基于ADAMS的装车机器人运动分析

为了提高装车机器人的运动平稳性,采用UG和ADAMS软件联合仿真的方式,对装车机器人进行了运动分析。首先利用UG对机器人进行三维建模,并利用ADAMS建立机器人的虚拟样机模型。然后建立梯形曲线、S型曲线的速度模型,仿真分析这两种速度曲线对机器人运行稳定性的影响。针对S型曲线中加速段和减速段加加速度不连续,提出了一种三次S曲线加减速控制算法。仿真结果表明,三次S曲线加减速控制算法能够保证加速度和加加速度的平稳变化,避免产生大的冲击,使机器人运动更加平稳,为机器人的运动控制及优化提供了参考。     

重载混联机床智能加减速控制算法对驱动力的影响

在重载并联机床中,智能加减速控制算法对于驱动力的影响是显著的,但却很少被注意到。该文以一种重载混联机床中的二自由度并联机构为研究对象,利用虚功原理构建机构的动力学模型,通过实验仿真分析不同智能加减速控制算法对并联机构运动输入端驱动力的影响,并针对当前通用的S型加减速控制算法分析仿真,得到重载特性对机床控制的影响因素,最后对现有的S型加减速控制算法进行参数优化。结果表明,优化后的S型加减速控制算法在不影响表面加工质量的前提下,减小了机床在运行过程中的对电动机驱动力的要求。     

类梯形加减速算法在服务机器人中的应用研究

现有梯形加减速算法在机床、液压等重型设备上得到广泛应用,但其初末速度均为零,不满足服务机器人的需求。为获得服务机器人的算法,用数学推导结合实验的方法,提出了初速度不为零的柔性类梯形加减速算法,并根据不同运行距离,规划了四种运动策略,分析了切换不容策略的条件;为验证算法可行性,在自行搭建的伺服试验台上进行了测试。结果表明：类梯形加减速算法可中断运动规划,在初速度不为零的情况下重作运动规划。此算法满足可满足机器人不同运动状态下柔性加减速要求。     

大时滞过程的多模式智能控制

通过简要分析了常规控制的不足，提出了一种基于偏差特征信息的多模式智能控制算法，具有加速控制、减速控制、稳态激励控制三种控制模式.算法用加速控制来解决系统暂态响应的快速性的要求、用减速控制来解决系统暂态响应的平稳性要求、用稳态激励控制解决系统稳态的准确性要求.并把此算法应用于大时滞过程的控制，与多种大时滞控制算法作比较，仿真证明了此控制算法的优良性能.该算法结构简单，通用性强，使用调整方便.     

变因子自学习方案在机械手中的应用

介绍了一种新型自学习控制方法在机器人中的应用，它采用了变学习因子的方案，用模糊的思想选取学习因子，该算法已在直接驱动机器人上进行实验，并解决了一般学习算法在高速运动情况下由于加、减速而带来的系统振荡问题；该算法还具有学习收敛快，鲁棒性好的优点。     

面向3C产品装配的高速冗余度机器人系统研究

针对3C产品高速装配领域,以平面3R冗余度机器人为研究对象,提出了一种驱动单元集中布置的传动方案,保证了机器人的快速性和稳定性.在Solid Works环境下,对平面3R冗余度机器人进行了三维模型设计,并联合Matlab软件中的Sim Mechanical插件完成机器人动力学建模及分析.采用D-H方法建立平面3R冗余度机器人运动学模型,基于此模型提出了一种针对冗余度机器人的避障路径规划算法,利用冗余运动链的自运动在零空间实现障碍回避.通过对平面3R冗余度机器人的仿真实验验证算法的有效性.     

一种新型柔性加减速算法

针对传统的直线加减速和指数加减速算法在进给过程中存在柔性冲击的问题，提出了一种适用于高速进给的新型柔性加减速算法，采用三角函数构造加减速曲线。对这种加减速模式进行了详细的分析和探讨，并提供了一种新型数控进给系统设计方法。     

连续微线段柔性加减速自适应前瞻规划算法

针对目前数控加工代码大多是连续微线段的情况,提出一种新型的自适应前瞻规划算法.首先,采用简化的S曲线加减速减少计算时间,提高加工过程的平稳性,并采用二分法求解段内可达到的最高速度;然后,采用识别速度敏感点的方法分割前瞻区间,实现自适应动态规划,进一步优化前瞻区间的终点速度,提高加工效率;最后,通过模拟实验验证算法的可行性.结果表明:相较于传统规划算法与其他前瞻规划算法,文中前瞻规划算法可显著提高加工效率.     

基于ADAMS的刹车片上下料机器人运动学建模与仿真

针对目前刹车片冲压生产存在的问题，提出采用机器人替代人工实现刹车片冲压自动上下料。根据刹车片冲压工艺及上下料功能需求对上下料机器人进行了总体设计，基于SolidWorks设计出机器人三维模型，基于D-H位移矩阵法建立机器人运动学数学方程，并通过ADAMS软件进行运动仿真分析，得到机器人末端的轨迹、位姿及关节速度信息，通过仿真验证了设计的正确性和准确性。     

基于时间-冲击的喷胶机器人轨迹优化算法

针对喷胶机器人时间-冲击等多目标优化的轨迹规划问题,提出基于时间-冲击最优的轨迹优化算法,优化喷胶机器人的运行时间和冲击(加加速度)两个效果相反的目标.采用4-5-6多项式插值曲线作为关节空间内的插值轨迹,确保机器人运动的连续性和平稳性;在关节角速度、角加速度和角加加速度的运动学约束下,利用多目标粒子群优化(multi...     

多连杆机械臂加速度层最小运动规划和控制策略

为实现多连杆机械臂在加速度层最小运动规划和控制,提出了一个基于最小加速度范数的运动控制策略.该方案通过二次规划的描述,考虑机械臂的关节角、关节速度和关节加速度极限约束,在运动控制过程中规避了机械臂的物理极限.为高效地控制机械臂运动,提出计算复杂度较低的迭代控制算法.六连杆机械臂仿真实验结果验证了最小加速度方案及其迭代控制算法的有效性.     

一种机器人最优加速度轨迹规划算法研究

针对机器人调试过程中遇到的超限问题,提出了一种满足运动约束的加速度最优T型速度曲线控制方法,利用拉格朗日法分析了码垛机器人的动力学性能,论述了机器人轨迹规划算法的实现过程.该算法在保证运动平稳的基础上,充分发挥了驱动关节的驱动性能.与传统速度曲线的对比表明,无论单轴还是轴组模式下,机器人的控制效果均得到了明显的提高.     

基于单片机的小型上下料机器人机电综合设计

针对柔性制造单元的上下料任务,完成了小型5自由度机器人的机电综合设计与制作。在SolidWorks环境下,构建三维模型并完成了运动分析：以单片机作为控制器,为舵机提供控制信号,采用了一种新的多路PWM控制信号产生方法,可以精确地控制六路舵机的运动,实现对机器人的控制,完成了控制器的硬件夏软件设计;设计了上位机控制程序,并利用VB串口通信控件实现上位机与单片机的通讯。所设计的机器人,能完成多种物料的搬运任务,控制简单可靠。     

基于最小偏差法步进电机 加减速控制的研究

根据步进电机的运动特性,采取线性与指数相结合的线性-指数加减速方法,并把此加减速方法运用到具体的直线、圆弧加减速过程中,得到了最小偏差法直线、圆弧加减速控制的算法。采用直接计算的方式可以方便的改变加减速的时间、最高启动频率、最高运行频率以适应不同的加工状况。但是和查表方式相比,速度较慢,提出了多种方法以提高直接计算的速度,使整体的加减速方法的实施更加切实可行。     

基于粒子群优化的改进四次S型加减速控制算法

针对基于传统三次S型加减速算法在数控机床起止端加加速度不连续,存在柔性冲击,以及传统四次S型加减速算法模型繁复,时间复杂度高的问题,设计加加速度曲线在加速区间、减速区间的开始和结束阶段连续不断变化,提高了速度曲线变化的平滑性,减低了工件加工运行时间。同时,提出一种基于粒子群算法的速度规划方法,根据加减速控制模型构建其适应度函数,继而得到加减速规划所需的所有参数。最后通过MATLAB对所提算法进行仿真实验。结果表明：所提算法能有效降低系统的柔性冲击,并提高加工精度和运行效率。     

基于改进TEB算法的阿克曼机器人运动规划系统

TEB(timed elastic band)算法通过修饰全局路径规划生成的初始轨迹来优化机器人轨迹,得到一条满足机器人运动学动力学约束,避开障碍物,时间较优的轨迹。加速度的变化率过大会使机器人底盘电机输出的力矩突变引起机器人受到冲击震荡,加加速度的约束可使加速度的变化率限定在一个合理的范围,在TEB方法中缺少加加速度约束的基础上,对原始TEB算法进行改进,在轨迹优化过程中构建了具体的加加速度的约束,并在Stage仿真平台对改进TEB算法进行了仿真和在真实的阿克曼机器人上进行了实现,实验结果表明:得到的轨迹满足运动学、动力学,避开障碍物的要求而且平滑,真实机器人运动平顺。可见,改进的TEB算法适用于阿克曼机器人,规划的轨迹效果较好。     

基于Petri网模型控制的步行机器人的自由步态

为解决步行机器人在复杂环境下的运动问题 ,根据步行运动的特点 ,提出了单腿运动的 Petri网控制模型 ,又以5足步行机为例 ,建立了与其腿数相对应的多腿协调控制模型 ,并制定了相应的控制策略。在此基础上 ,重新提出了有关步行机器人自由步态的有关概念及其运动规划算法 ,定义了保持静稳定行走状态的运动条件和判断方法。最后对 5足步行机在平面不连续落足区内的跨沟运动进行了仿真。仿真结果表明 ,提出的运动控制模型和自由步态能够自动适应运动环境 ,实现离散地形下的步行运动