气动人工肌肉驱动多自由度平台的非线性特性

以气动人工肌肉为驱动器,构造了一个新型的多自由度平台实验系统,基于对其运动特性的分析。建立了以微分方程表达的系统的非线性动力学模型,并进一步将其变换成状态空间的仿射非线性表达形式．通过数字仿真结果和实验结果的对比,证明了所建立的数学模型的正确性,并得到了该系统的一系列非线性特性．结果表明,气动人工肌肉驱动的多自由度平台具有很好的可控性及稳定性．     

四足机器人气动人工肌肉驱动的仿生柔性机体动力学分析

基于四足生物动态步行时其柔性机体辅助腿机构的运动机理,设计了一种由气动人工肌肉、仿生脊柱、前机体和后机体组成的四足机器人仿生柔性机体.采用几何法分析仿生柔性机体运动学,建立四足机器人转向时仿生柔性机体弯曲角与气动人工肌肉长度变化间的关系,通过控制气动人工肌肉长度以控制机体弯曲.基于浮动坐标法和动量矩定理进行仿生柔性机体刚柔耦合动力学建模,对比分析了不同机体刚度下机体弯曲所需气动人工肌肉驱动力.设计仿生柔性机体弯曲控制实验系统,采用PID控制算法进行机体弯曲实验分析.四足机器人的仿生柔性机体分析,为提高其非结构化环境机动性奠定了基础.     

水压人工肌肉的压力控制与静态特性试验

水压人工肌肉与气动人工肌肉因介质压缩性差异,驱动控制过程和特性不同.为了实现对新研制的高强度水压人工肌肉的驱动控制并分析其静态特性,提出了新的水压人工肌肉压力控制回路,建立了测试试验系统.压力控制回路调压试验表明,在水液压比例节流阀10% ～ 90%输入范围内,水压人工肌肉驱动压力可实现较大范围的线性调节;静态试验结果表明,水压人工肌肉收缩量、驱动压力和输出力满足理论关系式.所研制的水压人工肌肉能够承受4 MPa的内部水压力和14 kN的负载拉力,通过静态特性试验及与现有静态模型比较分析,获取了模型参数,为水压人工肌肉机械关节的驱动与控制提供了条件.      

气动人工肌肉系统控制性能的实验研究

采用变结构控制对单根气动人工肌肉系统进行了实验研究,分析了气动人工肌肉系统的控制特性。实验结果表明气动人工肌肉系统是强非线性、低刚度的控制系统。简单的变结构控制算法不能够实现单根气动人工肌肉较大范围和伸缩过程的控制要求。应根据控制需要,将变结构控制与智能控制方法相结合,以实现系统鲁棒性和高精度控制。为气动人工肌肉系统控制策略进一步的研究奠定了基础。     

一种三自由度气动人工肌肉并联平台动态数学模型

针对一种气动人工肌肉（PAM）并联平台,采用新颖的PAM数学模型,推导出该并联平台的状态空间形式三自由度动态数学模型;以三自由度并联驱动位置跟踪实验采集的数据作为动态仿真模型的输入,进行了并联平台的动态性能仿真.仿真与实验结果对比,验证了所推导出的并联平台动态数学模型的合理性与有效性.     

气动人工肌肉驱动球面并联机器人的位置控制研究

研究将气动人工肌肉驱动器应用于柔索驱动三自由度球面并联机器人机构,介绍了该机器人的运动学模型,提出一种简便的轨迹规划方法,在建立的实验测控系统中,应用含并联机器人的位置逆解和对气动人工肌肉的智能PID控制的位置控制算法,实现对机器人末端的位置控制,通过机器人的位置正解验证了位置控制的控制效果.     

气动人工肌肉位置控制策略

针对气动人工肌肉位置控制系统,提出了两层滑模的变结构鲁棒控制策略,控制器的推导基于李亚普诺夫稳定性理论.实验表明所设计的气动人工肌肉位置控制系统稳态控制精度可达到±0.2 mm,在负载质量和气源压力改变的情况下,稳态位置控制精度仍可达到±0.3 mm,实验结果证明了所提出方法的有效性和系统的鲁棒性.该研究为气动人工肌肉获得广泛的应用提供了理论依据.     

类人气动肌肉模型与实验研究

在理论分析和实验的基础上，建立了人工气动肌肉的数学模型．该模型中考虑了橡胶管弹性、类人气动肌肉壁厚、人工肌肉末端弧度、编织网线之间以及编织网和橡胶管之间的摩擦力对气动肌肉驱动特性的影响．设计实验系统对人工气动肌肉进行了等压实验、负载拉力恒定实验和等长实验，实验结果与改进后的模型仿真结果吻合较好．     

气动人工肌肉与标准气缸的力特性比较

为了精确地描述气动人工肌肉的力特性，建立了一个基于弹性力学的新型串联模型，并结合实验评估系统的实验结果对它进行进一步的补偿．气动人工肌肉和气缸在模型和实验数据方面的比较结果表明，气缸模型虽然简单，但爬行现象严重；气动人工肌肉的模型复杂，却无爬行现象，为气动人工肌肉在工业中的应用提供了设计依据．     

基于分组数据处理神经网络气动人工肌肉迟滞特性

气动人工肌肉的动态特性中存在着非常复杂的迟滞现象.目前对其迟滞特性的研究很不充分,甚至对其输入空间都难以确定.为此,建立了单自由度气动人工肌肉实验平台,利用分组数据处理神经网络独特的自组织特性,运用数据挖掘技术探索气动人工肌肉迟滞特性的输入空间.将自适应模糊小脑模型神经网络引入滑模控制,基于已确定的输入空间,在每个采样周期逼近迟滞力不断变化的动态值,在线实时补偿迟滞力的影响.实验结果验证了输入空间选取的合理性和有效性.
