力／位置混合控制的新型机器人装配系统

介绍了新研制的一种适用于一般销孔零件装置的机器人末端微操作器。该操作器具有力觉功能和５自由度，采用主被动混合方式，与ＰＵＭＡ５６２机器人组成宏－微操作系统，可由一台ＩＢＭ－ＰＣ机控制，成功地完成零件配作业，并能对不同的装配策略的方案进行实验评价。     

机器人多指手的位置——力混合控制

分析了一类机器人多指手的动力学模型的特点，针对这类机器人多指手在运动和抓握２个过程中动力学特性有很大差异的特点，提出了１种切实可地的位置－力混合控制方案，并成功的应用于北京科技大学双拇指手控制系统。     

机器人多指手的位置一力混合控制

分析了一类机器人多指手的动力学模型的特点,针对这类机器人多指手在运动和抓握２个过程中动力学特性有根大差异的特点,提出了１种切实可行的位置─力混合控制方案,并成功的应用于北京科技大学双拇指手控制系统。     

受限机械臂的自适应小波滑模位置/力混合控制

针对终端运动受约束的机械臂位置/力混合控制问题,提出了一种自适应小波滑模控制算法.该控制方案将滑模控制的鲁棒性及自适应调整能力与小波神经网络相结合,根据坐标变换得到降阶位置/力模型,针对降阶模型采用小波神经网络在线学习系统未知动力学模型中的非线性部分,同时引入滑模控制自动调整小波网络权值参数,从而对神经网络的固有逼近误差进行有效补偿,达到期望的跟踪性能.二自由度机械臂的仿真结果表明该控制器能保证系统快速有效跟踪指定参考信号.     

基于广义逆矩阵的机器人力与位置混合控制

推导了具有运动约束的机器人的拉格朗日动力学方程,该方程中包含了广义约束力。广义约束力被表达为机器人系统状态变量和广义输入力的显函数,力信息由此获得,因此无须使用力传感器即可同时控制机器人的力和位置。利用动力学冗余度（广义输入力的数目大于广义约束力的数目）,设计了基于广义逆矩阵的力与位置混合控制器。控制仿真结果表明,该控制方法具有较高的精度和较好的稳定性。     

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。     

浅谈建筑单元式幕墙的安装与质量控制

本文结合工程实例，针对某工程单元式幕墙的安装、质量等方面进行了探讨，并有效控制了各个环节的质量。     

直线电机位置/力自适应控制的研究

针对永磁同步直线电机的控制特点,提出了一种新的控制策略——基于神经网络自适应位置／力控制．不同于传统的三环控制方法,这种控制策略直接实现了从位置误差到驱动力的转换,从而使系统结构更加简单,有利于永磁同步直线电机在高速高精的运动过程中进一步提高系统的采样频率．但是,由于减少了系统的控制环节,可能会使系统动态稳定性变差,通过采用一阶低通滤波器和基于神经网络位置自适应控制,改善系统的稳定性能以及控制精度．仿真及实验结果证明：对于永磁同步直线电机,采用基于神经网络位置自适应位置／力控制比采用传统的三环控制,在系统的跟踪精度、响应速度等性能上均有明显的改善．     

基于智能预测的力/位混合控制方法

针对机器人在形状未知接触环境表面上进行柔顺力控制问题,在传统的力/位混合控制模型中采用一种智能预测算法,此算法通过三种预测因子预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹,并考虑环境曲率和刚度变化的特点.为了验证预测算法的有效性,构建了开放式的机器人力控制系统,在不同期望力、不同跟踪速度下对非规则受限表面进行了力控制实验研究,分析了受限系统中未知环境参数对接触力的影响.实验结果证明该方法对未知接触环境的变化具有较强的适应能力.在实验条件下,稳定状态下的力控制误差可以控制在3%之内.     

Movemaster—EX机器人零力跟踪控制

用六维腕力传感器（ＨＵＳＴ－Ｆ５６）检测力信号，并通过将力信号转变成机械手的位置调整量的方法，在五关节机器Ｍｏｖｅｍａｓｔｅｒ－ＥＸ上实现了顺应性跟踪控制（零力跟踪）。实验结果表明，所采用的控制算法简单实用，控制效果良好，且无需测量机械手的开环刚度。对控制参数稍加改变，便可以完成插轴入孔的装配作业。本控制系统用一台３８６微型机作为控制主机，并采用Ｃ语言编制控制程序。     

受限机器人系统的力与关节的Hybrid控制

使用矩阵代数理论研究了受限机器人系统的力与关节的ｈｙｂｒｉｄ控制问题,导出了一种新的力与关节的鲁棒自适应控制器设计方案。     

环境约束可重构机械臂模块化力/位置控制

针对受环境约束的可重构机械臂系统,提出了一种自适应神经网络模块化力/位置控制方法.利用雅克比矩阵将机械臂末端与环境接触力映射到各关节,将系统动力学模型描述成一组通过耦合力矩相关联的子系统集合,通过控制各子系统的位置和力矩来达到控制末端执行器位置和接触力的目的.利用神经网络估计可重构机械臂系统的非线性项和交联项,通过自适应更新律在线估计神经网络权值函数,并引入滑模控制项补偿估计误差,从而保证闭环系统渐近稳定.最后,在不改变控制器参数的条件下对2个不同构形的2自由度可重构机械臂进行数值仿真,结果验证了所设计控制器的有效性.     

并串联复合机器人的一种鲁棒控制

提出一种由3自由度平动并联机构和放大机构组成的新型并串联复合机器人．为了减小负载变化以及机构参数变化对系统响应特性的影响,对3自由度并串联复合机器人控制系统设计了一种基于Lyapunov方法的鲁棒控制器,并证明了这种鲁棒控制器能够保证事实稳定．理论分析与仿真结果表明该控制器能明显改善机器人的轨迹跟踪精度．     

一种力位置控制冲击问题解决方法

针对数控系统力位置控制过程中的力冲击问题,基于阻抗控制基本原理,研究了一种解决该问题的控制策略.以X-Y-Z三轴运动平台为被控对象,建立了系统数学模型以及力传感器动态数学模型.以控制Z轴与工件的恒定接触力为目标,构建了切换控制系统,并证明了闭环系统的稳定性.在Simulink中搭建了力位置双闭环阻抗控制仿真系统,结果证...     

在未知环境下基于模糊预测的力/位混合控制方法

针对机器人在形状未知的接触环境表面上进行柔顺力控制的问题,在传统的力/位混合控制模型中采用一种模糊预测算法.此算法利用机械手末端与环境已产生的接触轨迹和运动方向,通过三种预测因子(满意度因子,曲率适应因子,参考比例因子),预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹.每次预测时首先对以前的预测进行评估,同时考虑环境曲率和刚度变化的特点.此预测算法还可以应用于阻抗控制模型中.仿真证明,这种方法可以在不同的控制模型中取得较好的力控制效果,对未知环境的变化具有较强的适应能力.     

基于人工社会职位法的群机器人自组织形成队形方法

针对群机器人自组织形成目标队形问题,借鉴人类在社会中求职的思想,提出一种自组织确定各机器人目标节点的方法——人工社会职位法,并结合该方法设计一种机器人自组织选择任务节点的调整算法。该算法可实时根据机器人探测到的信息更换其下一时刻的目标节点,直至形成给定的几何队形为止。首先运用人工社会职位法的三个规则确定各机器人的下一个时刻对应的目标节点;然后人工力矩运动控制器驱动各机器人向自己的目标节点运动一步;下个时刻重复上述步骤,直到各机器人都到达一个不同于其他机器人的节点,从而形成目标队形。该方法不仅原理简单、计算量少,而且能较快速、合理的形成目标队形。Matlab仿真试验验证了该方法具有良好的可行性。