面向非合作目标抓捕的机械臂轨迹规划方法

文章针对非合作目标抓捕问题设计了基于误差反馈系数的机械臂轨迹规划算法.考虑到空间机械臂在轨服务要求,采用反作用零空间方法来规划机械臂运动轨迹以实现机械臂与航天器之间的协调运动.为避免在规划起始阶段位姿误差较大可能导致机械臂关节速度过大的问题,引入了位姿误差反馈系数.为对空间机械臂抓捕非合作目标的轨迹规划技术进行验证,搭建了地面半物理仿真系统.试验结果表明,通过合理选择位姿误差反馈系数,设计的轨迹规划算法能够使固定基座机械臂末端执行器以较为均匀的速度逼近非合作目标,并能以较高精度实现对非合作目标的抓捕.该试验可以为空间机械臂抓捕非合作目标的轨迹规划提供参考.     

考虑几何非线性的气动弹性模型缩比方法

随着飞机性能和需求的提高,大展弦比高柔性机翼逐渐成为新型飞机的主要结构形式。这类机翼具有高升阻比、大变形和重量轻等特性,几何非线性效应明显。然而机翼的大展弦比高柔性会带来更大的机翼变形,而机翼大变形则会引起相关的非线性气动弹性行为。为了评估这些非线性气动弹性行为并同时降低设计风险和成本,一般要使用缩比模型进行风洞试验以研究和确认真实飞机的气动弹性特性。基于此,首先使用了传统线性缩比方法来进行缩比,通过刚度质量耦合匹配模态响应法与刚度质量解耦匹配模态响应法这2种线性缩比方法,不断优化缩比结构的设计参数来满足目标缩比值。同时,提出一种动力学有限元模型的非线性静响应-模态协同优化方法,该方法是基于等效静态载荷法的几何非线性气动弹性模型缩比方法,通过2个不同的优化子程序分别匹配全尺寸飞机的非线性静响应和模态振型。结果表明,相比于传统线性缩比模型,考虑几何非线性的缩比模型能够更好地再现全尺寸飞机的非线性气动弹性行为。      

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.     

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。     

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。     

FMS实时调度系统的研究

柔性制造系统（ＦＭＳ）运行控制软件是保证ＦＭＳ有条不紊运行并充分发挥其潜在能力和效益的指挥中心，而ＦＭＳ运行软件的核心是实时调软件。本文讨论了面向对象的方法和专家系统技术在ＦＭＳ实时高度软件设计中的应用。该设计技术既能发挥面向对象方法的优势，又能突出专家系统的特点，以对象为中心来构造专家系统，本评论人知识获取、表示和推理三方面进行了论述，重点介绍了ＦＭＳ调度领域专家知识的面向对象表示。     

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。