学习型机器人动力学模型及其应用

提出了一种基于神经网络学习的机器人动力学建模方法.其特点是在网络结构中引入积分单元,构成含有积分回路的动态网络,使之能够很好地学习对象的动态特征.讨论了该模型在最优化等领域中的应用,及其泛化能力等问题.依据实际高尔夫挥杆机器人的结构参数以及其控制器特性进行了仿真实验.仿真结果表明,该模型算法简单实用,完全不需要对象的数学描述,泛化能力极强,具有良好的应用前景.     

基于信息融合的海底管道机器人自主定位控制

提出了利用电涡流传感器探测油气管线中的焊缝,实现管道机器人在管线内的粗略定位,再结合里程仪进行相邻焊缝间精确定位的定位控制方法．针对管道机器人爬行速度不稳定所导致的焊缝漏检问题,提出了利用里程定位信息容错漏检焊缝的产生式规则．此外,为了保证里程信息的可靠性,应用多个里程仪为管道机器人提供里程定位数据,并采用一致性数据融合算法对冗余里程信息进行融合处理,同时提高了管道机器人的管内定位精度．模拟油气管道台架上进行的管内定位实验和现役石油管线上的工程应用验证了该定位方法的可行性．     

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。