输电线巡检机器人动力学建模与DME评价

以新设计的输电线巡检机器人为具体研究对象，采用D-H法推导出机器人的雅可比矩阵；然后建立输电线巡检机器人的Lagrange动力学模型，进而依据机器人动力学模型求得输电线巡检机器人的操作臂惯性矩阵，提出了基于操作臂惯性矩阵所建立的机器人动力学评价指标:动态可操作性椭球(DME:dynamic operability ellipsoid)评价指标；最后结合逆运动学的反解，建立了不同空间轨迹坐标下的动态可操作性衡量指标，获得机器人动力学性能最佳的越障轨迹.通过机器人跨越绝缘子障碍的实验证明了所提动力学评价方法的有效性.     

输电线巡检机器人位姿变化的柔性关节控制策略

为降低输电线巡检机器人的柔性关节输出速度的波动程度，采用极点配置方法设计柔性关节伺服驱动系统控制器参数.该参数的选择随机器人位姿变化而变化，从而使机器人柔性关节伺服驱动系统能够获得平稳的输出速度.首先建立了机器人柔性关节伺服驱动系统动力学方程，并求得电机转速到电机电磁转矩的传递函数；接下来将PI控制策略应用于柔性关节伺服控制，求得控制系统闭环传递函数；然后采用相同阻尼系数的极点配置策略设计控制器参数；最后开展了巡检机器人越障情况下变位姿工况的柔性关节控制实验，结果说明可通过适当选择极点配置参数使柔性关节获得良好的输出速度.     

采用RBF神经网络辨识的柔性机械臂抑振控制策略

针对柔性机械臂在运动过程中受到柔性因素的影响会出现剧烈振动的问题，提出一种采用径向基(RBF)神经网络辨识的柔性机械臂抑振控制策略，通过减弱机械臂转角波动的方式间接抑制振动。首先，根据拉格朗日原理和假设模态法建立柔性机械臂的动力学模型，其中的不确定项由模态坐标和转角耦合的非线性项构成；其次，在控制律的设计中采用RBF神经网络对动力学模型的不确定项进行辨识补偿，从而提高驱动力矩的精度；最后，通过调整神经网络权重自适应律的系数，使包含辨识结果的控制律满足李亚普诺夫稳定性定理，从而保证动力学系统的稳定性，其中权重自适应律由高斯函数和误差向量组成。采用柔性机械臂实物控制平台的对比实验结果表明：所提出的控制策略能够有效减小柔性机械臂的转角误差和振动幅值；当柔性机械臂长度为1.5 m时，相比常规比例微分控制策略，采用RBF神经网络辨识的控制策略使机械臂末端振动敏感方向的加速度的方差下降了5.8%。该控制策略为柔性机械臂的振动抑制提供了新思路。