一种PWM式电液伺服放大器的设计

针对SF-160型液压泵站中的动圈式电液伺服阀SV-10,设计了一种双极性脉宽调制(PWM)式伺服放大器,接收模拟控制信号,输出幅值为±10 V的双极性PWM驱动信号,以控制SV-10的开度(流量).在此介绍了电液伺服控制系统的组成,对伺服放大器中的三角波发生器、PWM调制原理和功率放大级电路进行了详细说明,并分析了伺服阀对PWM信号的频率响应特性.     

未知雅可比建模的机器人视觉伺服自抗扰控制方法

针对系统标定和雅可比在线求解难问题,引入非线性状态反馈,研究一种基于自抗扰控制器(ADRC)的机器人视觉伺服控制算法.利用无模型理论和非线性自抗扰技术建立机器人“视觉-运动”空间映射,进而设计不依赖雅可比建模的视觉反馈控制器,其中采用跟踪微分器(TD)跟踪视觉空间期望特征;利用扩展状态观测器(ESO)实现未建模雅可比反馈补偿;最后利用非线性状态误差反馈(NLSEF)规则得出机器人运动空间控制量.本文构建的视觉伺服控制方案面向未知系统标定和目标深度信息的机器人任务操作.手眼标定六自由度无标定机器人抓取定位的实验表明,视觉空间特征轨迹平滑稳定在相机视场中,笛卡尔空间机器人末端运动平稳,无震荡回退,抓取定位精度高.     

一种位-姿交替控制的机器人路径跟踪方法

建立了非完整移动机器人的离散化运动学模型。根据机器人位姿定位问题的描述,设计了基于人工驾驶思想的路径跟踪模糊控制器。针对机器人相对于位姿目标点的方向误差和姿态误差之间的耦合矛盾,提出一种位-姿交替控制的路径跟踪方法。当存在较大位置误差时进行位置控制以实现快速跟踪,当位置误差较小时进行姿态控制,两者根据误差的大小交替进行。仿真结果表明了该模糊控制器的有效性和对路径跟踪的快速性。     

基于图像的非标定视觉反馈控制机器人全局定位方法

针对机器人非标定全局定位问题,研究Kalman滤波(Kalman filtering,KF)算法联合反馈型Elman神经网络(Elman neural network,ENN)学习机器人图像空间与运动空间非线性映射关系,从而建立基于图像的视觉反馈控制方法.首先利用ENN学习得到机器人全局定位的次优状态,以此为系统状态向量构建伺服系统状态方程与观测方程,进而利用KF估计得到机器人图像雅可比矩阵.其次,采用KF对ENN网络权重进行在线微调,KF联合ENN满足机器人全局定位稳定收敛的要求,并对环境干扰具有一定的自适应性.最后在摄像机参数未标定条件下,进行六自由度机器人"眼在手"(eye-in-hand)定位比较试验,结果验证了提出的非标定视觉伺服控制方法的有效性.     

基于灰色RBF-NN的陀螺随机漂移误差建模

针对测量中存在的陀螺随机漂移误差,提出了一种基于灰色RBF神经网络的预测建模方法.首先采用时间序列的饱和嵌入维数确定RBF神经网络模型输入层的节点数;其次采用灰色聚类法对输入样本进行分类,以确定RBF神经网络模型隐含层的初始节点数;最后采用灰色关联分析法对RBF神经网络的冗余隐含层节点实施删除,以得到满足精度要求的最小结构的RBF神经网络模型.将其应用到某型挠性陀螺随机漂移误差的预测建模中,可得预测模型的精度为90.33%,实验结果表明了该模型的有效性.