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.     

无末端力传感器的可重构机械臂分散力控制

针对存在关节摩擦和外扰的可重构机械臂系统在受限空间内的力控制问题,提出一种无需使用力传感器即可同时控制受限空间内机械臂力和位置的分散阻抗内环/力外环控制方案.采用模糊系统逼近机械臂系统中的不确定项及子系统间的耦合关联项,通过基于模糊预测的力外环控制器为内环的阻抗控制器提供参考轨迹,并利用模糊系统逼近实际的接触力.该方案为没有力传感器情况下的可重构机械臂的力控制提供了一种可能的解决方案,且模糊预测调节参考轨迹的阻抗内环控制使机械臂具有一定的柔顺性,能较好地实现机械臂由自由空间向受限空间的过渡.通过对2自由度平面机械臂和3自由度机械臂的仿真验证了该方法的有效性.     

基于反步法的机械臂鲁棒自适应位置/力控制

针对机械臂终端受环境约束而产生的位置/力控制问题,提出一种鲁棒自适应控制算法。该方案采用反步法的思想设计具有全局收敛特性的位置/力控制器,根据坐标变换得到降阶的动力学模型,设计中考虑了驱动电机模型使控制器更符合实际控制要求,并将其分解为动力学控制器和电机控制器两部分以降低设计难度。利用自适应方法对动力学模型中的非线性部分和未知扰动进行补偿,采用鲁棒控制克服电机参数的不确定性的影响。二自由度机械臂的仿真结果表明,系统能快速有效跟踪参考信号,说明该控制器是有效的。     

可重构机械臂自适应反演模糊滑模控制

为解决可重构机械臂各关节的位置跳变所导致的速度跳变问题,本文提出了基于生物启发策略的自适应反演快速终端模糊滑模控制方法.首先,利用模糊系统的万能逼近属性去估计机械臂各子系统中的不确定项及子系统间的耦合关联项;其次,在设计反演控制器时,引入生物启发模型,将由机械臂位置跳变所导致的虚拟速度跳变限制在一定范围,得到虚拟的中间变量,从而用它去代替控制律中的轨迹跟踪误差,保证了位置跳变时其轨迹跟踪输出依然平滑.该方法在不改变控制参数的前提下可解决不同构形可重构机械臂的位置跳变问题,最后通过对不同构形可重构机械臂的仿真验证了所述结论.     

考虑多故障同发的可重构机械臂分散主动容错控制

针对含有传感器故障及执行器故障的可重构机械臂系统的轨迹跟踪问题,提出一种基于滑模观测器的分散主动容错控制方法。通过引入一个新增状态将传感器故障等效为执行器故障,针对新系统构造滑模观测器,并用模糊神经网络去逼近可重构机械臂各关节间的非线性项及关联项,进而实现对不同类型传感器故障及执行器故障的重构。最后对2个不同构型的三自由度可重构机械臂进行仿真。研究结果表明:该方法不需进行故障诊断,通过实时重构故障,能够及时实现主动容错控制。仿真结果验证了所提方法的有效性。     

面向任务约束的可重构机械臂最优构形设计

为解决受限可重构机械臂在完成任务时的最优构形确定问题,提出一种基于自适应粗粒度并行遗传算法(adaptive coarse parallel genetic algorithms,ACPGA)的构形确定方法:以关节模块和连杆模块的加权和为目标函数,在满足可达性、关节转角限制和避免构形奇异的约束条件下,综合考虑模块数量和连接方位,确定可重构机械臂在受限空间内完成任务的最优构形.通过实例验证了该构形方法的有效性.     

高集成度空间机械臂模块化关节的研制

采用大中心孔设计方法成功地研制了高集成度空间机械臂模块化关节.该关节具有多种传感器,包括位置传感器、力矩传感器、温度传感器等,它的所有电气系统都集成在关节内部,包括传感系统、驱动系统、控制系统和电源系统.采用中心孔走线方式实现了关节的内部走线,避免了空间环境对导线及其传输信号的影响.针对所设计的关节进行了必要的关节性能实验,结果表明该模块化关节具有高刚度、大负载特点,其关节的位置输出能精确跟踪期望的轨迹,位置精度非常高,达到了0.01°.     

有效因子融合的可重构机械臂分散容错控制方法

针对含有动态摩擦的可重构机械臂轨迹跟踪执行器部分失效故障的问题,提出一种基于有效因子融合的分散反演滑模容错控制方法。将可重构机械臂的每个关节模块考虑成一个子系统,将有效因子融合到子系统动力学模型中。基于Lyapunov稳定性理论,子系统误差状态空间分别采用了反演思想和终端滑模进行控制器设计,并利用径向基函数(RBF)神经网络估计系统模型的不确定项和交联项,自适应地补偿了神经网络的估计误差。最后,数值仿真结果表明了提出的分散容错方法的有效性。     

柔性机械臂末端位置的模型参考自适应控制

用线性化模型的最优状态反馈方法构造参考模型，用Ｌｙａｐｕｎｏｖ稳定性理论推导了模太态跟踪的自然应控制率，用ＬＱＲ方法推导末端位置调节控制率，用模型状态跟踪和末端位置跟踪两级跟踪实现了一种单连杆柔性机械臂末端位置的自适应控制。仿真结果表明，该方法渐进稳定，定位准确。     

基于神经网络的柔性机器人混合力/位置控制

建立了柔性机器人的动力学模型,并根据实际情况对模型作了相应的假设,给出了简化的准静态模型,提出了一种基于神经网络的混合力／位置控制方法,它主要包括两个部分：辨识网络和学习网络,仿真结果证明所设计的控制器是可行的。     

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.     

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。     

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.     

五自由度关节式机械手的位置控制

建立了五自由度关节式机械手的运动学模型，设计了一种双环路位置随动系统实现机械手的位置控制。应用直接微分逆运动学解的方法求得关节速度参照值，用于控制机械手的位置，轨迹插补器采用直接函数计算法产生中间点位置参照值。     

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。     

受限柔性机器人力／位置控制装置,建模与辨识

介绍作者研制的受限柔性机器人力／位置控制装置并讨论了此装置的动力学建模,经推导得到了受限柔性机器人的动力学模型,该模型同一般刚性机器人的模型相似且模型结构简明．最后用实验等方法辨识了模型的相关参数,对深入研究受限柔性机器人力／位置控制的理论与实验仿真有极大的参考价值．     

空间机械臂冲击动力学建模及冲击后运动控制

通过对漂浮基空间机械臂冲击动力学的建模,计算出完成抓取操作后空间机械臂各关节的运动速度,从而为数值仿真计算提供初始条件.针对目标物体及空间机械臂系统惯性参数存在未知的情况,设计了冲击后空间机械臂及目标物体组合系统的载体姿态及关节运动滑模神经网络控制,并对平面自由漂浮空间机械臂系统抓取目标物体的操作及冲击后控制进行了数值仿真.仿真结果表明,空间机械臂抓取目标物体时的冲击对系统有重大的影响,所设计的控制方案可保证系统对期望运动的追踪.     

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.