基于随机权重粒子群算法的SCARA机器人动力学参数辨识

针对SCARA机器人在负载条件下末端动力学参数难以辨识的问题,在分析负载对各关节力矩影响的基础上,对SCARA机器人进行了结构简化,利用Lagrange法建立带负载机器人的动力学数学模型,确定了需要辨识的机器人末端动力学参数。在传统粒子群算法的基础上,提出一种随机权重粒子群算法对机器人动力学参数进行辨识,并编写了相应的程序。仿真辨识结果表明:随机权重粒子群算法的收敛速度与参数粒子搜索范围得到明显提升,辨识出的机器人力矩与实际输出力矩基本吻合,说明该算法对机器人动力学参数的辨识具有较高的精度;与遗传算法、基本粒子群算法相比,随机权重粒子群算法辨识得到的适应度函数最优值最小,不易陷入局部最优,便于全局搜索,参数辨识精确更高。     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础.为了提高机器人动力学参数的辨识精度,以SCARA机器人为研究对象,设计了基于双层自适应遗传算法的机器人激励轨迹优化方案.运用Newton-Euler法建立了机器人的动力学模型,并对机器人的动力学模型进行线性分离,得到了机器人的最小惯性参数集和对应的观测矩阵.分析机器...     

基于动力学模型的工业机器人导纳控制研究

提出了一种基于动力学模型的导纳控制算法,用来实现机器人末端力和位置的柔顺控制,可以在速度模式下控制机器人运动,以保证无外力接触时的轨迹跟踪精度.首先,根据牛顿-欧拉法建立机器人动力学模型;然后,通过粒子群算法辨识动力学模型参数,得到完整的动力学模型;在此基础上,计算机器人末端位置误差和外力,利用设计的导纳控制器实现机器人的柔顺控制,用Matlab的Simulink仿真模块验证了基于动力学模型导纳控制的有效性和可靠性.仿真结果表明:机器人末端没有与环境接触时,具有较高的跟踪精度;与环境接触时,机器人末端会产生位置误差和外力,从而实现机器人的柔顺控制.     

基于最优激励轨迹的RRR机械臂动力学参数辨识

机器人动力学参数的精确辨识是对机器人进行精确控制的前提,参数辨识的精度与所采用的标定轨迹直接相关.以RRR机械臂为研究对象,建立该机械臂的动力学模型.在动力学参数辨识时,选择有穷傅里叶级数做为最优激励轨迹的表达式,通过最小化退化矩阵的条件数来获得最优激励轨迹中的参数,同时把各关节位置、速度和加速度的物理约束与激励轨迹结合起来,使获得的最优激励轨迹在物理意义上是可行的.通过在激励轨迹中指定频率范围来避免激励机器人的柔性特性,利用最小二乘法来辨识动力学参数.最后仿真验证了该辨识方法的有效性.     

基于GA-SA算法的机器人几何参数误差辨识

几何参数误差对机器人末端绝对定位精度影响最大,而几何误差参数辨识是一个高维非线性问题,求解困难,所以建立一种简单高效的辨识算法是有必要的,本文提出了遗传模拟退火算法(GA-SA)对机器人几何参数误差辨识。以机器人末端位姿误差最小为目标,采用遗传模拟退火算法辨识机器人几何参数误差,以ABB IRB120为算例迭代1100次,遗传算法在200代陷入局部最优,模拟退火参与后最终适应度为0.0914。误差补偿结果表明：机器人末端位置误差沿X,Y,Z轴方向分别降低了88.05%,81.73%,83.72%,姿态误差分别降低了93.92%,83.64%,83.44%,证明遗传模拟退火算法可以有效辨识机器人几何参数误差,提高误差补偿后的机器人末端位姿精度。     

基于改进差分进化算法的机器人动力学参数辨识方法研究

针对传统差分进化算法存在收敛精度不高和算法容易陷入局部最优等问题,提出一种差分进化(Differential Evolution,DE)算法的改进方案,并用于机器人的动力学参数辨识。首先,利用Newton-Euler方法建立含有关节摩擦特性的机器人动力学模型的线性形式,设计严格满足机器人运动条件的傅里叶级数作为运动轨迹,为提高辨识精度,建立机器人观测矩阵条件数的非线性约束模型来优化激励轨迹;其次,引入DE算法并对其进行优化以提高算法的全局搜索能力和开发能力;最后,以智昌川崎RS010N机器人为对象设计仿真实验,实现了机器人动力学参数的辨识,并对辨识结果与理论值进行了对比分析。结果表明,采用改进的差分进化算法,可以准确地辨识出机器人动力学参数,所建立的模型能够反映机器人的动力学特性。     

基于单维拉线测量系统的码垛机器人定位误差分析及运动学标定

以四自由度码垛机器人为研究对象,基于单维拉线测量系统对该机器人的运动学标定方法进行了研究.采用环路增量法构造了码垛机器人平行四连杆的误差模型,并建立了带关节变量比例系数的运动学误差模型,从而对关节传动误差进行补偿.通过对影响机器人末端位置精度的几何误差参数进行敏感性分析,将几何误差源简化为11项,可有效提高辨识效率.结合单维拉线测量系统的特点,建立了末端运动误差与几何误差源的映射关系,进而提出了一种基于距离测量的参数辨识模型.通过计算机仿真和标定试验对该方法的有效性进行了验证.试验结果表明,标定后码垛机器人位置误差3?值由11.73,mm减小至1.79,mm,运动精度提升84.7%,.     

基于WLS-ABC算法的工业机器人参数辨识

针对工业机器人在不带负载时的动力学参数辨识问题,提出了一种基于加权最小二乘法与人工蜂群算法(WLS-ABC)的辨识算法.首先计及关节摩擦特性,推导出机器人动力学模型的线性形式;接着设计五阶傅里叶级数作为激励轨迹,采集辨识实验数据;然后根据文中辨识算法,采用加权最小二乘法得到待辨识参数初始解,并以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制找到全局最优参数;最后对得到的模型进行验证与分析.实验结果表明,通过文中辨识算法得到的预测力矩与测量力矩有较高的匹配度,所建立的模型能够反映机器人的动力学特性.     

一种工业机器人动力学参数的辨识方法

机器人动力学参数辨识方程随着关节的增多变得更加繁琐,关节数超过4个后,甚至难以获得准确的参数辨识方程.为此,文中提出一种分步辨识的方法.该方法每次辨识的惯性参数较少,辨识方程相对简单,计算量小,辨识累计误差小,能很好地实现对超过四自由度的关节机器人动力学参数的辨识.文中还以某型六自由度关节机器人为对象,设计了辨识实验,对分步辨识方法进行了验证.结果表明:在保有机器人关键动力学特性的情况下,文中方法能简单而有效地获得机器人的关键动力学参数.     

基于模型的工业机器人误差参数标定技术研究进展

 为提高机器人末端控制精度,围绕基于模型的工业机器人误差参数标定技术,总结了其应用在高精度机械加工制造领域时存在的误差参数不完整、标定成本高和标定精度不满足工业需求等关键问题;综述了误差参数标定模型建模方法、机器人末端位姿测量技术、误差参数辨识技术和误差补偿技术4个方面的进展,分析了处理复杂标定任务时基于模型的误差参数模型标定技术的主要难点进行总结,针对传统建模方法不再满足标定需求、现有自标定技术测量精度不够、传统线性辨识算法在辨识矩阵奇异或存在冗余参数时无法得到准确的辨识结果、如何高效获得和处理测量得到的误差数据等难题,提出了可行性解决方案及发展方向。     

在轨服务双臂空间机器人参数辨识研究

本文以在轨服务自由漂浮空间双臂机器人为研究对象，研究了机器人本体和所抓取未知目标卫星的参数辨识问题。利用卫星自身携带的测速敏感器测得卫星本体质心以及操作臂的线速度及角速度，基于线动量及角动量守恒方程即可对双臂机器人本体和未知目标卫星进行未知参数的辨识。本文首先对空间机器人模型进行符号推导；然后研究了机器人的参数对辨识研究的影响；最后分析了参数辨识的影响因素。本参数识别方法的可行性以及效果在地面实验室中得到验证。     

空间机器人关节轨迹运动的一种鲁棒变结构控制方法

讨论了载体位置与姿态均不受控制的自由浮动两杆空间机器人系统的控制问题 .系统动力学分析结果表明 ,结合系统动量守恒及动量矩守恒关系得到的系统动力学方程将为系统惯性参数的非线性函数 .借助于增广变量法 ,即通过适当扩展系统的输入与输出可以得到一组控制方程 ,它们可以表示为一组适当选择的惯性参数的线性函数 .在此基础上 ,对于机械手末端载荷参数不确定但误差范围可确定的情况 ,设计了关节空间轨迹跟踪的鲁棒变结构控制方案 .仿真运算 ,证实了方法的有效性 .     

BT小包流量识别技术研究

由于网络中BT流量给带宽资源带来的沉重负担,识别BT流并对其进行控制显得尤为重要。通过分析BT协议和比较BT、迅雷等实际传输数据,找出BT传输中的流量特征来识别BT流。通过实验得出数据传输中信息包有效载荷大小5个字节的数据包是BT流的流量特征,并验证该技术对BT流的识别具有一定的价值。     

气象卫星载荷原始数据包快视软件系统开发

为了在气象卫星发射前的整星试验过程中测试各载荷的原始数据包,需要寻找方便快速的原始数据包数据快视方法.首先,介绍了气象卫星载荷原始数据包数据测试基本要求和方法,分析了Matlab在进行低码速率载荷数据包快视软件开发方面的优势;然后,给出了快视软件开发策略和设计流程,并基于Matlab介绍了TCP/IP网口通信、包头查找、数据显示处理的程序编写方法和重点语句;最后,介绍了程序运行速度优化技巧.实践表明,采用Matlab GUI非常适合于卫星研制中的载荷数据快视软件开发.      

精密并联机器人系统误差的分析与补偿

为减小机构末端定位误差,提高精密并联机器人运动精度,以6-HTRT并联机构为结构模型,分析了机构的各种制造误差。首先在机构上开发了一种新型虎克铰链,同时采用了预紧装置;然后在控制系统中引入DSP高性能数据处理器;最后,用矢量构造的方法计算机构速度Jacobian矩阵,用数值法计算位置正解,用构造法计算误差Jacobian矩阵,对机构末端误差进行补偿。通过以上措施,可以使系统的精度提高到机构重复运动精度的3倍左右,满足精密并联机器人工作的精度要求。其中,软件误差补偿算法不受并联机构类型的限制,有较大的适用范围。     

回转起重机载荷摆动建模误差及不确定性定量分析

时变的非线性动力学特性和操作环境的不确定性是阻碍起重机自动化的主要因素.本文对回转起重机载荷摆动模型线性化过程中存在的误差进行了定量分析,定量描述了动力学参数对载荷摆动的最大幅值和频率的影响规律,揭示了不确定操作环境的作用规律,从而更精确描述起重机在同时做变幅、回转和起升运动工况下的系统动力学特性,为实现起重机操作自动化提供了理论依据.     

三维成像载荷地面快速融合处理方法研究

三维成像载荷是一种能够同时采集激光雷达数据以及CCD影像,并快速融合生成三维立体影像的新型载荷。在分析载荷工作原理的基础上,面向载荷的地面检校及成像试验,提出了一种针对该新型三维成像载荷的地面快速数据融合处理方法;并利用地面实测数据对方法进行了验证。结果表明,该方法能快速生成实验区的三维影像,同时也验证了该类型载荷对激光雷达数据与影像数据快速融合的能力。     

一种涵道无人直升机模型参数辨识试验策略

针对样例涵道无人直升机,考虑机体振动等环境因素对输出数据的污染,提出一种样例无人直升机悬停模态下模型参数辨识方法．针对带角速率反馈的广义直升机参数辨识模型．利用直升机角速率、线加速度和操纵量依次独立辨识纵向通道模型参数Iy,Ib和Cr．首先根据传感器输出噪声方差先验信息筛选观测数据,有效剔除由此产生的部分野值样本．然后进一步采用低通滤波器对观测数据进行滤波．通过最小二乘法进行二次辨识．试验结果表明．该方法可显著提高模型参数辨识精度并降低参数估计的标准差．     

基于径向基神经网络的Delta机器人位置精度补偿

针对Delta并联机器人末端控制精度问题,提出一种基于RBF的提高Delta并联机构运动学控制精度的方法。首先对Delta并联机器人的运动学逆解进行分析,探讨了影响控制精度的因素和现有提高控制精度方法的局限性。其次,求解Delta并联机器人的工作空间,结合实际工作,通过试验采集训练样本。以末端实际位置为输入样本,末端的期望位置与实际位置之差为输出样本,进行RBF神经网络模型训练,得到末端实际位置与位置偏差之间的非线性映射关系,基于此设计位置补偿策略。最后,在Delta机器人平台上进行实验验证,使用训练好的RBF网络结合运动学逆解,对Delta机器人末端进行轨迹跟踪控制。实验结果表明,末端控制误差由±30mm减小到±5mm,有效的减少了末端位置误差,为Delta机器人精准控制提供了一种简单易行的方法。     

背景流量中报文负载的字典构造方法

背景流量的构造是决定网络测试质量的重要方面. 在目前背景流量的生成中,报文的负载一般采用随机串进行全部或部分填充. 该方法容易引入误报,造成测试结果的不准确,所构造的流量中报文对被测系统的压力不可控制,在实时测试中随机串的生成降低了测试系统的性能,而在离线测试中为存储负载中的随机串需要庞大的空间. 针对这种方法的不足,设计了一种字典填充方法,报文的负载从字典中选取,而字典的内容从被测设备所能监控的网络事件的特征中提取. 该方法可以减少随机串方法所带来的问题,实验证明是有效的.