用于灵巧手的新型两自由度关节机构

提出并设计完成了一种用于灵巧手的两自由度关节机构,该机构用于连接灵巧手的下指节与掌骨节,使得下指节相对掌骨节同时实现屈曲和侧展2个运动.在完成两自由度关节机构设计的基础上,对该机构进行了运动学分析,并应用虚拟样机技术进行了验证.两自由度关节机构的应用将对提高灵巧手的动力学特性和简化灵巧手的结构设计起到重要的作用.      

基于模糊故障树法的清洗机器人安全性研究

提出用故障树形图分析法来分析机器人安全性.首先根据机器人设计方案及失效分析建立故障树模型,用故障树分析法对此模型进行定性和定量分析.针对系统底事件和中间事件发生概率情况获取不足的现状,将模糊集理论引入故障树分析法,将底事件(基本事件)发生概率描述为模糊数,通过模糊运算规则估计出整个系统的故障率.      

时延下空间遥操作机器人系统工作模式研究

工作在人机交互方式下的遥操作机器人是实现空间作业的有力手段。首先介绍了空间遥操作机器人系统的构成与工作原理，然后提出了基于临场感遥控技术、虚拟现实技术与自主控制技术相结合的多种工作模式，用于实现在不同条件下时延空间遥操作机器人系统的作业任务，并讨论了工作模式选择的方法。最后经模拟实验系统验证了所提出的工作模式的有效性。     

前列腺癌粒子植入机器人运动学建模和仿真

基于测量的人体前列腺会阴部操作空间和手术过程量化分析,研究了一种3-PCR并联式前列腺癌粒子植入机器人。对于这种对称少自由度并联机构作为位置调整机构,其运动学特性需要深入研究。采用封闭矢量法和Beout消元法建立3-PCR并联机构运动学正、逆运动学方程,通过数值计算验证了正、反解模型的正确性。利用MATLAB进行p点为空间旋量曲线时的运动学仿真,仿真结果表明机构具有较好的运动稳定性,便于实时控制。通过极限边界搜索法求解了该机构姿态为α=β=γ=0°下的工作空间,x=0时的YOZ工作空间截面为15 674 mm2能满足临床手术的要求。      

基于计算力矩法的眼内手术机器人的重力补偿

为了提高一种具有远程运动中心(RCM)机构的眼内手术机器人的定位精度和稳定性,在建立机器人坐标系的基础上,通过动力学等效,对机器人各构件质心瞬态位置进行分析。根据拉格朗日方程建立机器人动力学模型。提出基于计算力矩法的重力补偿方法。在此基础上,通过MATLAB/Simulink软件对重力补偿模型进行仿真。比较独立比例微分(PD)控制方法及重力补偿方法的各关节运动响应曲线,表明重力补偿模型可有效补偿重力项;同时,分析重力补偿模型响应曲线与期望曲线的误差,证明重力补偿模型具有较高的补偿精度和可行性。     

双臂空间机器人系统运动规划的双向逼近方法

基于双向逼近方法,讨论了载体位置与姿态均不受控制的双臂空间机器人系统的运动规划问题．该方法以系统动量和动量矩守恒关系为基础,建立了控制系统设计所需系统状态方程;并通过对系统状态方程应用双向逼近方法,获得了机械臂关节角的控制输入方程,从而达到对载体姿态及机械臂关节角的双重控制效果．该方法的优点是减少了载体姿态控制燃料的消耗,有效地延长了空间机器人系统的使用寿命．系统数值仿真证明了该方法的有效性．     

面向未知目标的柔性关节空间机器人滑模控制

针对载荷捕获的空间机器人控制问题,同时考虑机械臂关节柔性和非合作目标质量未知等因素影响,提出一种基于目标质量观测器的滑模变结构控制方法.首先,针对空间非合作目标质量未知问题,设计基于改进的最小二乘迭代算法实现对非合作目标质量在线辨识.进而,采用拉格朗日方法和动量矩守恒原理,建立漂浮基座柔性关节空间机器人动力学模型;针对...     

航天器集群控制与规划算法仿真验证平台设计

航天器集群作为一种新兴的多航天器协同模式,已经成为分布式空间系统的一个重要研究课题。很多关于航天器集群的关键技术需要在地面进行仿真、分析和验证。针对上述需求,设计了一种仿真验证平台,在地面实现了对航天器智能集群导航、规划与控制算法的全物理分析和验证。首先,给出了仿真验证平台的几种位姿识别方案,重点分析了一种基于单目相机的全局位姿识别技术,提出了一种基于气浮技术的航天器集群控制与规划算法仿真验证平台的总体设计方案,并定义了集群的运动场行为函数,设计了基于滑模控制的路径规划算法。最后,通过仿真验证了本方法的可行性和有效性。     

基于自组织与LVQ神经网络的足球机器人协作策略学习

足球机器人系统目前已成为人工智能应用技术研究的重要实验平台，系统的核心部分就是决策子系统。本文主要研究机器人足球比赛中协作策略的学习问题，采用了自组织与学习向量量化（LVQ）神经网络算法实现了两个足球机器人的传球学习。提出了一种协作策略学习的改进算法。该算法通过对网络权值矩阵进行改进，可以显著提高网络的训练质量。仿真和实验结果表明了该方法的可行性与有效性。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。