一种用于修磨的机器人的PID控制法

为磨平钢坯细微缝隙的修磨机器人(SGR)提出了一种PID控制法。这种控制法利用前馈力矩作为总体补偿和一个反馈力矩校正轨线跟踪误差,其优点在于它的积分作用消除了机器人的稳态跟踪误差。最后,给出了SGR机器人的计算机仿真结果,验证了此控制法的有效性。     

水下机器人定高运动的最优预测控制

本文运用最优控制理论,提出了一种关于水下机器人定高运动控制的新方法——最优预测控制法,并以水下机器人RIGWORK为例,在计算机上进行了数字仿真。     

FFSR的关节力矩递推算法及其捕捉目标研究

基于Ｌｕｈ等人针对地面机器人提出的Ｎｅｗｔｏｎ－Ｅｕｌｅｒ法建立了计算自由飞行空间机器人（ＦＦＳＲ）关节驱动力矩的递推算法;结合基于广义逆雅可比矩阵的分解运动速度控制法提出了一种捕捉目标的力矩控制算法;计算机仿真验证了算法的有效性．     

工业机器人的自适应控制

提出了一种自校正型自适应控制法进行机器人机械手的位置和速度控制。复杂的机械手系统由一组离散时间的差分方程离散化,模型的参数由回归模型算法确定,而这种算法使模型误差的二次方的总和为最小。自适应控制器基于差分方程模型和选定的性能指标进行设计,控制器的增益使用系统参数的估计值在线计算。给出了PUMA560 机器人的计算机仿真结果,验证了此控制法的有效性。     

FFSR的关节力矩递推算法及其捕捉目标研究

基于Ｌｕｈ等人针对地面机器人提出的Ｎｅｗｔｏｎ－Ｅｕｌｅｒ法建立了计算飞行空间机器人（ＦＦＳＲ）关节驱动力矩的递推算法，结合基于广义逆稚可比矩阵的分解运动速度控制法了一种捕捉目标的力矩控制算法；计算机仿真验证了算法的有效性。     

机器人逆模神经控制及其应用

提出了一种机器人的神经控制方法，把神经网络和ＰＩＤ控制相结合构成一种混合性的机器人逆模学习控制方案，分析了神经控制系统的稳定性与学习算法的收敛性．此外，还提出了一种启发式学习算法，并用于机器人的神经控制．最后给出两关节机器人的仿真结果．其结果表明所提出的逆模学习神经控制具有较快的收敛速度和较高的精度，能够满足实时控制要求，是一种有效的控制方法．     

机器人机械手的鲁棒性稳定跟踪控制

为工业机器人机械手提出了一种稳定跟踪控制法．这种控制方法由前馈控制器、反馈控制器组成．前馈控制根据期望轨线用计算力矩法得到；反馈控制由线性ＰＩＤ控制项和非线性ＰＤ控制项组成，这种控制方法能使跟踪误差逐渐趋近于零．最后，给出了ＰＵＭＡ５６０机器人的计算机仿真实验验证此控制方法的有效性     

机器人奇异形位分析及协调控制方法

把6R机器人奇异形位分为边界奇异、内部奇异、结构边界奇异和腕部奇异，分析了这些奇异形位的形成条件，并对每一种奇异进行了计算机仿真。在深入分析奇异边界构成的基础上，给出了内部奇异直观的计算机图形仿真结果，克服了以往笼统而欠实用描述方法的不足。通过分析J^-1(J为Jacobian矩阵）提出了采用协调控制法回避机械手奇异形位的理论及在线实时控制方法。     

机器人的鲁棒轨迹跟踪控制系统

用拉格朗日运动学建立机器人的动态模型.采用鲁棒控制法对两关节机械手的轨迹跟踪进行控制,仿真实验结果证明,鲁棒控制法对模型不精确或外部干扰对机器人产生的影响有很好的抑制作用,对机器人轨迹跟踪控制是有效的.     

六自由度并联微动机器人全闭环控制系统研究

为了提高基于压电陶瓷驱动的3-PPSR并联微动机器人的定位精度,将一种电容式微位移传感器集成于并联机构上,采用六点式测量法同时得到并联机器人末端六个自由度的位姿.使用微位移循环修正法进行误差分析和补偿,确定初始误差并在此基础上提出了有效的误差补偿方法.在已有的压电陶瓷闭环控制的基础上,利用测量所得的并联机构末端位姿作为反馈信号,采用模糊PID控制法实现了整个机构的闭环控制.     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

欠驱动机器人的最优轨道生成与实现

提出了一种基于学习的动力学前馈方法，解决了欠驱动系统由于系统不完全可控造成的反馈控制失效，运动轨道难以实现的问题。在此基础上提出了学习－优化交替式最优运动轨道生成方法。该方法将轨道优化与学习控制相结合，所生成轨道可以在欠驱动机器人上实际操作，对一台实际的欠驱动机器人实现了最优轨道生成，并进行了动作实验，取得了较好效果。     

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。     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略。利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真。仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高。     

迭代学习控制在T-S模糊系统终端控制问题中的应用

针对T-S模糊系统的终端控制问题,提出了一种基于正交多项式的迭代学习算法.该算法把待求控制量表示为一组正交多项式的线性组合,将求控制量问题转化为求正交多项式系数问题.在此基础上,用迭代学习的方式来修正控制量的正交多项式系数,并采用LMI方法求解学习增益矩阵.最后,以单关节机器人为例说明了所提算法的有效性.     

基于神经网络参数优化的迭代学习控制算法

针对迭代学习控制用于轨迹跟踪时存在收敛速度慢的问题,提出用RBF网络优化迭代控制器参数的算法.在每一次迭代学习过程之后利用RBF网络对当次输出的数据进行优化计算,拟合出最优的学习增益,使迭代学习算法具有较快的收敛速度,在单关节机器人中进行仿真验证了方法的有效性.     

球面光学零件抛光时的瞬时压强分布

把对坐标的曲面积分用于球面光学零件的压强计算，得到了瞬时压强的分布函数，分析了工艺参数及物理尺寸对压强的影响，指出了集中加载的弊端，为抛光机床的革新设计提供了依据。     

非线性离散时间系统的迭代学习控制

针对一类非线性离散时间系统，在系统参数未知情形下，提出了一种新的开－闭环迭代学习控制律，并给出了控制律的收敛性证明和收敛条件，在新控制律中，学习增益由线性估计模型确定，因此，避免了试凑增益。由机械手实例的仿真结果及收敛性证明，表明了所提出的控制律的有效性，并对初始状态误差和参数估计误差具有良好的鲁棒特性。     

改进的 PD 迭代学习算法及在机器人二维运动控制中的应用

提出一种改进的ＰＤ型迭代学习控制算法,讨论了学习因子的优化选取方法。并对机器人二维运动控制进行了仿真。仿真结果表明：该控制方法应用于机器人二维轨迹控制简单易行,效果较好。     

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.