基座与臂杆全弹性空间机器人的有限时间控制

探讨了基座、臂杆全弹性影响下,基于有限时间的漂浮基空间机器人系统轨迹跟踪以及柔性抑振问题.由于弹性基座与两柔性杆之间存在多重动力学耦合关系,此系统为高度非线性系统.将弹性基座与臂杆间的连接视为线性弹簧,利用拉格朗日第二类方程并结合假设模态法,推导出该系统的动力学模型;应用奇异摄动理论的两种时间尺度假设,将系统分解为表示刚性运动的慢变子系统和表示基座弹性、双柔杆振动的快变子系统.针对慢变子系统,设计了一种基于名义模型的有限时间控制器,保证完成刚性期望轨迹跟踪.设计的积分式滑模面具有有限时间收敛特性,比传统渐近收敛控制方法具有更快的收敛速度和更强的鲁棒性;对于快变子系统,采用线性二次型最优控制同时抑制弹性基座与两柔性杆的振动.Lyapunov理论证明了所提控制算法能使跟踪误差在有限时间内收敛到原点.仿真验证了控制方法的有效性.     

柔性机器人终端振动抑制准时间最优控制

机器人运行速度的提高受到其高的加、减速度所激励的振动的限制。因为手臂的振动降低了手臂到达终点的定位精度,并延长了定位到终点的时间。本文提出了一个用死拍控制规律来提高柔性机器人的运行速度、抑制终端振动及提高定位精度的设计方法,它可提高如航天飞机舱外遥控机械手的定位精度,以及机器人自动化生产的劳动生产率。     

关于工业机器人运动学反问题的两种解法

本文发展了求解工业机器人运动学反问题的两种新方法:几何法和迭代法,分别适用于可解和不可解工业机器人的工作空间综合。     

电动机器人脉宽调速系统的研制

本文介绍用于DGR-5A五自由度电动机器人关节伺服回路的脉宽调速系统。主要介绍脉宽调制型功率放大的工作原理及设计方法,同时简要介绍关节伺服回路的设计。     

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。     

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。     

双臂机器人协调动力学及其优化

通过引入“虚铰”概念，将双臂机器人协调动力学问题统一归结为约束多体系统的动力学问题。利用子系统牛顿－欧拉递推法获得的单臂机器人的动力学方程以及静力传递与速度传递间的对偶关系，很方便地导出了双臂机器人的动力学方程与回路约束方程，回路约束方程的建立无需增加额外的计算。此外，文中还对双臂机器人协调动力学的求解及其优化问题进行了讨论，最后以一搬运双臂机器人为例进行了动力学的计算机辅助优化，获得了令人满意的结果。文中所得结论对双臂机器人的设计与控制均具有一定的参考价值。     

弹性机器人的LQG／LTR控制

ＬＱＧ／ＬＴＲ设计方法仅适合于最小相位系统，本文对单臂弹性机器人系统，进行适当的处理和对方法进行改进后，仍采用ＬＱＧ／ＬＴＲ方法设计控制器，得到的闭环系统有较强的鲁棒性。     

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。     

基于标定及补偿提高串联机器人定位精度方法

在使用串联机器人进行定位操作前,首先需要对机器人基坐标系与测量坐标系进行位姿关系的标定,针对具有隐藏机器人基坐标系以及机器人法兰坐标系的串联机构,本文提出一种等价变换思想并结合应用激光跟踪仪测得机器人末端靶标点的坐标数据建立标定矩阵方程,应用罗德里格矩阵变换将标定方程转化为三元二次矩阵方程形式,采用最小二乘法和牛顿迭代法求出数值解进而完成机器人基坐标系与测量坐标系标定的方法。然后应用这种方法进行标定试验得到了20组标定结果,通过比较标定结果偏差进而验证了这种方法的正确性。最后,本文验证了应用这种标定方法的标定结果并结合一种新的位姿补偿算法后,能极大地提高机器人末端的定位精度。