基于自抗干扰的装配机器人阻抗控制技术

为了提升机器人装配作业的精确性和柔顺性,提出改进型自抗扰阻抗控制策略. 该策略通过自抗扰控制器生成新期望力来调整机器人末端工具坐标系的位置,实现精确的力跟踪. 通过扰动观测器观测环境信息并补偿控制系统的期望力,提高控制系统对环境参数的适应性. 引入阻抗模型改进扰动观测器,使观测器的响应速度增大,力跟踪的精度提高. 基于六自由度机器人的精密轴孔装配实验结果表明,与传统阻抗控制相比,基于自抗扰控制（ADRC）的阻抗控制能够在较小的接触力误差下完成装配,且基于改进型自抗扰控制的阻抗控制的力平均误差比改进前自抗扰控制减小12.0%~28.2%.     

容差柔顺手的设计与研究

分析了机器人手爪刚度对轴孔装配作业中装配力的影响,在此基础上设计了一种原理和结构全新的柔顺装配装置一容差柔顺手,并在ＰＵＭＡ－２６２机器人上,完成了精密配合轴孔的装配作业。     

基于 Ｂａｘｔｅｒ冗余双臂机器人的轴孔装配轨迹规划研究

针对 Ｂａｘｔｅｒ冗余双臂机器人轴孔装配操作任务,研究了一种孔外、孔内两阶段轴孔装配轨迹规划策略。首先,根据机器人装配过程中由右臂末端受力反映出的轴和孔接触状态,考虑双臂末端受力均衡,提出了一种操作空间轴孔装配的双臂运动轨迹规划方法;然后,结合关节限制和最小关节力矩的优化函数,基于投影梯度法和 Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ迭代方法,研究了基于 Ｂａｘｔｅｒ冗余双臂 机器人的逆运动学优化求解算法;最后,通过 Ｂａｘｔｅｒ双臂机器人     

六自由度装配机器人的动态柔顺性控制

为了提升工业机器人装配的精确性与柔顺性,提出适合工业六自由度装配机器人的动态柔顺性控制策略,使之不仅能够实现快速高精度的参考轨迹跟踪,而且能够动态地切换到工件装配时的接触力控制,并能够保持良好的柔顺性接触力.构建机器人关节空间的标准动力学模型,并变换到末端执行器操作空间,获得操作空间的动态特性.给出该控制策略,主要包含参考轨迹给定模块、内环的轨迹跟踪控制器以及动力学参数辨识模块等.采用滑模算法设计轨迹跟踪控制器;采用阻抗滤波器,生成装配作业时末端执行器的期望运动轨迹;采用sigmoid函数设计轨迹跟踪与接触力控制的判别模块;采用最小二乘算法,设计动力学参数辨识模块.采用Lyapunov函数证明了该控制策略的大范围渐进稳定性和收敛性.基于装配实验台上进行现场装配和动态轨迹跟踪的对比性仿真实验研究.仿真实验结果表明：与典型的比例微分（PD）控制相比,动态柔顺性控制能够在较宽广的范围内实现更精确的空间轨迹跟踪和接触力柔性控制,平均相对误差可以有效地控制在-4%到+4%之内.     

基于点球约束的七自由度机器人误差建模与参数辨识

自动化装配对于机器人绝对定位精度提出了更高的要求，由于各种误差因素的影响，机器人理论位姿和实际位姿总是存在着一定的误差，若绝对定位精度过低，容易导致装配过程中零部件之间发生碰撞，严重影响着装配机器人的应用与推广。标定技术是提高定位精度的主要手段，误差建模、数据测量、参数辨识是标定与误差补偿过程中的重要环节。为此，提出了一种基于点球约束的机器人误差建模与参数识别方法：1)通过在机器人末端安装的六维力传感器反馈末端受力情况控制机器人以多种姿态使标定锥与靶标球球面重合，记录接触时各关节的位置数据;2)以靶标球球体半径为适应度函数，利用遗传算法辨识误差参数，从而建立完整的误差补偿模型。以自主研制的七自由度装配机器人为研究对象，针对装配机器人的结构特点，由正向递推建立机器人的正运动学方程，应用固定关节法与反变换法获得机器人逆运动学方程；基于D-H模型，建立机器人的运动学误差模型，在理论研究中，预设定误差参数与位姿变换矩阵，通过牛顿迭代法获取了关节变量值，将关节变量值代入正运动学方程进行验证，利用遗传算法进辨识误差参数，将辨识结果代入运动学模型中进行验证，机器人定位精度得到明显提高。通过实验，采用点球式标定方法采集机器人关节数据，应用遗传算法辨识误差参数，将所求得的误差参数代入误差模型中进行实验，绝对定位精度提升了76.74%，验证了基于点球约束的机器人误差建模与参数识别方法的有效性，为多自由度机器人标定研究提供有益参考。     

机器人动柔顺手腕研究

本文在对工业机器人自动装配过程中的轴孔相对位姿误差、力学和运动学进行分析研究的基础上，对动柔顺手腕结构原理作了深入探讨，设计、研制了一级三件和二级六件两种实用型动柔顺手腕，解决了柔顺件的制造和柔顺件与手腕的联结问题．通过对二种动柔顺手腕性能测试结果的研究，可以认为在软橡胶中加入纵向和径向刚度比值大的金属材料，可以提高动柔顺手腕的柔顺性能．实验测试表明所设计动柔顺手腕原理的可行性、实用性．可以预见动柔顺手腕的应用将大大降低对轴孔装配工艺性和装配机器人的重复定位精度的要求，从而降低机器人的制造成本，以利推广应用．     

基于集成概率模型的变阻抗机器人打磨力控制

工业机器人对工件柔顺打磨作业的适应性差，为此设计机器人柔顺浮动力控末端执行器，基于集成贝叶斯神经网络模型的强化学习，提出主动自适应变阻抗的机器人打磨力控制方法.所提方法根据打磨作业的接触环境信息，利用自助法获取小量数据的多次采样样本，训练集成贝叶斯神经网络模型以描述机器人打磨系统与工况环境交互作用，采用协方差矩阵自适应进化策略（CMA-ES）求解最优阻抗参数.构建机器人打磨系统虚拟样机平台，开展叶片工件的打磨仿真实验，验证所提方法的有效性.实验结果表明，所提方法在十几次训练后，能够将打磨力的绝对跟踪误差减小至较小值，较好地实现了机器人打磨系统的主动自适应变阻抗打磨力控制，提高了机器人打磨力控制的柔顺性和鲁棒性.     

柔顺装配中轴,孔插装过程的力学分析

从力学角度对铀、孔类型零件的柔顺装配机理进行了理论分析,给出了轴孔装配过程的仿真模型,并绘制出装配力变化曲线,从而指出,在装配过程的４个阶段中,两点接触是最危险的,其主要原因是装配力达到最大值且装配力的变化幅度很剧烈。该结论对实现柔顺装配有重要意义。     

利用分解加速度方法的机器人柔顺控制

机器人手臂在装配和制造生产上的应用,需要柔顺控制。意思是控制和监视机器人手臂的位置和力。本文提出了在作业空间基于分解运动加速度的稳定的精确的柔顺控制方法,在此系统的研制中使用了机器人手臂的动态模型,这种方法是通过把分解运动加速度方法和Raibert-Craig混合控制方法结合起来而导出的。对此方法的系统稳定性给予了分析,并对各种作业条件进行了仿真研究,结果表明所提出的柔顺控制方案具有满意的性能和较好的实用前景。     

压脚压紧力作用下的机器人变形预测和补偿

针对工业机器人在压脚压紧力作用下由于结构变形所引起的压脚沿工件表面滑移的问题,提出压脚约束下的机器人刚度模型,并基于该模型对机器人变形进行预测和补偿,以提高机器人制孔的定位精度. 基于改进的Denavit-Hartenberg方法建立机器人运动学模型;在此基础上,通过研究机器人末端平移变形与压脚压紧力之间的相互耦合关系,建立压脚约束下的机器人刚度模型,通过基于L-M算法的关节刚度辨识实验获得机器人6个关节刚度的具体数值;应用该刚度模型预测一定压脚压紧力作用下不同孔位的机器人末端平移变形,并对理论孔位信息进行离线补偿. 试验结果表明,在采用上述方法补偿机器人滑移变形后,机器人制孔的平均位置误差由原先的0.22 mm降低到0.05 mm,满足机器人自动化制孔定位精度要求.     

基于刚度控制的六轴工业机器人零力跟踪模型

针对传统的通过操作示教盒移动六轴工业机器人到达指定位置效率低、过程复杂的问题,以Ethernet作为通信总线,将嵌入式系统引入六轴工业机器人的顺应性跟踪控制(零力跟踪)中,提出了一种基于刚度控制的六轴工业机器人零力跟踪模型.在该模型中,将六维力传感器上的力信号进行解耦与坐标变换,从而获得机器人末端的6个力的大小信息.通过刚度矩阵计算出输入位置控制器的偏移量,同时设计了一种轨迹预测算法来确定6个力的信息及下一个目标点的方向.最后,机器人根据运动学方程的逆解,调整相应的位姿.实验结果表明:该机器人末端分别在3个不同方向的牵引力的作用下,能平滑而快速地经过预定的轨迹,为直接示教系统中的顺应性跟踪控制提供了方法.     

基于强化学习的机器人曲面恒力跟踪研究

针对机器人末端执行器和曲面工件接触时难以得到恒定接触力的问题,建立机器人末端执行器与曲面工件的接触模型.构建曲面接触力坐标系与机器人传感器测量坐标系之间的关系,利用基于概率动力学模型的强化学习（PILCO）算法对模型输出参数与接触状态的关系进行学习,对部分接触状态进行预测,强化学习根据预测的状态优化机器人位移输入参数,得到期望跟踪力信号. 实验中,将强化学习的输入状态改为一段时间内的状态平均值以减少接触状态下信号的干扰. 实验结果表明,利用PILCO算法在迭代8次后能够得到较稳定的力,相比于模糊迭代算法收敛速度较快,力误差绝对值的平均值减少了29%.     

Leg compliance control of a hexapod robot based on improved adaptive control in different environments

Considering the compliance control problem of a hexapod robot under different environments, a control strategy based on the improved adaptive control algorithm is proposed. The model of robot structure and impedance control is established. Then, the indirect adaptive control algorithm is derived. Through the analysis of its parameters, it can be noticed that the algorithm does not meet the requirements of the robot compliance control in a complex environment. Therefore, the fuzzy control algorithm is used to adjust the adaptive control parameters. The satisfied system response can be obtained based on the adjustment in real time according to the error between input and output. Comparative experiments and analysis of traditional adaptive control and the improved adaptive control algorithm are presented. It can be verified that not only desired contact force can be reached quickly in different environments, but also smaller contact impact and sliding avoidance are guaranteed, which means that the control strategy has great significance to enhance the adaptability of the hexapod robot.     

机器人力控制综述

针对机器人作业时新的力控制要求,本文综述了现有的传统控制策略与智能控制策略.首先介绍传统力控制策略中的阻抗控制、位／力混合控制与自适应控制,其次介绍智能控制策略中的模糊控制、神经网络与优化控制.同时,对各控制算法基本原理进行深入分析,列举各算法的应用成果,并对未来力控制研究提出了展望.     

一种基于力觉的机器人对孔装配方法

针对带电作业机器人更换金属氧化物避雷器过程中精确对孔装配的需要,提出一种基于力觉自主控制机器人在绝缘横担上寻孔并装配避雷器的方法。控制过程中针对避雷器下端头的特殊形状以及电杆绝缘横担的作业场景,在机器人末端加装力觉传感器,将转换后的力作为被控量,设计一种由触担、寻孔、渐入和插入四个过程构成的对孔装配策略,使机器人能够将避雷器的下端头准确地插入横担上的安装孔。试验结果验证了所提方法的有效性。     

一种基于力觉的机器人对孔装配方法

针对带电作业机器人更换金属氧化物避雷器过程中精确对孔装配的需要,提出一种基于力觉自主控制机器人在绝缘横担上寻孔并装配避雷器的方法。控制过程中针对避雷器下端头的特殊形状以及电杆绝缘横担的作业场景,在机器人末端加装力觉传感器,将转换后的力作为被控量,设计一种由触担、寻孔、渐入和插入四个过程构成的对孔装配策略,使机器人能够将避雷器的下端头准确地插入横担上的安装孔。试验结果验证了所提方法的有效性。     

基于参数优化的机器人花键装配偏角感知识别方法

针对花键装配过程中存在轴孔偏角引起的卡阻导致装配成功率低的问题,提出基于参数优化的机器人花键装配偏角感知识别方法. 根据花键装配的特点,利用力传感器采集花键装配过程中的力/力矩信号,基于混合鲸鱼优化算法(HWOA)的极限学习机(ELM)识别偏角的力信号并构建偏角经验库. 结合支持向量数据描述(SVDD)算法,实现了未定义偏角的感知和偏角经验库的自我更新,以及用偏角的感知识别指导机器人完成花键装配任务. 实验结果表明,所提方法对未定义偏角感知成功率和对已知偏角的识别精度分别为98.8%、98.12%,能有效指导机器人进行花键装配.     

基于自适应边界能量法的柔顺力控制研究

阻抗控制方法是有效的机器人接触控制方法,但是该方法只能在预估的环境参数范围内保证系统的稳定性。针对这一问题,该文提出一种新的自适应边界能量（Energy Boundary Method-EBM）方法,通过在线估计控制参数提高系统整体性能,保证系统的稳定性。在该控制方法下,系统在与超出预估范围内的不确定环境相接触时,仍可保持期望的稳定接触力,同时具备较强的鲁棒性。为证实该方法的可行性及有效性,以气液联控柔顺力控制系统为例,进行理论及仿真研究,理论性能及仿真结果分析证明了该方法的有效性。