基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

欠驱动跳跃机器人运动规划

通过对欠驱动跳跃机器人的动力学模型的分析,结合机器人的雅克比矩阵及主被动关节之间的动力耦合关系,推导出了欠驱动机器人的伪逆运动学方程,对运动轨迹的优化数学模型进行降阶处理,并进行了运动规划的仿真分析.仿真结果分析表明了该方法的正确性及有效性,该运动规划方法对其他跳跃机器人的运动规划及控制方法的研究具有一定的理论参考价值,同时,亦可推广至平面多自由度的欠驱动机器人轨迹规划的问题上.     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

一种新型欠驱动型并联机器人的运动学分析与仿真

传统并联机器人具有自由度数量与驱动电机数量相等的问题,效率低下。为解决这些问题,提出了一种基于传统并联机器人的新型欠驱动型并联机器人。分析了欠驱动型并联机器人的结构特点与工作原理,应用空间解析几何与向量代数法,推导了机器人的运动学正解与反解。建立了运动学模型,应用MATLAB验证了运动学正解与反解的正确性,确立了最优工作空间。仿真结果表明,驱动电机数量为3时实现了机器人3或4自由度切换的功能,提高了机器人的抓取效率,具有工作空间大、运行速度快、定位精度高、制造成本低等特点,具有广泛的工业应用前景。     

欠驱动式外骨骼手指康复机器人的设计和仿真

本文提出一种新的基于脑电信号控制的外骨骼手指康复机器人系统,该系统主要由外骨骼手指康复机器人、脑电信号系统(EEG)、肌电信号系统(EMG)、人机交互系统、电机控制单元、相关传感器和工作站组成.患者通过外界的视觉刺激产生脑电信号,工作站经过对这些信号采集和处理后传递给电机控制单元控制,并驱动电机实现穿戴在患者手上的外骨骼手指机器人运动,辅助其完成康复训练.该机器人主要采用欠驱动的方式,由安装在手背处的电机带动同步齿形带传动机构实现机器的三个关节的弯曲和伸展运动.文章主要利用UG软件对手指机器人进行设计和ADAMS软件进行运动仿真.根据机器人运动轨迹和机器人末端的运动参数曲线可以看出该手指机器人具有运动平稳,不存在运动死点等特点,且机器人能满足人体手指的运动要求,符合人体工学的设计特点,仿真实验证明能够辅助患者进行重复性康复训练.     

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.     

一类欠驱动移动机器人动力学分析

带拖车的轮式移动机器人系统是典型的欠驱动、非完整系统．以带一节拖厢的卡车为具体分析对象，建立了其运动坐标系，在欠驱动、非完整动力学系统分析的基础上，提出了一种简化的Routh方程，并用简化的Routh方程分析了其动力学特性，给出了实际算例的仿真结果．     

欠驱动单机械臂的运动学研究

本文以平面内转动关节连接的单机械臂为研究对象,针对其运动学以及单臂的控制原理进行研究.首先利用机器人数学基础,推导出单臂机器人的运动学递推方程,讨论了其正运动学变化矩阵以及求解雅克比矩阵.然后,以单臂3R欠驱动机械臂为研究对象,对其位置控制进行研究,提出了一种分阶段控制欠驱动机械臂的新方法.控制目的为实现操作臂末端点到达目标位置,由此实现了平面内3自由度欠驱动机械臂的位置控制.     

多指欠驱动机械手接触力建模及抓取方式分析①

欠驱动机械手具有操作简单,结构紧凑等特点被广泛应用在工业机器人以及航天机器人等领域。建立了欠驱动机械手抓取接触的静力学模型,得到抓取接触力与输入力矩的关系。针对欠驱动机械手包络分析了抓取位置偏差对手指各关节角度的变化影响。通过Matlab编程方式进行了包络抓取方式的数值仿真,验证了抓取模型的正确性。     

基于粒子群的欠驱动平面机械臂PID控制算法研究

由于对机器人轻量化和降低成本的要求越来越高,欠驱动机器人的优势日益凸显,也逐渐成为机器人的一个研究热点问题.以往欠驱动机械臂中的PID控制算法中参数依靠试凑获得,很难获得效果的参数.本文提出通过基于粒子群算法的欠驱动机械臂PID控制算法,通过粒子群对PID控制方法进行改进,对PID参数进行整定,以获得控制效果更好的参数.仿真结果证明了该算法的可行性与有效性,相比于传统方式更易于实现,收敛速度快.     

多功能两栖生物型子母机器人系统研究

 对于水陆两栖及其过渡环境中狭小空间内的勘测,微小型水陆两栖机器人能够完成许多单一推进方式的机器人所无法完成的两栖任务,如水下管道的检测、珊瑚礁内鱼类的监测、水下岩缝中矿物采样等,因此需要一种能够具有微型结构、多功能运动模式、高位置精度、长续航时间等特点的机器人,以适应复杂两栖环境。提出一种两栖子母机器人设计方案。其中,两栖母机器人采用腿-矢量化喷水两栖推进,利用一套驱动系统实现两栖运动,以降低机构和控制的复杂度,增大其负载能力。两栖推进机构和机器人外形可以根据介质环境以及任务特点的改变,进行主动的形态与结构变化。微型子机器人由人工智能驱动器驱动,可以实现游行、爬行、转动、上浮/下潜、抓取等动作。母机器人和子机器人之间通过智能软缆线连接,实现子母机器人之间的通信及子机器人的回收。     

液压并联机器人的键图建模

键图是一种能够统一处理多能量范畴工程系统的有效方法，该文针对液压驱动并联机器人提出了一种新颖的全系统键图仿真模型。基于牛顿-欧拉法建立运动平台的键图模型，根据伺服阀和液压缸的流量方程及力平衡方程建立阀控缸作动器的键图模型，按照因果关系规则将二者集成为全系统的键图模型。实例仿真表明该模型较真实地反映了系统的动态特性，可用于液压并联机器人的动力学分析和控制系统设计。     

未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH+ 避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验.结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地.基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上.     

足球机器人系统仿真中的数学模型

讨论了机器人足球比赛现实世界中各个实体的运行规律,建立了受非完整约束的移动机器人以及球的运动模型,并提出采用几何方法求解机器人运动模型精确解,以提高仿真精度,减少计算量·给出了机器人之间以及机器人与场地围墙、小球之间的碰撞模型,并分析了2个机器人之间的碰撞过程·为构建和开发足球机器人系统仿真平台与机器人的运动控制提供了模型基础     

Design of trotting controller for the position-controlled quadruped robot

This work presents a controller designed for position-controlled quadrupedal dynamic locomo-tion, aiming at simple and robust trotting control .The controller takes the torso attitude angles and velocities into planning foot trajectories .Firstly design of the servo motor actuated quadruped robot is introduced and the kinematic equations are deduced .Then a scheme is presented for controlling the robot torso attitude based on the virtual leg model .Furthermore , it demonstrates the design of the controller which enables the robot to have a wide range of trotting gaits and omni-directional mo-tions.Finally, results of robust trotting in various speeds , path tracking and push recovery in simu-lation are reported , and results of trotting on real quadruped robots will be studied .     

基于理想轨迹学习的机械手神经自适应控制

在机械手鲁棒控制的基础上,讨论了神经网络逼近误差界未知情形下机械手的神经网络直接自适应控制方法,这里神经网络用于补偿系统的不确定性,提高整个系统的跟随性能。提出设计方法的主要特点是神经网络控制器设计采用机械手待跟随的理想关节信号代替实际的机械手关节角、关节速度和关节角加速度作为神经网络的输入,此外神经网络的逼近误差界假设是未知的。给出了具体的系统设计算法,并证明了神经网络学习算法的收敛性和整个系统的全局稳定性。最后,一两连杆机械手的控制器设计仿真实例验证了提出算法的有效性。     

四足马机器人静步行稳定性实时检测与自调整方法

针对四足马机器人静步行中的的稳定性问题,提出了一种基于压力中心的实时检测方法.得到了静步行稳定性的定量化计算方法.基于检测到的稳定度和压力中心,提出了采用模糊推论实现静步行中的步行稳定性自调整的方法.自制小型四足马机器人,并进行了不同地面的静步行实验.结果证明所提方法能实现四足马机器人的静步行稳定性检测与自调整功能,并能有效提高四足马机器人静步行的稳定性.     

Design and implementation of an IPC-based control system for mobile robots

This paper introduces an autonomous mobile robot system applicable under dynamic environment.Every robot contains a muhi-sensor system, a differential-drive vehicle and a wireless LAN. A real-time on-board control system makes decision autonomously according to the perception from the multi-sensor system. Under the Windows operation system (OS), inter-process communication (IPC) mechanism of Linux OS is introduced into control system design. A distributed software architecture based on IPC,which can be used for multiple mobile robots system, is proposed. The architecture can make the system more flexible and scalable. The expansion of robot‘ s function and cooperation between robots can be. easily realized. The experiments and robot soccer game show the validity of the architectnre.     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

好奇心驱动的深度强化学习机器人路径规划算法

针对采用深度强化学习算法实现机器人路径规划任务中,训练前期随机性高导致奖励难获取问题,提出内在好奇心驱动的深度确定性策略梯度算法对连续型动作输出的端到端机器人路径规划进行研究。将环境获取的感知信息作为输入状态,输出机器人动作(线速度、角速度)的连续型控制量,在Gazebo仿真平台进行训练并验证。实验结果表明,基于内在好奇心驱动的深度确定性策略梯度路径规划算法可以较好地实现端到端的机器人路径规划,并且有利于解决训练前期奖励难获取问题,与离散型动作输出的深度Q学习网络模型进行了对比分析,结果表明本文算法决策控制效果更优越。在真实环境中进行了验证,在静态障碍和动态障碍的场景下,所提出算法可成功到达目标点。