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。     

一种移动机器人自适应轨迹跟踪控制算法研究

针对轮式移动机器人的轨迹跟踪问题,提出了一种基于运动学模型的自适应轨迹跟踪控制算法。在分析经典轨迹跟踪控制律缺点的基础上,算法中引入了机器人位姿误差的纵坐标误差以加速机器人的轨迹逼近速度,并采用人工场和位姿误差协同作用来共同完成机器人的导向控制。该控制律结构简单,鲁棒性强。仿真实验表明该方法使移动机器人具有更理想的逼近轨迹。     

飞行模拟器运动系统误差分析与标定

为了解决飞行模拟器运动系统的精度问题,利用Creaform公司的C-Track双摄像头传感器和VxtrackTM动态跟踪模块,对某大型运输机飞行模拟器的六自由度运动平台进行运动学误差分析和标定.根据运动学方程和并联机构的闭环特性,建立运动学误差模型.采用区间分析的方法对得到的测量数据进行处理,对该模型进行有效的验证.得到了结构参数是影响位姿误差的主要因素,并采用修改输入参数的方法对误差进行了补偿,取得了很好的效果,对运动系统精度提高做了有益探索.     

6-SPS型并联机构正向求解研究与仿真

研究6-SPS型并联机器人机构的运动学正向求解方法,推导了6-SPS型并联机器人运动学模型,提出了一种位姿和速度正向求解的方法,在此基础上,运用基于Moore-Penrose广义逆的牛顿迭代格式编制了MATLAB运动学正向求解程序,并进行了运动学正向求解数值仿真,结果表明求解程序快速有效。     

机器人结构参数辨识的两步法及其仿真

实际机器人模型同控制器中机器人模型之间的偏差影响了机器人的精度,可用标定方法校正此偏差。传统的单点标定方法,能简化标定操作但仍需测量设备,不利于现场标定。改进了单点标定方法,提出了一种现场应用中无需测量设备的单点两步标定新方法,即先标定出机器人结构参数对某一长度参数的相对值和关节码盘初始安装偏差,基于两点距离模型标定出此长度参数,得到所有的机器人实际结构参数。基于机械分析仿真平台—InteMech,设计了一套仿真试验方法,并给出了一个仿真实例。仿真试验表明该方法完全适合于机器人标定。标定模型基于D-H参数建模,通用性强,可扩展到多自由度机器人的标定。     

基于Backstepping的三轮机器人编队控制

针对具有非完整特性的三轮机器人的路径轨迹跟踪控制问题,使用Backstep-ping方法,提出一种多机器人协同编队控制策略.首先将基于领航—跟随模式的系统编队问题转变成跟随机器人对各自虚拟领航者的运动轨迹追踪问题,进而得到系统位姿误差运动学方程;然后运用Backstepping方法构建非线性系统的机器人协同编队控制策略...     

层叠CMAC补偿的并联机器人变结构控制研究

针对复杂机器人系统的不确定性,提出一种层叠小脑模型关节控制器(CMAC)神经网络同滑模变结构控制相结合的控制策略。首先利用改进CMAC学习机器人系统的不确定信息,并作为前馈补偿来确保跟踪误差的快速收敛,再通过滑模变结构控制器消除CMAC网络的逼近误差和不可重复随机干扰的影响。采用Lyapunov直接法进行控制律选取,分析表明系统可实现全局渐近稳定。在6-6并联机器人的轨线跟踪仿真试验中显示了良好的鲁棒性和精确性.     

新型6-(P-2P-S)并联机器人逆动力学仿真分析

针对一种新型6-(P-2P-S)并联机器人,介绍了该并联机器人初始正交位姿部分运动解耦的结构特点,推导出广义速度和系统内各刚体运动速度的运动学传递关系.应用拉格朗日方法分别对运动平台、连杆和驱动杆进行动力学计算,建立了该并联机器人的动力学模型.该并联机器人动力学模型是一个多变量、变参数的非线性系统,完整编写了该动力学模型的仿真程序,进行了逆动力学仿真实例分析,研究了驱动力变化规律,验证了该机构部分运动解耦的结构特点,进而为该并联机器人的控制策略研究提供参考.     

基于熵方误差的高斯牛顿前馈神经网络

为了提高前馈神经网络学习算法的收敛速度,尝试定义熵方误差函数,并将其应用于高斯牛顿前馈神经网络。在理论上证明了熵方误差函数的有效性,以及基于熵方误差的高斯牛顿前馈神经网络的局部二阶收敛性。最后进行仿真实验,并与几种常用神经网络进行对比,结果表明引入熵方误差函数的前馈神经网络具有良好的收敛性与稳定性。     

层叠CMAS补偿的并联机器人变结构控制研究

针对复杂机器人系统的不确定性，提出一种层叠小脑模型关节控制器（CMAC）神经网络同滑模变结构相结合 的控制策略。首先利用改进CMAC学习机器人系统的不确定信息，并作为前馈补偿来确保跟踪误差的快速收敛，再通过滑模变结构控制器消除CMAC网络的逼近误差和不可重复随机干扰的影响。采用Lyapunov直接法进行控制律选取，分析表明系统可实现全局渐近稳定。在6－6并联机器人的轨线跟踪仿真试验中显示了良好的鲁棒性和精确性。     

一种优化算法的神经网络在混凝土强度判定中的应用

根据混凝土强度早期判定的特点 ,建立了能映射复杂非线性关系的多层前向神经网络 .重点分析了它的一些算法 ,针对基本 BP算法存在局部极小的缺陷 ,导出了基于输出空间的全局优化 BP算法 (GOBPA) .在大量混凝土强度试验的基础上 ,计算机仿真结果表明 ,用 GOBPA训练的多层前向神经网络能够以较高的精度预报混凝土的强度 .     

基于动力学系统的非完整移动机器人的跟踪控制

为解决具有两个驱动轮的受非完整约束移动机器人的轨迹跟踪问题,文章从机器人的动力学和运动学模型出发,设计出一种结构简单的控制器,该控制器利用单神经元网络的自学习和自适应能力,来克服未建模的系统扰动,并用Lyapunov函数对所设计的控制器进行了稳定性分析。最后仿真结果验证了所设计的控制器的有效性。     

国防R&D项目中止决策支持系统研究

探讨了神经网络方法用于国防 R&D项目评估及中止决策的可行性 ,提出了基于神经网络方法和加权评分模型相结合的适用于国防口 R&D项目评估及中止决策的决策支持系统 .进而 ,对决策支持系统的结构模块进行了系统分析和详细设计 .案例研究表明 ,该中止决策支持系统较传统的中止决策方法有一定的优越性 ,能适应多种不同情况的中止决策问题 .     

在线估计雅可比矩阵的视觉伺服控制算法

机器人视觉伺服系统是机器人研究领域的一个重要研究方向。以图像为基础的视觉伺服机器人模型中,有许多的不确定性,如机器人动力学模型,运动学模型,摄像机系统以及雅可比矩阵等。多数的视觉伺服系统往往只考虑某一、两个部分,而其它的不确定性依然影响定位目标的精度。在使用了神经网络的控制器中加入卡尔曼滤波,在摄像机与机器人坐标系无标定的情况下,对雅可比矩阵进行实时在线估计,从而提高了视觉伺服系统的精确性。仿真验证了本算法的可行性和有效性。

Abstract：

Robotic visual servo system is an important subject in the field of robots.Image-based visual servo model has a lot of uncertainties,for example,robot dynamics model,robot kinematics model,camera system and Jacobian matrix and so on.Most of visual servo methods always considered one or two aspects,but other uncertainties still affected the accuracy of tracking the target for the robot.Based on the traditional controller with neural network,a new control algorithm was provided in the uncalibrated camera and coordination systems with the Kalman filter that estimated Jacobian matrix on-line,thereby improving the accuracy of the system.Simulation result shows the feasibility and effectiveness of the algorithm.     

Time Series Neural Network Forecasting Methods

ＴｉｍｅＳｅｒｉｅｓＮｅｕｒａｌＮｅｔｗｏｒｋＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄｓＷＥＮＸｉｎｈｕｉ；ＣＨＥＮＫｅｉｚｈｏｕ（ＴｈｅＣｅｎｔｌａｌｏｆＮｅｕｒａｌＮｅｔｗｏｌｋ，Ｘｉ＇ｄｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｎ７１００７１，Ｃｈｉｎａ）Ａ...     

集中式粗粒度分布并行模型和并行进化神经网络

提出了一种分布计算环境下并行进化神经网络的实现机制：集中式粗粒度模型。该模型基于并行遗传算法，可以同时对前馈神经网络的结构和权值进行优化。在分布计算环境中的实现为其在分布式网络中的应用开辟了广阔的前景。初步的实验结果表明该模型可以加快神经网络的进化速度，提高进化的效率     

过程控制中的智能集成建模方法

针对复杂工业过程中广泛存在的对象难于辨识的问题,本文讨论了过程控制中的一类集成建模方法.通过研究铅锌冶炼过程的两个对象,分别建立了预测烧结块成分的集成模型和鼓风炉透气性模型.然后阐述了以神经网络为基础,结合其它方法的智能集成建模策略,这种方法由于充分利用了对象的各类信息,能够有效解决复杂对象的建模问题.     

一种自适应CMAC神经网络控制器的设计与仿真

为了消除常规前馈型CMAC神经网络控制器的过学习和振荡现象，基于常规CMAC的基础上，提出了一种自适应CMAC神经网络的控制器结构。该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应神经网络控制器相并联构成系统的复合控制。仿真实例表明，提出的自适应CMAC神经网络控制器具有良好的鲁棒性、抗干扰能力和自适应能力，是解决非线性和不确定性对象控制问题的一种简便有效的控制算法。     

面向复杂系统运动仿真的信息物理融合建模

传统运动仿真的虚拟建模缺少针对复杂系统中信息子系统与物理子系统的动态性融合建模。融合传统运动学虚拟建模与信息计算的优势,针对运动仿真的精度和实时性难以满足实际工业制造需求的问题,提出面向复杂系统运动仿真的信息物理融合建模方法,并以机械臂的运动学控制为仿真案例进行验证,解决了实际环境中机械臂的驱动与仿真环境虚拟机械臂运动不一致的问题。搭建了复杂系统运动仿真虚实映射平台,集成了虚拟建模环境CoppeliaSim,融合实际机器人的运动反馈,和虚实映射计算模型,确定工业机器人运动方程的唯一位姿解。实验结果表明本文提出的方法实现了工业机器人的虚实映射实时运动仿真。