双臂巡检机器人位姿变化下沿悬链线行走能力分析

为解决双臂巡检机器人沿输电线行走过程中存在的行走轮受力不均,易打滑脱线等问题,提出一种移动关节主动调节方法.分别建立了传统的双臂巡检机器人、带柔索双臂巡检机器人和带移动关节双臂巡检机器人行走轮受力模型,对比分析发现:机器人在最佳位姿状态下,受力情况最好,不易发生打滑问题.建立了巡检机器人关节变化的动力学模型并设计主动控制器,对机器人行走越障和沿线行走两种工况进行了仿真模拟.所设计的控制器能够协助机器人完成大坡度巡航与行走越障工作,并能够有效抑制关节振荡问题,缩短响应时间.最后开展了机器人行走越障与不同坡度行走实验,表明所设计的控制器能够辅助机器人完成巡检任务,有效抑制了行走打滑问题.     

高压输电线巡线机器人控制体系构建及动作控制器设计

为了提高巡线机器人行走的自主性和稳定性,构建了高压输电线路巡线机器人的综合控制构架。进一步考虑模型误差、外部干扰和摩擦等不确定因素,建立了机器人动力学模型。设计了机器人行走的4类基本动作的鲁棒控制律。为验证所提出的控制体系机构与鲁棒控制算法的有效性,利用Matlab软件搭建仿真环境,以常规控制器为比较对象,对巡线机器人的单个动作、组合动作以及越障过程进行了仿真分析。结果表明:所提出的控制律可使机器人运动更迅速,稳定地实现控制目标,综合效果优于常规控制器。     

欠驱动双足机器人稳定行走控制与策略

为了解决欠驱动双足机器人行走的控制问题,提出一种欠驱动平面双足机器人稳定步行控制方法和策略.首先,分析带有身体惯量的倒立摆模型的动力学特性,根据动力学模型和姿态信息,设计姿态稳定控制器,维持机器人身体姿态的稳定.然后,根据欠驱动量的动力学方程和行走速度反馈,设计行走速度稳定控制器.通过调整摆动腿步长的策略,实现速度稳定的连续行走.最后,在双足机器人上开展实验,验证了该控制方法和策略的有效性.     

双足机器人稳定行走步行模式的研究

研究了一种基于零力矩点(ZMP)预观控制系统的双足机器人稳定行走步行模式生成方法.通过对双足机器人行走过程中行走参数及ZMP轨迹进行规划,计算出机器人行走过程中的质心轨迹.由运动学模型求解出其行走过程中步行姿态,预观控制器利用未来目标ZMP参考值和双足机器人状态计算控制输入,对机器人进行稳定行走控制.最后采用ADAMS和Matlab/Simulink联合仿真技术对离线步行模式进行仿真验证,仿真结果表明双足机器人虚拟样机可实现稳定行走效果.     

两轮机器人行走机构的建模与实验

研究两轮机器人行走机构的系统组成及数学模型的建立,并进行了仿真和样机实验.行走机构由机械行走装置、姿态监测传感器和控制器组成,左右车轮由2个直流伺服电动机分别驱动,姿态监测使用陀螺仪和倾角传感器.在建立系统结构模型的基础上,利用Lagrange方法建立系统的动力学方程.根据线性系统理论,在Matlab环境下设计了状态反馈控制器,通过仿真验证了系统的稳定性.采用样机进行实际行走控制实验,验证了系统建模和控制器设计的合理性和有效性.     

步态训练机器人控制系统仿真研究

步态训练机器人是一种可以模拟在不同路况下行走的机器人．针对控制系统能够适应不同路况的要求,设计了一种适应负载、速度变化的变参数PID控制器,并建立了控制系统模型．在MATLAB环境下,对控制系统进行了仿真分析．仿真结果表明,平地行走、上楼梯和下楼梯3种步态轨迹的跟踪曲线均具有良好的运行特性;控制器适应了速度、负载变化的影响,满足机器人对不同路况模拟的各项要求．该研究为步态训练机器人对不同路况的进一步模拟研究奠定了基础．     

神经元模型的四足机器人适应性行走控制

为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.     

助行康复机器人助力行走控制研究

针对一种助行康复机器人助力行走训练策略,进行了机器人助力控制研究.考虑使用者差异及机器人系统误差等干扰,建立了人机系统动力学模型及机器人助力控制模型.通过分析系统特性设计了前馈-反馈复合控制器,为解决扰动力导致的移动单元转弯及推力突变问题,设计了模糊制器调整期望推力实现人机系统协调运动,利用Matlab软件对助力行走过程进行了控制仿真分析.研究结果表明:助力控制系统能够抑制干扰的影响,对人体提供期望推力,满足使用者对助力行走训练安全性和稳定性的要求.     

基于Rulkov神经元模型的四足机器人适应性行走控制

为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.     

行走机器人控制策略与开闭环学习控制

主从式双腿协调控制用于异构双腿行走机器人可减少规划量,控制的关键是步态轨迹跟踪.仿生膝关节使机器人步态更加仿人;但仿生腿模型复杂,跟随人工腿步态控制困难.P型开闭环迭代学习控制结合开环和闭环学习控制优点,不依赖于模型,适用于复杂机器人轨迹跟踪控制.从开闭环结合角度,证明了算法收敛性.算法在虚拟样机上的仿真表明算法有效、鲁棒性好且收敛速度优于单独开或闭环学习控制.     

不平整地面上双足机器人的步态控制

提出了一种不平地面环境下双足机器人的步行控制算法.该算法由步态规划和传感器反馈控制系统组成.在步态规划中,采用被动倒立摆模型设计双足机器人的质心位置,所生成的步态使机器人能够在平地上更自然有效地稳定行走.在线反馈控制系统用于处理地面环境的凹凸不平以及来自外界的未知扰动,可分为上身姿态控制、期望ZMP控制以及非线性落地控制3个部分.这3种控制分别针对不同的控制目标,并根据步行过程的具体阶段在线修正预先规划好的步态,维持双足机器人的步行稳定性.它们在结构上相互耦合,从而实现加速在线反馈控制系统的收敛速度、克服机器人柔性对控制作用的负面影响等效果.双足机器人在凹凸地面的步行实验验证了所提出步行控制算法的有效性.     

果园移动机器人的全局最优路径规划研究

为了实现移动机器人在果园环境下自主行走,对果园移动机器人在复杂果园环境中的最优路径规划进行研究.首先,利用栅格法定义了移动机器人在栅格上的运动方向、障碍物及信息编码,模拟建立出果园的环境地图模型.然后分别编写Dijkstra算法、A*算法,对果园机器人进行全局最优路径规划.通过分析比较,得出A*算法所规划的最优路径更为方便,搜索效率更高,更加满足果园机器人的实际工作需求,提高其工作效率.     

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     

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

发育学习在足球机器人基本动作技能中的应用

研究了发育学习算法及其在机器人足球比赛技术动作学习问题中的应用。结合发育学习算法的优点,选用合适的强化学习算法,并将其应用于足球机器人动作技能的学习中。无需任何先验知识和环境模型,通过不断与环境交互获得知识,自主地进行动作选择,具有自主学习能力,在自主机器人行为学习中受到广泛重视。最后,给出了试验结果分析,并验证了该算法的优越性和有效性,并且能够满足高水准机器人足球比赛的需要。     

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。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。