基于智能预测的力/位混合控制方法

针对机器人在形状未知接触环境表面上进行柔顺力控制问题,在传统的力/位混合控制模型中采用一种智能预测算法,此算法通过三种预测因子预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹,并考虑环境曲率和刚度变化的特点.为了验证预测算法的有效性,构建了开放式的机器人力控制系统,在不同期望力、不同跟踪速度下对非规则受限表面进行了力控制实验研究,分析了受限系统中未知环境参数对接触力的影响.实验结果证明该方法对未知接触环境的变化具有较强的适应能力.在实验条件下,稳定状态下的力控制误差可以控制在3%之内.     

在未知环境下基于阻抗模型的受限机械手模糊力控制方法

在传统的阻抗控制模型中应用一种新的参考轨迹模糊调节算法.在该算法中应用一个参考比例因子调节参考轨迹.根据反馈的接触力信息,通过模糊推理确定参考比例因子的大小, 从而使生成的参考轨迹适应未知环境刚度的变化.根据接触力的变化对阻抗模型参数进行模糊调节,减少了受限运动中力干扰的影响,提高了全局力控制效果.仿真结果表明,与传统力控制方法比较,该方法提高了力控制精度,增强了对接触环境参数变化的鲁棒性.     

基于视觉的机器人模糊自适应阻抗控制

对未知环境下具有6个自由度工业机器人的视觉/力反馈混合控制进行研究.首先,建立被跟踪曲线图像特征与机器人关节角度的映射关系;其次,由机器人离散阻抗控制规律描述机器人末端在受限表面移动时与受限表面产生连续接触的条件,并根据接触力的变化对阻抗模型参数进行模糊调节;最后,在未知物体表面对末端固定安装单摄像机和力传感器的6个自由度机器人进行力跟踪试验研究.研究结果表明:该阻抗控制具有较强的未知物体表面曲线跟踪能力和较高的力控制精度,曲线跟踪算法简单,不要求对视觉传感器进行精确标定,模糊控制器实时地调整阻抗参数,使系统稳定而且具有良好的动态品质,是一种有效的视觉/力反馈混合控制方法.     

建筑幕墙安装机器人的位置/力混合控制方法

针对建筑领域幕墙安装过程中所面临的幕墙质量变化、接触环境改变以及机器人动力学参数漂移等问题,提出了基于阻抗模型和自适应补偿的机器人位置/力混合控制方法。分析了幕墙受力,建立了幕墙与环境之间的接触力模型,获得了机器人-幕墙-接触环境的综合动力学方程;为解决幕墙与环境接触时的力控制问题,在设计控制器时建立了幕墙位置与接触力之间的阻抗关系,同时通过李雅普诺夫稳定性理论构造了自适应控制器来补偿未知不确定项,使幕墙轨迹跟踪阻抗外环生成的参考轨迹。对不同任务时的幕墙安装过程进行多组仿真实验,结果表明:所提方法均能实现高精度的幕墙位置跟踪,误差精度小于0.2 mm,同时可以使幕墙与环境之间有稳定的接触力,并具有一定的鲁棒性。     

基于自适应MP C的自动驾驶汽车轨迹跟踪控制

为提高无人驾驶汽车轨迹跟踪精度和稳定性,设计一种基于模型预测控制(MPC)的自适应轨迹跟踪控制器.利用遗忘因子递推二乘算法在线估计轮胎侧偏刚度,实时更新控制器预测模型;设计控制参数选择器,采用模糊控制对预测时域和控制时域进行在线优化,实现预测时域能根据横向和纵向车速自适应的选择.通过Simulink/Carsim进行联...     

时延力觉临场感遥操作机器人系统预测控制研究

通讯时延是造成力觉临场感遥操作机器人系统不稳定和操作性能下降的关键因素 ,针对时延问题 ,提出了一种适用于时延力觉临场感遥操作机器人系统的广义预测控制方法 ,该方法通过预测控制器产成实时的预测力反馈以消除时延的影响 .此外 ,为使该方法应用于遥操作机器人未知环境作业 ,本文采用AUDI辨识算法对环境模型进行辨识 .构造实验系统 ,通过实验验证了该方法的有效性 .     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

时延力觉临场感遥操作机器人系统预测控制研究

通讯时延是造成力觉临场感遥操作机器人系统不稳定和操作性能下降的关键因素，针对时延问题，提出了一种适用于时延力觉临场感遥操作机器人系统的广义预测控制方法，该方法通过预测控制器产成实时的预测力反馈以消除时延的影响．此外，为使该方法应用于遥操作机器人未知环境作业，本采用AUDI辨识算法对环境模型进行辨识．构造实验系统，通过实验验证了该方法的有效性．     

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.     

面向紧急变道行为的协同避撞控制模型

针对网联混行环境下变曲率车道车辆突入变道行为影响自动车行车安全的问题,建立了融合模型预测控制和虚拟冲突场的紧急协同避撞控制模型(MPC-CAPF).利用长短期记忆网络(LSTM)预测侧车变道轨迹,并设计虚拟冲突点,构建基于虚拟冲突场的瞬态紧急避撞模型.为弥补势场力应用弊端,设计基于模型预测控制(MPC)的速度协同自适应...     

单轴并联式混合动力汽车能量分配的模糊控制策略研究

针对单轴并联式混合动力轿车,以混合驱动系统需求转矩和电池剩余电量(SOC)为输入,以发动机转矩为输出,构建了能量管理模糊控制器,基于ADVISOR的仿真研究表明,模糊控制策略与传统的逻辑门控制策略相比,能够更有效地降低混合动力汽车的燃油消耗和排放,更好地控制电池组SOC的变化。     

基于自适应阻抗控制的轮足式机器人隔振控制研究

轮足式机器人在行进过程中不可避免要与环境发生交互,在环境信息（刚度与位置）未知与时变的情况下,传统的阻抗隔振力控制方法由于目标阻抗模型的参数固定,存在鲁棒性较差的问题.在阻抗控制的基础上,基于Lyapunov稳定性定理设计了自适应阻抗控制器.该方法通过一个位置补偿量来间接调整阻抗参数,使系统稳态误差为零,提高了控制方法对未知多变环境的适应性;针对机器人轮式运动通过不同减速带的隔振问题进行了实验,证实了自适应阻抗控制方法的优越性.      

变步长灰色预测模糊控制研究与应用

提出了一种变步长灰色预测模糊控制算法,该算法根据新陈代谢原理,建立等维新息预测模型,将预测概念扩展为前向和后向预测,并与模糊控制相结合,对电液比例压力控制系统的顶推压力进行控制.该算法不需要被控对象模型结构的先验信息,基于少数据、贫信息,具有在线自适应以及计算量小的特点,满足实时控制的要求.通过对变步长灰色预测模糊控制与PID控制和纯模糊控制进行仿真和试验比较表明,变步长灰色预测模糊控制在不增加超调的情况下减小了响应时间,改善了控制效果.     

位置/力的自学习混合控制及其应用

综合了Raibert和Craig提出的机器人位置/力的Hybrid Control及Yoshikawa提出的机器人动态混合控制算法的基本思想,针对作业环境及其力学扰动难以辨识及机构振动等问题,提出了基于机器人装配作业的PI自学习混合控制方法,并根据此方法实现了三自由度机器人的圆柱二维插入作业。实验结果表明,该方法可以有效地实现机器人的销孔装配作业并抑制或缓冲机构的振动现象。     

基于模糊神经网络的无人机实时避障算法

针对模糊控制避障算法在障碍物信息未知的环境中适应性不强,难以有效规避"凹多边形"障碍物的问题,提出了一种基于模糊神经网络的无人机实时避障算法.采用等效夹角对模糊控制器的输入变量进行优化设计,克服了单一角度或距离在障碍物表征方面的局部片面性.基于BP神经网络理论设计了模糊控制器的初始隶属度函数和模糊神经网络架构;将模糊控制器在多个未知环境下生成的有效避障数据作为训练数据集,对模糊神经网络进行训练.仿真结果表明:所提出的模糊神经网络方法与模糊控制器相比具有更强的适应性,在面对未知复杂障碍物时避障更加灵活、路径更短,避障成功率更高.     

受限机械臂的自适应小波滑模位置/力混合控制

针对终端运动受约束的机械臂位置/力混合控制问题,提出了一种自适应小波滑模控制算法.该控制方案将滑模控制的鲁棒性及自适应调整能力与小波神经网络相结合,根据坐标变换得到降阶位置/力模型,针对降阶模型采用小波神经网络在线学习系统未知动力学模型中的非线性部分,同时引入滑模控制自动调整小波网络权值参数,从而对神经网络的固有逼近误差进行有效补偿,达到期望的跟踪性能.二自由度机械臂的仿真结果表明该控制器能保证系统快速有效跟踪指定参考信号.     

基于模糊控制的人工神经网络模拟在土质边坡安全预测中的应用

从最优化角度出发,用神经网络解决模糊控制系统的规则提取问题,给出可靠的基于BP算法的可靠神经网络模拟过程,对模糊子集个数的选取与系统复杂性、精确性之间的关系进行讨论.为获得边坡复杂工况下的安全特征,建立基于模糊控制的人工神经网络边坡安全预测模型,由大量样本进行网络训练.研究结果表明:所建立的模型预测精度较高,且实用易行;边坡的坡度、内摩擦角、凝聚力对边坡的安全系数影响较大;该预测模型可用于处理普遍存在的不确定性、非线性复杂工程问题;通过模糊控制调整模型,可对不同工程对象进行较精确的模拟分析.     

基于模糊补偿的深海作业级远程操控潜水器#br# 自适应位姿控制

摘要： 针对参数变化、流以及其他未知干扰对深海作业级远程操控潜水器(ROV)位姿控制的影响，设计了基于模糊补偿的ROV自适应位姿控制器.从大地坐标系下的ROV系统模型中分离出由于参数变化、流以及其他未知因素所产生的干扰力/力矩，并分析了干扰力/力矩的变化特性，利用模糊逻辑系统(FLS)进行逼近，设计基于干扰力/力矩模糊补偿的ROV自适应位姿控制器；同时，为了消除逼近误差的影响，设计了稳健自适应控制律.结果表明：FLS能够以较高的精度逼近ROV所受到的干扰力/力矩；所设计的基于模糊补偿的深海作业级ROV自适应位姿控制器具有良好的跟踪性能、抗干扰能力和稳健性.