高压线路四臂移动作业机器人BP网络联动控制

针对完全依靠人工带电拧紧高压输电线路耐张跳线引流板螺栓作业效率低、劳动强度大、高空、高压危险的不足设计了一种四臂移动作业机器人.为提高作业效率,提出了基于BP神经网络的机器人双臂联动控制算法,将机器人的联动抽象为轨迹跟踪控制问题.在Matlab环境下对机械手末端从3个方向进行了位姿跟踪仿真分析,最后在实际线路上进行机器人带电拧紧引流板螺栓试验.仿真分析和现场试验都验证了四臂移动作业机器人联动控制方法可行有效且具有较强的工程实用性,达到了提高作业效率的设计要求.     

高压电缆移动作业机器人机械手双闭环自主定位控制

为提高高压输电线路移动作业机器人作业过程的自动化程度及作业效率,在电磁传感器定位作业区的基础上,提出了一种基于BP网络和视觉伺服相结合的移动作业机器人机械手双闭环自主定位控制方法,并设计了双闭环定位控制系统,其中一个闭环采用BP网络求解机械手的逆运动学实现机械手的粗定位,另一个闭环通过视觉伺服获取特征参数实现机械手的精定位,通过粗定位和精定位相结合的方式实现作业机械手与作业对象的自主精准定位与对接控制.仿真实验将作业机械手与螺栓螺母的对准运动控制过程分解为X,Y,Z 3个方向的定位控制,通过控制算法的调节,3个方向的误差以较快的速度和较高的精度收敛到理想值,并且算法对于不同线路参数结构的引流板具有较强的适应性,满足了特种作业机器人控制实时性、稳定性及对于不同线路结构的自适应性的设计要求.通过引流板螺栓紧固现场作业试验验证了本文所提出方法的有效性和工程实用性.      

高压输电线路带电检修机器人作业臂运动优化

针对完全依靠人工带电拧紧高压输电线路引流板螺栓作业效率低、劳动强度大、高空和高电压危险的问题,研制了一种双臂和双机械手的引流板螺栓拧紧带电检修机器人。通过各关节的轨迹规划双作业臂及其末端由初始位姿运动到螺栓螺母对准状态是机器人顺利完成检修作业的关键。针对现有多项式插值关节轨迹规划依赖于轨迹端点时刻,导致该方法实用性差及关节轨迹运动过程中忽略驱动机构对关节状态制约的问题,提出基于Min-Max时间标准化的改进多项式插值关节轨迹规划方法。基于该方法,以关节运动时间为优化对象,提出满足关节轨迹运动全程约束条件的关节运动时间区间范围的求取方法。通过仿真实验验证了改进算法关节轨迹仅与轨迹端点状态及运动时间有关,而与端点时刻无关,进一步淡化轨迹端点时刻对关节轨迹的影响,提高算法的实用性。通过选取最优关节轨迹运动时间,满足了关节状态全程状态约束要求,从而避免超调的发生,优化了各关节运动轨迹,提高了关节运动的效率。最后通过现场试验进一步验证改进算法的工程实用性。     

大荷载无人机-机器人高压输电线协同检修新方法研究

输电线路带电检修机器人是一种辅助和代替人工进行输电线路带电作业检修的一种智能化装备,其对于提高作业效率、作业可靠性、作业安全性具有重要实际意义,然而机器人在上下线过程中耗费大量的人力物力,大大降低了整体作业效率,机器人上下线问题已经成为制约机器人实用化的一个重要瓶颈。针对上述问题,提出了大荷载无人机(unmanned aerial vehical, UAV)和机器人的输电线协同检修新方法,该系统分为无人机、机器人和联接件,联接件用于联接无人机和机器人,通过电磁铁磁力的控制实现无人机与机器人系统的对接与分离,同时,通过对机器人机械臂系统的运动学建模与分析,得到了作业末端套筒所能到达的运动空间,从而进一步优化机械臂的结构参数,最后,通过硬件系统、软件系统、机械系统的集成设计,开发了机器人物理样机系统,在四分裂输电线路上进行引流板拧紧作业实验。实验结果表明:改系统能够顺利完成四分裂引流板作业任务,具有较强工程实用性,研究结果对于输电线路智能运维管理具有重要理论意义和实际应用价值。     

电厂冷凝器清洗机器人设计与控制方法研究

提出了面向电厂冷凝器清洗的新方法,它以高压水清洗为主、以化学药剂清洗为辅,通过智能清洗机器人实现电厂冷凝器的自动化在线清洗.首先设计了水下冷凝器清洗机器人的体系结构,给出了清洗机器人的机械与电气结构,在此基础上,为实现机器人的高效清洗,设计了机器人的分布式控制系统,提出了水下作业环境下二关节机器人的控制方法,建立了模糊高斯基神经网络控制系统结构,通过BP学习算法进行神经网络训练.最后,仿真实验表明:提出的控制方法在动态性能和稳定性方面优于传统的控制方法,非常适用于水下环境的清洗控制.     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

基于反演技术和神经网络的移动机器人控制

提出了一种基于反演设计和RBF神经网络自适应的非完整移动机器人轨迹跟踪方法.首先,设计一个虚拟的速度控制律使得输出跟踪误差尽可能小;然后,利用反演技术设计一个基于RBF神经网络的动力学控制器,以确保在机器人系统中存在不确定性和外界扰动的情况下,机器人仍具有良好的跟踪能力.RBF神经网络连接权值在线自适应律由Lyapunov理论导出,保证了控制系统的稳定性.本文提出方法的主要优点是不需要移动机器人动力学的先验知识,而且对外界扰动具有良好的鲁棒性.最后,在两轮非完整移动机器人上的仿真结果证明了本文所提出方法的有效性.     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示：随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

一种基于神经网络的机器人轨迹跟踪控制方法

对电驱动刚性机器人操作手轨迹跟踪控制问题进行了系统研究.利用径向基函数(RBF)神经网络的逼近学习功能,提出了一类神经网络控制策略.并用非线性系统LYAPUNOV数学理论进行了稳定性分析.所提出的控制方案力求保证控制系统具有较强的稳定性和鲁棒性,得到了机器人操作手轨迹跟踪误差的渐近稳定性.在进行严格理论证明的同时,结合计算机数值仿真实验验证所提出的控制方法是可行和有效的.     

基于RBF神经网络的伺服系统模型参考自适应控制

为进一步提高控制质量,提出一种RBF神经网络模型参考自适应控制策略,设计出伺服系统的控制方法,并给出RBF神经网络辨识模型参数的学习过程.仿真结果表明采用该策略控制效果良好,完全满足控制要求.     

模糊自适应卡尔曼滤波技术在球果采集机器人控制系统中的应用

为实现自动采果,采用基于模糊自适应卡尔曼滤波的RBF神经网络对机械手动作进行控制.通过MATLAB编程固化到芯片中,将在线获得的三维激光扫描仪及传感器数据进行实时处理并控制采果运动.试验表明:采用的神经网络控制系统工作有效,采果机器人每天可采落叶松球果700~1 000 kg,效率为未采用神经网络控制时的1.4~2.0倍,为人工采集的40~60倍.     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

输入受限下机器人关节神经网络自适应控制

针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题,提出了一种基于径向基函数（radial basis function, RBF）神经网络的输入饱和指令滤波自适应控制方法。基于指令滤波反步法,采用饱和函数约束控制输入的幅值,使用RBF神经网络在线逼近未知干扰,并利用Lyapunov稳定性理论证明了闭环系统的所有误差最终一致有界。仿真结果表明,控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内,完成了对目标轨迹的高精度跟踪（跟踪误差约为±0.003 rad）,而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响,保证系统的高精度与强鲁棒性,性能优于PID (propotional integral derivative)控制和普通指令滤波反步控制（command filter backstepping control, CFBC）,对机器人关节在高精度领域应用与智能控制具有重要价值。     

基于神经网络参数优化的迭代学习控制算法

针对迭代学习控制用于轨迹跟踪时存在收敛速度慢的问题,提出用RBF网络优化迭代控制器参数的算法.在每一次迭代学习过程之后利用RBF网络对当次输出的数据进行优化计算,拟合出最优的学习增益,使迭代学习算法具有较快的收敛速度,在单关节机器人中进行仿真验证了方法的有效性.     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

常减压蒸馏装置双模型结构RBF神经网络建模及其应用

文中提出双模型结构RBF(RadialBasisFunction)神经网络,结合工艺机理和相关分析法,筛选出影响较大的变量。对现场数据,用小波分析法,剔除噪声和故障数据,考虑各输入信号对软仪表影响时间的区别,分别采用不同的滞后时间,建立了常减压蒸馏装置质量软仪表模型,取得较好的结果。     

基于多层径向基神经网络的机器人手爪腕力测量

机器人手爪腕部所受的力的量化对于机器人的安全操作是非常重要的.为了获取手指上力传感器的输出变化,首先对机器人进行标定实验,得到了机器人在行走和操作工件时腕部所受的多维力的信息.分析了利用经典的BP网络、RBF网络方法对机器人手爪腕力测量的缺陷,设计了一种新的神经网络.3R神经网络,对机器人手爪的8个指力传感器数据进行数据融合.结果显示,该方法能大大提高手爪腕部所受的力的估测精度,从而为机器人的安全操作提供了决策依据.