基于Agent的遥操作机器人控制器研究

研究网络环境下基于Agent的遥操作机器人控制器结构，提出了人／智能体／机器人（M／AR）模型，探讨了基于Agent的机器人控制器的体系 和功能，介绍了采用任务规划和反应式行为的复合机器人控制系统，对意外事件的处理和运动轨迹的规划实验表明，这种遥操作机器人控制器能提高系统的实时性，可靠性和对环境的适应性。     

模糊控制在机器人超声避障系统的应用

本文介绍模糊控制技术与智能轮椅机器人超声波避障技术相结合的应用.本系统使用超声波的探测距离作为输入信号,经模糊控制技术处理后,输出机器人左右轮的转动速度来实现超声波避障.在MATLAB环境下开发模糊控制器并仿真出模糊控制策略.在智能轮椅机器人超声避障系统中得到成功应用.     

嵌入式Arduino系统物联网机器人的研发与应用

在21世纪飞速发展的社会中,人们越来越向往智能生活,物联网机器人能最大限度实现智能生活。笔者设计并实现了一种嵌入式系统的物联网服器人,该机器人系统主体由四麦克纳姆轮、Arduino控制器、Arduino扩展板、传感器列阵、WLAN无线通信以及语音检测、图像智能识别等模块构成,并将该系统与现代智能家居有效结合,构成一种新型物联网平台。Arduino机器人在检测到复杂情况时可以精准发出远程警报,能较有效地异地操控家中的智能家居,出色地完成语音识别和人机对话,并通过视觉追踪实现自动跟拍等功能。该服务机器人为进一步实现智能、安全物联网提供一种新的可能,拥有广阔的应用和发展前景。     

一个基于系统辨识的PID可变控制器

本文论述了一种能够在线辨识智能移动式机器人模型,自动地设计和修正 PID 控制器的控制系统.仿真结果表明,本系统具有较高的辨识精度和良好的控制效果.     

上肢康复机器人实时安全控制

针对上肢辅助康复机器人临床使用中的安全性和平稳性问题,提出基于模糊逻辑的实时在线安全监测控制方法.机器人对患肢进行康复训练时,患肢状态对控制效果会产生影响;通过设计智能安全监控模糊控制器(SSFC)改善系统运动平稳性以及突发情况下的安全性.首先提取相关运动特征评估受训患肢状态稳定情况,安全监控模糊控制器智能实现正常扰动情况下的控制期望力调节以及突发情况下的紧急响应.其次通过基于位置的阻抗控制策略实现患肢与机器人末端的柔顺性.实验结果验证了该控制方法能够有效地实现康复机器人的安全性和平稳性.     

仿人机器人分布式控制系统研究及实现

采用分布式控制方式设计了仿人机器人控制系统,运用CAN总线将主控计算机、关节控制器、力传感器连在一起,分散了信息处理和控制任务,提高了机器人智能程度.基于DSP为核心的关节控制器的设计,采用了智能体数字舵机作为动力装置.引入反馈控制,提高了关节控制器控制精度,以及通过全双工串行通信方式实现数字舵机的控制,改善数据传输方式.     

基于MCT8000S4的机器人运动控制系统

本论述了基于DSP多轴运动控制器MCT8000S4的机器人控制系统。整个系统采用一个工控计算机和一块基于DSP的多轴控制器（MCT8000S4），较好的实现了对机器人的时实控制。该系统通过VC语言编程的用户界面与DSP控制板通讯，对机器人进行控制，该系统能够实现自动搬动放物品，使机器人具有一定的智能，这一机器人系统可以用于工业中，也可以作为娱乐机器人。     

智能灭火机器人硬件电路的设计与实现

针对现有灭火机器人只能实现简单智能活动的不足,提出了一种基于嵌入式微处理器控制系统的设计.本设计以ARM9为核心,以红外测距传感器、地面灰度传感器、远红外火焰传感器组等作为检测系统,通过对采集信号的处理,确定机器人周围环境的信息,并根据路径规划出决策行进运动.同时,为使机器人能更好地完成任务,本设计采用双电源供电系统,低电压电源供给控制器和灭火风扇直流电机,高电压电源用来驱动大功率直流电机以带动轮胎转动.     

一个装配机器人离线编程系统的设计与实现

机器人离线编程系统是机器人应用开发的有效工具。本文给出一个智能装配机器人离线编程系统ＡＲＰＳ。该系统提供了一个良好的机器人程序开发和调试环境。用户可采用交互方式建立机器人及环境模型，用操作手级的机器人语言ＡＲＬ描述机器人作业，通过图形仿真调控机器人程序，目标程序与数据通过串行口下装到机器人控制器。     

SIA—GRC通用机器人控制系统

SIA-GRC通用机器人控制系统是沈阳自动化研究所开发的新一代工业机器人控制器.该系统是在SIA—SRC点焊机器人控制器和SIA-ARC弧焊机器人控制器的基础上,采用国际最新技术,开发出的具有当代先进水平的通用机器人控制系统.     

基于模糊控制的自主寻迹机器人设计

以飞思卡尔16 bit单片机MC9S12XS128为核心控制单元,设计了寻迹传感器,避障模块、驱动模块以及调试模块等硬件电路。在控制算法上采用模糊控制对小车进行控制,使得机器人能自动采集信息,分析外部环境,控制电机转向及寻迹,实现了机器人的自动寻迹以及避障功能。     

模糊自适应在机器人行走平衡控制中的应用

针对多变量、非线性的两轮机器人系统的行走平衡控制问题,提出一种基于Backstepping（反推）方法和PID的控制策略。该策略在Backstepping控制器中加入模糊自适应部分,利用模糊系统逼近Backstepping设计过程中的未知非线性函数,模糊系统中的参数基于自适应律调整,解决了Backstepping控制器中因含有未知参数难以实现的困难,避免了两轮机器人系统不满足严格三角结构的问题。针对两轮机器人的仿真实验结果表明：采用设计的控制策略,可以实现两轮机器人的行走平衡控制任务。     

Fuzzy Policy Reinforcement Learning in Cooperative Multi-robot Systems

A multi-agent reinforcement learning algorithm with fuzzy policy is addressed in this paper. This algorithm is used to deal with some control problems in cooperative multi-robot systems. Specifically, a leader-follower robotic system and a flocking system are investigated. In the leader-follower robotic system, the leader robot tries to track a desired trajectory, while the follower robot tries to follow the reader to keep a formation. Two different fuzzy policies are developed for the leader and follower, respectively. In the flocking system, multiple robots adopt the same fuzzy policy to flock. Initial fuzzy policies are manually crafted for these cooperative behaviors. The proposed learning algorithm finely tunes the parameters of the fuzzy policies through the policy gradient approach to improve control performance. Our simulation results demonstrate that the control performance can be improved after the learning.     

基于对象模型的自适应模糊专家控制系统

文中介绍了一个基于对象模型的自适应模糊专家控制系统。在该系统里,能动地机器人的行走装置进行模型化,建立了对象的模糊知识库,并根据自适应模糊控制的目标设计了推理机。系统无需铁数学模型,能根据输入、输出变量自动个性控制规则,达到优化控制钵文还介绍了对象模型的模糊知识表示方法和模糊知识库的结构以及对象模型的模糊控制推理。     

基于强化学习规则的两轮机器人自平衡控制

两轮机器人是一个典型的不稳定,非线性,强耦合的自平衡系统,在两轮机器人系统模型未知和没有先验经验的条件下,将强化学习算法和模糊神经网络有效结合,保证了函数逼近的快速性和收敛性,成功地实现两轮机器人的自学习平衡控制,并解决了两轮机器人连续状态空间和动作空间的强化学习问题;仿真和实验表明:该方法不仅在很短的时间内成功地完成对两轮机器人的平衡控制,而且在两轮机器人参数变化较大时,仍能维持两轮机器人的平衡。     

基于模糊控制信息融合方法的机器人导航系统

本文提出了一种基于模糊控制和信息融合的自主式移动机器人导航系统的实现方法。采用表格查询的模糊控制方法,对导航系统中的多传感器信息进行融合,实现了机器人的路径跟踪和自动纠偏的功能。该系统具有实现简单、响应快、鲁棒性好等特点,仿真实验和实际运行结果表明了该系统在具有引导线的环境中能有效实现自主式移动机器人的导航。     

高阶耦合机器人的自适应模糊滑模分散控制

针对一类存在模型不确定性和未知非线性扰动的机器人系统,考虑其不确定项和未知扰动项的上界是关于系统状态的普通高阶多项式,结合模糊系统的逼近能力,提出了一种基于滑模控制原理的自适应模糊分散控制方法.该方法不仅能够使得关节之间相互耦合的机器人各关节的控制器仅由本关节的信息就能完全确定,而且消除了现存文献在设计机器人分散控制器...     

Quasi sliding mode‐based single input fuzzy self‐tuning decoupled fuzzy PI control for robot manipulators with uncertainty

This paper presents a robust adaptive control strategy for robot manipulators, based on the coupling of the fuzzy logic control with the so‐called sliding mode control (SMC) approach. The motivation for using SMC in robotics mainly relies on its appreciable features. However, the drawbacks of the conventional SMC, such as chattering effect and required a priori knowledge of the bounds of uncertainties can be destructive. In this paper, these problems are suitably circumvented by adopting a reduced rule base single input fuzzy self tuning decoupled fuzzy proportional integral sliding mode control approach. In this new approach a decoupled fuzzy proportional integral control is used and a reduced rule base single input fuzzy self‐tuning controller as a supervisory fuzzy system is added to adaptively tune the output control gain of the decoupled fuzzy proportional integral control. Moreover, it is proved that the fuzzy control surface of the single‐input fuzzy rule base is very close to the input/output relation of a straight line. Therefore, a varying output gain decoupled fuzzy proportional integral sliding mode control approach using an approximate line equation is then proposed. The stability of the system is guaranteed in the sense of the Lyapunov theorem. Simulations using the dynamic model of a 3DOF planar manipulator with uncertainties show the effectiveness of the approach in high speed trajectory tracking problems. The simulation results that are compared with the results of conventional SMC indicate that the control performance of the robot system is satisfactory and the proposed approach can achieve favorable tracking performance, and it is robust with regard to uncertainties and disturbances. Copyright © 2011 John Wiley & Sons, Ltd.     

Fuzzy learning control for a flexible-link robot

There are two main drawbacks in fuzzy control: 1) the design of fuzzy controllers is usually performed in an ad hoc manner where it is often difficult to choose some of the controller parameters; and 2) the fuzzy controller constructed for the nominal plant may later perform inadequately if significant and unpredictable plant parameter variations occur. In this paper we illustrate these two problems on a two-link flexible robot testbed by: 1) developing, implementing, and evaluating a fuzzy controller for the robotic mechanism, and 2) illustrating that payload variations can have negative effects on the performance of a well designed fuzzy control system. Next, we show how to develop and implement a fuzzy model reference learning controller for the flexible robot and illustrate that it can automatically synthesize a rule-base for a fuzzy controller that will achieve comparable performance to the case where it was manually constructed, and automatically tune the fuzzy controller so that it can adapt to variations in the payload