基于直角坐标的机器人动力学与控制方案设计

本文提出一种基于直角坐标的机器人动力学与控制方案，动力学方程采用作者自行推导的基于凯恩方程的机器人动力学递推算法并结合运用拉格朗日─欧拉方程，而控制系统是以前馈和反馈两部分为特征，前馈部分采用计算转矩法，而反馈部分分别采用自校正和自适应滤波来达到对机器人非线性、强耦合和摩擦等因素的控制和补偿。本文方案由于采用新的动力学算法，因此计算量较少。     

多机器人混合编队控制

提出一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法. 采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中,从而改善了基于反馈的跟随领航者方法不能快速适应大角度队形变换的问题. 在AmigoBot机器人平台上的实验证明,该方法具备一定的可行性.     

多机器人混合编队控制

提出了一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法.采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中.改善了基于反馈的跟随领航者方法不能快速适应大角度的队形变换的问题.在AmigoBot机器人平台上的实验证明表明该方法具备一定的可行性.     

6-PRRS并联机器人的动力学建模研究

为解决并联机器人动力学模型的计算复杂性与实时准确控制之间的矛盾,采用虚功原理建立6-PRRS并联机器人各构件随参数变化的完整动力学方程,对6-PRRS并联机器人动力学模型在各种工作情况下进行仿真分析,对机器人各部分质量和转动惯量对驱动力的影响进行研究,提出动力学模型简化策略,减小了动力学计算量,提高并联机器人动力学的计算速度,为并联机器人的控制和参数识别奠定了基础.     

一种新的机器人动力学算法

本文在文献的基础上,对自行推导的基于凯恩方程的机器人动力学递推算法作了进一步改进和完善。改进后的算法很易于计算机实现,而且不仅适用于全旋转关节机器人,也适用于既含旋转关节又含移动关节的机器人,还可以不经拆链就能较方便地解决含有闭链结构的机器人动力学问题。本文将该算法与传统的几种动力学算法在计算效率方面进行了比较。     

机器人系统变结构模型跟随控制方法研究

把机器人本体与其驱动电机作为一个系统建立动力学方程，应用Ｌｙａｐｕｎｏｖ函数法综合了该系统变结构模型跟随控制规律。在关节空间得到的控制规律不仅简单，而且可直接用于机器人控制。仿真结果表明，文中所提方案是可行的。     

确定柔性机器人主动控制力的一种新算法

提出一种计算柔性机器人铰上主动控制力的程式化方法，在已知柔性机器人铰上运动学规律的前提下求产生这种规律的主劝控制规律通常需先通过求解系统动力学正总是俐到部件变形规律，然后通过动力学逆问题得到。本文在不破坏原方程程式化的形式的前提下将原动力学方程转化为另一种等价的程式化形式将上述两个过程合并在一起求解，减化了计算步骤，并提高了计算效率。     

3-RRRT并联机器人解耦控制

研究一种3-RRRT新型高速搬运机器人解耦控制方法.依据第一类拉格朗日方程建立了3-RRRT型并联机器人的动力学与系统机电模型,根据其动力学模型特点,提出一种改进的计算力矩解耦控制方法.在运用违约修正约束稳定法对动力学模型进行求解的基础上,利用Matlab中的Simulink软件平台进行了并联机器人解耦控制数值仿真,结果表明所采用的解耦控制方法达到了较高的控制精度,适合于3-RRRT型并联机器人.     

机器人的自适应小脑模型控制

利用水脑模型算术模块模拟机器人动力学方程，计算实现期望运动所需力矩作为前馈控制力矩，采用自适应反馈控制消除输入扰动及参数变化引起的误差．控制方法的有效性通过回自由度直接驱动机器人仿真得到验证．     

两轮自平衡机器人动力学建模与运动控制

为兼顾低成本、小体积,可实现负重行走的运动控制,设计了一种基于姿态传感器的两轮桌面式小型机器人SmallRot-I.介绍了机器人的系统构成,包括机械结构部分和电气结构部分.使用Lagrange方程对此机器人进行了动力学建模,并采用双闭环PID算法对此机器人分别进行了系统仿真和实物的控制.机器人负重保持自平衡行走和转向运动时的仿真结果和实物控制结果证明了机器人物理系统和控制方法的合理性与有效性.     

含有闭链结构的机器人动力学建模与计算

运用凯恩（Ｋａｎｅ）动力学方程并结合牛顿─欧拉算法，导出了一种新的机器人动力学递推算法。此法简练、直观，可以方便地求解带有局部闭链结构的机器人动力学问题，而且特别适宜于计算机辅助设计计算。最后以具有局部闭链结构的两自由度操作手为例，说明了计算步骤和方法。     

机器人操作手弹性动力学一般模型

把弹性动力学有限元方法中的分布参数法与集中参数法统一起来，推导出机器人操作手弹性动力学一般方程，并对方程中的系数矩阵进行了比较细致的讨论。在一般方程中，考虑了关节弹性的影响。给出一空间型机器人操作手的计算实例。     

卡氏空间机器人自校正控制

卡氏空间机器人自校正控制方法,是采用递推牛顿-欧拉方程计算额定力矩构成前馈补偿,而反馈控制器基于标称轨迹附近的线性化摄动方程进行设计.这种方法使机器人在相当大的运动与有效载荷范围内,始终尽可能准确地跟踪卡氏空间的标称轨迹.通过和常规/PID/-控制方法的仿真比较,显示了此方案的有效性.     

非驱动关节机器人的位置闭环控制研究

以具有非驱动关节的水平2自由度机器人为研究对象,利用拉格朗日动力学方程,建立了具有非驱动臂的两关节机器人的动力学数学模型,利用求解非线性方程的有效方法——平均值法,对已经建立的二阶非线性微分方程的数学模型进行了平均化处理,实现了数学模型的化简,同时提出了一种非线性闭环反馈的控制方法并对此控制方法进行了仿真,在控制仿真中,实现了对非驱动关节机器人系统的期望控制目标,并验证了模型化简和控制方法的有效性。     

串联旋转关节空间机器人的动力学仿真系统

空间机器人由于基座可以自由运动,增加了自由度,其运动学和动力学模型比地面固定基座机器人要复杂得多,而且低轨航天器受重力梯度影响较大。首先推导了空间机器人的运动学方程,并采用拉格朗日方程建立了正动力学模型,然后基于牛顿-欧拉法推导了空间机器人的耦合动力学方程,给出了动力学非线性项的数值计算方法,还推导了空间机器人在轨运动时的重力梯度力矩。最后,针对一类串联旋转关节的空间机器人,采用模块化设计的思想建立了动力学仿真模型,利用所建仿真模型对空间机器人的操作任务进行数值仿真,分析了重力梯度力矩的影响,提出了减小这些影响的建议。     

具备偏航能力的独轮机器人

针对现有文献对基于独轮机器人的动力学方程得到的状态空间方程有较多不足,其为了简化计算忽略了很多耦合因素的影响,导致系统不可控的问题,在深入分析独轮机器人动力学方程的基础上得到了其状态空间方程,并对各耦合项系数进行修正,确保了系统的可控性.通过设计LQR控制器实现了对独轮机器人的自平衡及偏航控制,并通过仿真和物理实验进行验证,设计了抗干扰实验.结果表明:所得出的状态空间方程是正确的.     

面向协作机器人的零力控制与碰撞检测方法研究

为了解决协作机器人柔顺交互控制问题，本文对机器人的零力控制和碰撞检测方法进行了深入研究。首先将逆运动学问题转化为（Newton-MP）广义逆和牛顿下山法的迭代求解问题。其次，针对协作机器人的零力控制问题，建立了基于速度三次摩擦力模型的完全动力学方程。对摩擦力模型进行遗传算法多参数辨识。再次，提出了基于One-Class卷积神经网络的碰撞检测方法，构建了无碰撞数据集，解决了传统碰撞检测方法建模不准确的问题。最后，通过实验证明，本文提出的Newton-MP优化方法具有良好的性能，绝对误差达到0.00013mm。与理想摩擦力模型进行对比，采用基于速度的三次摩擦力模型拟合出的摩擦力能够更好适用于零力控制。将外力矩观测器与One-Class卷积神经网络碰撞检测进行优缺点分析，可以证明One-Class卷积神经网络可以在不依靠模型的情况下，准确地检测机器人的异常碰撞。     

含单闭链机器人的动力学研究

本文将闭链机构受力分析的示力副法推广应用到含单闭链机器人的动力学分析，建立了含单闭链机器人的动力学逆问题和建模计算公式计算时，将含单闭链机器人分成主开链和子开链，并对机器人所含闭链机构进行运动分析，由此得到联系主开链和子开链关节运动量的变换阵借鉴开链机器人的动力学公式对这两个开链进行计算．将所得的子开链的动力学计算结果，由得到的关节运动量变换阵进行适当变换，并与主开链的动力学计算结果相加就可得到含单闭链机器人的动力学计算结果与其它方法相比，此计算公式简明、完善且直观，易于推广应用．     

空间机器人关节空间轨迹跟踪的补偿学习控制

讨论了具有不确定性的漂浮基空间机器人系统的控制问题。在载体位置不控、姿态受控情况下,结合系统动量守恒关系对系统进行了运动学、动力学的分析,得到了漂浮基空间机器人的系统动力学方程。由系统的闭环动态误差方程,设计了漂浮基空间机器人的控制方案,提出了一种补偿学习控制方法,给出了漂浮基空间机器人系统的数值仿真,验证了该方法的有效性。     

基于MATLAB的合作机器人(Cobot)动力学仿真

合作机器人(Cobot)是能直接与人合作的机器人.为了分析Cobot的动力学性能,应用牛顿-欧拉法,基于MATLAB对四自由度Cobot进行了动力学仿真.推导了Cobot的运动约束方程和动力学方程,构成了Cobot的约束矩阵方程.通过MATLAB函数来求解约束矩阵方程,建立了Cobot的动力学仿真模型,并对Cobot跟踪给定直线进行了仿真分析.仿真结果表明,该仿真模型具有Cobot机器人的特点,可以方便地获得Cobot的动力学参数,为实现机器人的控制及性能改进提供了理论依据.