一种巡线机器人控制系统的设计与实现

该文结合仓储信息管理系统的需求,设计并开发了一种巡线机器人控制系统。采用TMS320F2812型DSP,利用反射式红外传感器感知与地面颜色有较大差别的导引线,采用直流电机PWM驱动。结合模糊控制与PID控制方法,设计并实现了双回路巡线控制系统。其中:内回路采用PID控制器,构成PWM电机调速系统;外回路采用模糊控制器,构成导引线跟踪系统。实验结果表明,该方法能够很好地实现巡线机器人的巡线行走、转弯等功能。     

巡线定位技术在机器人大赛中的应用

定位技术是实现参赛机器人在比赛场地执行下一步指令的基础。根据大赛场地的特点,设计了巡线传感器和基于PID算法的巡线算法,利用场地中经纬交叉的引导线作为主要定位依据,并结合行走电机的码盘,提出了"整数加小数"的思想来实现机器人在场地中的精确定位。实际测试中,该方法得到了机器人的准确的位置信息,实验证明了该方法的合理性和可行性。     

基于PID控制算法的自动巡线机器人的设计与实现

自动巡线移动机器人能在各种环境下独立执行巡线任务,适用于工业、农业、物流等领域。传统机器人在复杂或需快速响应的环境中效率低。为此,采用PID（比例-积分-微分）控制算法优化机器人的路径追踪和运动控制,提高巡线的准确性和稳定性。通过硬件和软件的综合设计,实现了一款基于PID算法的高效、稳定的自动巡线机器人,其设计的有效性通过装配、调试和实验得到了验证,为自动巡线机器人在各行业的应用提供了理论和实践基础,有助于扩大自动化技术的应用范围和提高效率。     

基于RTOS的机器人巡线控制算法

机器人循线移动是当前机器人导航的一种常用方法。关于巡线算法的研究有很多，但多是研究算法本身，有不少算法设计精巧，实际应用中运行快速流畅，但可靠性并未有明显改善。而我们设计的机器人，巡线采用离散PID算法，实验测试和机器人竞赛结果表明，该算法具有响应速度快、巡线可靠、动作快速流畅和偏离航线率低等优点。     

基于强化学习DDPG算法的轮式助行机器人控制方法

在使用轮式助行机器人辅助行走和康复训练过程中，机器人运动控制的稳定性和轨迹跟踪的准确性是人机交互的重要研究内容。本文将强化学习中的深度确定性策略梯度（DDPG）算法与比例积分微分（PID）控制器相结合，提出了一种轮式助行机器人轨迹跟踪方法。首先，对轮式助行机器人底盘的运动学模型进行了分析。其次，介绍了强化学习中的DDPG算法与PID控制器相结合的自适应PID控制器的实现原理和控制结构。最后进行了仿真实验。实验结果表明，与传统PID控制器相比，基于DDPG算法的PID控制器能在机器人系统跟踪期望轨迹时自适应调整参数，使机器人始终按照期望轨迹运动。同时，得益于强化学习的试错机制，控制器具有较强的抗干扰能力。     

基于产生式系统和轨迹优化的巡线机器人控制

阐述了一种新型的基于产生式系统控制方法的高压输电线路自动巡线机器人的嵌入式控制系统及其实现.提出了一种基于人工控制规则库和分层规划的产生式系统的控制策略.该控制策略通过人工控制机器人的方法,建立相应的专家规则库,再采用分层规划的方式与手爪的自动微调相结合来实现机器人的自动行走.最后,通过最优算法并结合机器人各个关节伺服系统的运作特性,对机器人运动轨迹进行优化,实现了对巡线机器人的最优控制.     

基于ARM的水下机器人通信与控制器研制

应用UP—NETARM 2410-S嵌入式系统研制OUTLAND1000水下机器人控制器．控制器主要包括两个部分：OUTLAND1000水下机器人通信系统和PID控制部分。OUT—LAND1000水下机器人传感器通过RS485将机器人的运行情况传送到控制转换器．控制转换器再通过Rs232与控制器通信,控制器应用PID算法实现机器人的状态控制．最后通过水池实验给出控制结果。     

自适应神经模糊推理结合PID控制的并联机器人控制方法

针对6自由度液压驱动并联机器人的精确控制问题,提出一种结合自适应神经模糊推理系统(ANFIS)和比例积分微分(PID)控制的机器人控制方法。首先,利用浮动坐标系描述法(FFRF)来模拟机器人柔性组件,并构建并联机器人的拉格朗日动力学模型。然后,根据模糊推理中的模糊规则来自适应调整PID控制器参数。最后,利用神经自适应学习算法使模糊逻辑能计算隶属度函数参数,从而使模糊推理系统能追踪给定的输入和输出数据。将该控制器与传统PID控制器、模糊PID控制器进行比较,结果表明,ANFIS自整定PID控制器大大减小了末端器位移误差,能很好的控制并联机器人末端机械手的运动。     

基于MCF52255的两轮自平衡巡线机器人设计

设计了以MCF52255高性能微处理器为控制核心的两轮自平衡巡线机器人的硬件和软件系统。使用卡尔曼滤波方法实现了加速度计信号和陀螺仪信号的数据融合,提高了该机器人的姿态角控制精度。实验结果表明,该机器人可以稳定地实现自平衡控制和巡线自动行走功能。     

数字PID控制器在机器人巡线技术中的应用

工业机器人的巡线移动技术可以大大提高机器人的活动范围,在工业生产中的应用越来越广泛。机器人在巡线运动过程中会遇到惯量大,工作环境恶劣,地面摩擦系数多变,未知干扰因素多等影响,自控系统会产生大滞后,时变,非线性,超调等问题,甚至引起系统震荡破坏。研究一种数字PID控制器对机器人巡线过程进行控制,以提高系统的准确度,灵敏性和鲁棒性,并通过实验证明方法的正确性。     

模糊PID控制下移动机器人定位方法研究

机器人定位研究一直是机器人学研究的重点,但目前机器人定位方法都存在缺点,抗干扰能力差,不能做到准确定位,主要是由于环境等多方面因素的干扰,定位误差会逐渐加大;由于上述原因,提出了一种基于设定值加权模糊PID控制的移动机器人自定位方法;给出了定位过程的参数,为机器人移动建立模型,设计一种模糊 PID 控制器,根据误差及变化率大小,选择模糊定位或PID定位,实现移动机器人的智能定位,提高机器人定位准确的准确性;通过仿真实验结果证明:模糊PID控制的机器人自定位方法对移动机器人的定位过程有较好的改善作用,实用效果较好。     

下肢康复外骨骼机器人模糊PID控制研究与仿真

下肢康复外骨骼机器人具有多输入多输出的结构,且不确定性与非线性都很高,经典PID控制已经不能很好地进行精确控制。结合经典PID控制与模糊控制,并加入了开关结构,最终采用开关式模糊PID控制来对机器人进行控制研究。使用ADAMS（Automatic Dynamic Analysis of Mechanical Systems）建立机器人模型,在Matlab/Simulink中建立控制图。驱动输入采用正常人体步态行走时的力矩信息,通过两个软件的联合仿真,得到跟随曲线与目标曲线的对比图及误差图。结果表明,开关式模糊PID控制具有良好的精度且响应速度较快。     

Walking and steering control for a 3D biped robot considering ground contact and stability

This paper presents a stable walking control method for a 3D bipedal robot with 14 joint actuators. The overall control law consists of a ZMP (zero moment point) controller, a swing ankle rotation controller and a partial joint angles controller. The ZMP controller guarantees that the stance foot remains in flat contact with the ground. The swing ankle rotation controller ensures a flat foot impact at the end of the swinging phase. Each of these controllers creates 2 constraints on joint accelerations. As a consequence, the partial joint angles controller is implemented to track only 10 independent outputs. These outputs are defined as a linear combination of the 14 joint angles. The most important question addressed in this paper is how this linear combination can be defined in order to ensure walking stability. The stability of the walking gait under closed loop control is evaluated with the linearization of the restricted Poincare map of the hybrid zero dynamics. As a result, the robot can achieve an asymptotically stable and periodic walking along a straight line. Finally, another feedback controller is supplemented to adjust the walking direction of the robot and some examples of the robot steered to walk along different paths with mild curvature are given.     

基于CPLD的彩色视觉移动机器人路径跟踪系统

路径跟踪是机器人视觉导航控制基本技术之一,为使机器人沿地面彩色引导线自主运动,并能在适时离线执行任务后自动返航,提出了一种用可编程逻辑器件(CPLD)实现的视觉伺服PID控制方法.该方法利用图像特征反馈对其所跟踪的路经进行实时识别跟踪.仿真结果表明,该方法改善了控制算法的实时性,提高了移动机器人的路径跟踪精度与速度.     

基于神经网络前馈补偿的欠驱动机器人越障控制

针对欠驱动巡检机器人相对于传统机器人控制量少于控制对象的特点,依靠Lagrange定理建立机器人系统动力学模型和电缆弯曲数学模型.根据障碍物外形特点给出障碍物特征量的提取方法;根据障碍物较大,常规的运动控制输出量不宜变化过大的特点,以及机器人越障过程中要保持机体平衡,依据动力学模型提出了基于神经网络补偿的前馈-反馈控制器,以实现对系统姿态控制和越障控制.控制器具有自学习、自动补偿的能力,对非线性对象有较好的控制作用.仿真结果表明,该方法相对于常规PID控制、普通模糊控制具有超前调节、超调量小、抗扰动能力强的特点.通过实验,验证了基于神经网络补偿的前馈-反馈控制器的合理性.     

Research on the intelligent control algorithm for a robot joint actuated by McKibben muscles

A compound control algorithm is supposed to a robot joint actuated by McKibben muscles, which combines both CMAC control and PID control. The CMAC feedforward compensator realizes the joint system’s dynamic model. The PID controller realizes the feedback control in order to guarantee the system’s stability. The compound controller’s output takes control of the system’s actions. By the CMAC learning process, the PID output tends to zero, and the final controlled action is directed by the CMAC controller. Digital simulation results prove that this compound control algorithm has the very high tracking capacity, interference immunity, and quick system response.     

A reflexive neural network for dynamic biped walking control

Biped walking remains a difficult problem, and robot models can greatly facilitate our understanding of the underlying biomechanical principles as well as their neuronal control. The goal of this study is to specifically demonstrate that stable biped walking can be achieved by combining the physical properties of the walking robot with a small, reflex-based neuronal network governed mainly by local sensor signals. Building on earlier work (Taga, 1995; Cruse, Kindermann, Schumm, Dean, & Schmitz, 1998), this study shows that human-like gaits emerge without specific position or trajectory control and that the walker is able to compensate small disturbances through its own dynamical properties. The reflexive controller used here has the following characteristics, which are different from earlier approaches: (1) Control is mainly local. Hence, it uses only two signals (anterior extreme angle and ground contact), which operate at the interjoint level. All other signals operate only at single joints. (2) Neither position control nor trajectory tracking control is used. Instead, the approximate nature of the local reflexes on each joint allows the robot mechanics itself (e.g., its passive dynamics) to contribute substantially to the overall gait trajectory computation. (3) The motor control scheme used in the local reflexes of our robot is more straightforward and has more biological plausibility than that of other robots, because the outputs of the motor neurons in our reflexive controller are directly driving the motors of the joints rather than working as references for position or velocity control. As a consequence, the neural controller and the robot mechanics are closely coupled as a neuromechanical system, and this study emphasizes that dynamically stable biped walking gaits emerge from the coupling between neural computation and physical computation. This is demonstrated by different walking experiments using a real robot as well as by a Poincaré map analysis applied on a model of the robot in order to assess its stability.     

用IGA优化的直流电机的仿人智能控制

讨论了当前足球机器人运动控制系统的控制算法对足球机器人运动性能的影响。在分析了足球机器人运动控制系统组成和电机数学模型的基础上,对足球机器人运动控制器采用多模态控制的仿人智能控制（Human-Simulated Intelligent Control,HSIC）算法,利用改进的遗传算法（Improved Genetic Algorithm,IGA）对仿人智能控制器参数进行优化。通过与目前普遍采用的常规PID控制器作对比实验,表明采用IGA参数整定后的HSIC控制器对电机具有更好的控制品质,并改善了足球机器人的运动性能。     

Memory-saving memetic computing for path-following mobile robots

In this paper, a recently proposed single-solution memetic computing optimization method, namely three stage optimization memetic exploration (3SOME), is used to implement a self-tuning PID controller on board of a mobile robot. More specifically, the optimal PID parameters minimizing a measure of the following error on a path-following operation are found, in real-time, during the execution of the control loop. The proposed approach separates the control and the optimization tasks, and uses simple operating system primitives to share data. The system is able to react to modifications of the trajectory, thus endowing the robot with intelligent learning and self-configuration capabilities. A popular commercial robotic tool, i.e. the Lego Mindstorms robot, has been used for testing and implementing this system. Tests have been performed both in simulations and in a real Lego robot. Experimental results show that, compared to other online optimization techniques and to empiric PID tuning procedures, 3SOME guarantees a robust and efficient control behaviour, thus representing a valid alternative for self-tuning control systems.     

具有H_∞跟踪性能的机器人自适应PID控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应PID控制算法.该控制器由主控制器和监督控制器组成.主控制器以常规PID控制为基础,基于滑模控制思想设计PID参数的自适应律,根据误差实时修正PID参数.基于Lyapunov函数设计的监督控制器补偿自适应PID控制器与理想控制器之间的差异,使系统具有设定的H_∞的跟踪性能.最后,两关节机器人的仿真实验结果表明了算法的有效性.

Abstract：

A robust adaptive PID control algorithm is proposed for trajectory tracking of robot manipulators with nonlinear uncertainties.The controller is composed of a main controller and a supervisory controller.The main controller is designed based on the traditional PID controller.The parameters of the PID controller are updated online according to the system running errors with the adaptation law based on the sliding mode control.The supervisory controller is proposed to compensate the error between the adaptive PID controller and the ideal controller in the sense of the Lyapunov function with the specified H_∞ tracking performance.Finally, the simulation results based on a two-joint robot manipulator show the effectiveness of the presented controller.