点,仅将系统动量守恒关系耦合到系统动力学方程当中,而不耦合系统动量矩守恒关系,结果得到一组欠驱动形式的系统动力学方程.该系统动力学方程的优点是关于一组组合惯性参数能保持惯常的线性函数关系.以此为基础,并借助增广变量法,针对双臂空间机器人末端爪手所持载荷参数未知的情况,设计了关节空间轨迹跟踪的自适应控制方案.该控制方案的显著优点为,不需要测量、反馈双臂空间机器人漂浮基的位置、移动速度和移动加速度.系统的数值仿真,证实了方法的有效性.     

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。     

柔性机器人避动力奇异方法的研究

对柔性机器人避动力奇异的方法进行了研究,得出当机器人第i阶模态频率与模态激振力某阶频率相等,且模态激振力比较大时,机器人就会出现动力奇异问题的结论;分析了机器人的结构参数和运动参数是影响其固有频率的因素,提出了在不改变机器人预定工作任务的情况下,对已有的机器人可以通过在其柔性臂上附加一质量块以调节机器人的固有频率,从而避免动力奇异问题的发生;同时给出了附加质量块的规划策略,并以一末杆为柔杆的空间三杆机器人为例,验证了所提方法的有效性.该方法也适用于其它一般机械系统.     

基于神经网络的撞球机器人控制器设计

对撞球机器人的母球控制问题展开研究,设计了一种基于神经网络(NN)的控制器,使机器人能够控制母球在击打目标球后按照预定的模式运动至目标点——即完成走位。针对该问题非线性且非光滑的特点,对坐标系进行阐述并给出机器人击球的模型;在光滑的假设下使用理论分析的方法建立母球的运动学模型与边库反弹的理想镜像模型;进而使用神经网络方法对理想模型进行修正,并对不同的轨迹模式进行分析与分类。测试结果表明:经过训练的机器人能够掌握各种模式的走位,统计结果与模型分析结果相吻合;相比于单一使用神经网络方法,本文使用理论分析与神经网络相结合的方法能够有效地提升网络的品质,降低训练的误差。     

一种基于混沌神经网络的拟人智能控制方法

提出一种基于混沌神经网络(CNN)的拟人智能控制方法.首先利用拟人智能控制理论得到定性控制律(线性或非线性),然后利用CNN实现控制律的定量化.Hopfield神经网络具有快速的优化能力,但容易陷入局部极小,将遍历性的渐变混沌噪声引入其中,形成具有快速全局优化能力的CNN.对二级倒立摆控制的仿真和实验结果均表明该方法有效.      

神经网络理论在微分对策中的应用

阐述了微分对策理论在实际应用中存在的问题,并从动态冲突的实际过程出发,将神经网络理论与分层式智能控制理论相结合,来模型化微分对策问题.将微分对策的双向优化问题转化成基于神经网络理论的目标机动性辨识和单向优化控制问题,将微分对策的定性与定量结合起来,为有效加入人的经验提供了一种技术途径.并采用自适应分布式学习速率,大大提高了神经网络的学习速度和精度.     

磁浮支承系统的神经网络建模与控制

简述了磁悬浮支承系统的原理和简化的线性化模型,以及基于该简化模型和线性控制理论的控制系统原理、主要组成,并阐述了这种基于简化模型和线性控制理论的磁悬浮支承系统性能极限性.在此基础上,采用非线性递归神经网络对磁悬浮支承系统进行建模与控制,并针对实际应用中神经网络的学习问题进行了讨论.避免了磁悬浮系统的非线性和不确定性等因素对系统性能影响,并具有较强鲁棒性,大大提高了磁悬浮系统的性能.      

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.     

冗余度机器人动力学容错控制技术研究

就提高冗余度机器人动力学容错能力问题进行了研究.通过优化关节力矩分配椭球,使得该椭球主轴长度的乘积尽可能大,从而动力学容错能力得到改善.基于此,研究了故障状态下的关节力矩再分配算法和实时的动力学容错控制方案.为了减小故障造成的跟踪误差,对PID(Proportional Inteqrated Differential)和变结构控制的仿真效果进行了对比,仿真结果证实了所提算法的有效性和实用性.     

模糊极大极小算子神经元网络的图灵等价性

将模糊Zadeh算子的定义域作了扩充,并重新定义为模糊极大极小算子,使其满足交换律、结合律和零元律.在此基础上提出一种模糊极大极小算子型神经元网络模型,符合一般模糊算子型神经元网络的定义.与传统的Zadeh算子型模糊神经网络相比具有较强的映射能力.详细证明了用该模糊极大极小算子神经元网络可以计算与图灵机等价的部分递归函数,从而表明模糊极大极小算子神经元网络的计算能力等价于图灵机.将传统神经元M-P模型神经网络的图灵等价性推广到模糊神经元网络.     

自适应评判神经网络在微分对策中的应用

采用由3个神经网络组成的自适应评判神经网络结构求解微分对策的2点边值问题,其中2个 为控制神经网络,分别实现对微分对策系统中双边控制器的优化,一个为协 态神经网络,用于对2点边值问题中的协态变量进行求解,协态网络的输出对控制网络进行 校正,训练以后的2个控制网络作为双边的反馈控制器在线应用.并将神经网络结果与采用 Chebyshev技术的微分对策数字解进行了对比.追逃微分对策仿真结果表明了该方法的有效 性,并且对初始条件和测量噪声具有较强的鲁棒性.      

基于前向神经网络的非线性平滑滤波器设计研究

文章阐述了基于前向神经网络的非线性平滑滤波器的设计问题，分析了上述平滑滤波器的存在性及其滤波误差方差的组成，给出了有限观测序列下网络学习的性能指标，由此提出了一种次优网络学习算法，它具有很好的抑制白噪声能力。     

空间机器人柔性臂动力学模糊控制的研究

重点研究了在空间机器人柔性臂的动力学非线性控制问题,由于柔性臂动力学系统的强非线性和耦合性,使得柔性臂控制系统复杂,控制的实时性和稳定性差,本文针对以往柔性臂控制所存在的问题,综合考虑系统的动态和静态特性,提出了一种带有非线性补偿器及ＰＩＤ控制器的柔性臂模糊复合控制方案,然后,根据所推导了一两连杆的空间机器人柔性臂的这非线性模型,进行了系统控制的仿真研究,实例仿真的结果表明,该控制方案能有效地抑制     

基于BP神经网络的随机信号筛选算法

在随机信号导航研究中,可接收到的信号数量众多、种类繁杂、特征多样,难以从中选择出适用于导航的信号。针对随机信号的筛选问题,提出了一种基于BP神经网络的随机信号筛选算法。该算法通过输入随机信号的特征信息,对随机信号的定位误差进行了估计,通过定位信息的误差对将信号用于导航的效果进行了评估。仿真结果表明,该算法能够对由随机信号解算而得到的导航信息误差进行估计,可以达到较好的筛选效果。