基于对象模型的全腕式电动假肢的控制和诊断专家系统

我们研制了一个基于对象模型的全腕式电动假肢专家系统。在该系统里，我们通过对假肢进行模型化建立了假肢对象的知识库，并根据控制目标和故障诊断目的设计了推理程序，因此，系统能控制假肢各个关节协调动作，使完成目标作业，并能诊断出假肢的故障。本文介绍对象模型的概念，有关假肢对象模型的阶层构造，知识表示方法，知识库的建立方法以及控制和诊断假肢的推理。     

低成本自适应仿人假肢手设计

中国肢体残疾患者数量巨大,佩戴智能仿生假肢是改善和提高患者日常生活活动能力的重要手段之一.针对目前商业化多功能假肢手价格昂贵、实用性低,单自由度假肢手功能单一等缺点,提出了一种低成本自适应假肢手的设计,兼顾假肢手的成本、功能与外观.该假肢手仅用单个电机驱动,完成力量抓取、精确抓取、侧捏这三种日常生活活动能力中最常用的手部动作,并且其手指在一定程度能自适应被抓取物体的形状,增强抓取动作的稳定性.通过理论分析与软件仿真,证实了所设计的新结构假肢手能完成预定的动作.本研究能为后续假肢手的生产使用奠定基础.     

基于FSR的假肢手抓握力控制

为了帮助上肢残疾者稳定抓取日常物品,提出了一种基于力敏电阻(FSR)的假肢手抓握力控制方法.FSR采集假肢手抓取力,并根据抓握力及其梯度,建立了假肢手抓握力模糊估计模型.然后将模糊控制器应用于假肢手抓握力控制,并采用试凑法得到模糊控制参数的值.假肢手抓握实验表明:所提出的基于FSR假肢手期望抓握力的估计和抓握力控制的方法是有效的.     

基于强化学习的煤矸石分拣机械臂智能控制算法研究

针对传统煤矸石分拣机械臂控制算法如抓取函数法、基于费拉里法的动态目标抓取算法等依赖于精确的环境模型、且控制过程缺乏自适应性,传统深度确定性策略梯度(DDPG)等智能控制算法存在输出动作过大及稀疏奖励容易被淹没等问题,对传统DDPG算法中的神经网络结构和奖励函数进行了改进,提出了一种适合处理六自由度煤矸石分拣机械臂的基于强化学习的改进DDPG算法。煤矸石进入机械臂工作空间后,改进DDPG算法可根据相应传感器返回的煤矸石位置及机械臂状态进行决策,并向相应运动控制器输出一组关节角状态控制量,根据煤矸石位置及关节角状态控制量控制机械臂运动,使机械臂运动到煤矸石附近,实现煤矸石分拣。仿真实验结果表明:改进DDPG算法相较于传统DDPG算法具有无模型通用性强及在与环境交互中可自适应学习抓取姿态的优势,可率先收敛于探索过程中所遇的最大奖励值,利用改进DDPG算法控制的机械臂所学策略泛化性更好、输出的关节角状态控制量更小、煤矸石分拣效率更高。     

基于上臂关节角度和肌电信号的二自由度假肢控制方法

肌电信号的采集易受到空气湿度和皮肤表面汗液等多种随机因素的干扰,使采集到的肌电信号极不稳定.为了应对此问题,市售的肌电假肢普遍采用基于开关量的控制方法,但是开关量对多自由度假肢的控制依赖于顺序动作切换,这使得假肢的实际使用过程比较繁琐.利用肢体运动学信息的假肢控制方法常见于下肢假肢,这是因为上肢的运动受抓取物体的形状和位置等因素变化,其肢体运动的规律性较差.本文提出一种利用上臂关节角度和肌电信号的控制方法,利用人体在抓握时肩关节的运动模式区分使用者对不同形状物体的抓握,并将此方法应用在二自由度假肢的控制中.通过与开关量控制的假肢在日常物品抓握实验中的对比,表明本文所提出方法在稳定性和使用效率方面都优于开关量控制的方式.     

兼顾多动作与轻量化的仿生假肢手设计创成

假肢手的动作数量与轻量化之间存在矛盾关系，为兼顾两者之间的平衡，满足假肢手多动作和轻量化的要求，该研究通过分析人手的16种日常抓取动作，设计了一种合理的电机驱动结构。该结构在四指中应用了多关节同时屈曲传动，在拇指中应用了定轨迹适应性传动，掌骨使用可自动切换为弧面和平面的对称弹性串联驱动式传动，以及配置五指的自动伸展，将这些机能融合在假肢手中，仅用3个电机实现了11 种假肢手动作，达到了132.1 g的轻量化设计。该文还通过肌电信号结合神经网络算法，实现了假肢手直觉控制，并验证了其具有良好的抓取稳定性和操作性。     

柔性关节机器人抓取末端振动自动化控制方法

为了提高柔性关节机器人抓取末端振动控制精度,该文提出柔性关节机器人抓取末端振动自动化控制方法。对柔性关节机器人展开系统动力学分析,构建奇异摄动模型定义柔性关节机器人系统的运动方程。设计柔性关节机器人的优化控制器,构建控制误差代价函数。利用拉格朗日法获取函数最优解,实现柔性关节机器人抓取末端振动自动化控制。实验结果表明,该方法能够有效抑制柔性关节机器人末端振动信号,相位控制误差均在0.02°以内,抑振措施的上升时间低于7.66 s,末端控制精准度高、效率高、性能好。     

基于无模型自适应的外骨骼式上肢康复机器人主动交互训练控制方法

设计了一种基于无模型自适应的外骨骼式上肢康复机器人主动交互训练控制方法.在机器人与人体上肢接触面安装力传感器采集人机交互力矩信息作为量化的主动运动意图,设计了一种无模型自适应滤波算法使交互力矩变得平滑而连贯;以人机交互力矩为输入,综合考虑机器人末端点与参考轨迹的相对位置和补偿力的信息,设计了人机交互阻抗控制器,用于调节各关节的给定目标速度;设计了将无模型自适应与离散滑模趋近律相结合的速度控制器完成机器人各关节对目标速度的跟踪.仿真结果表明,该控制方法可以实现外骨骼式上肢康复机器人辅助患者完成主动交互训练的功能.通过调节人机交互阻抗控制器的相应参数,机器人可以按照患者的运动意图完成不同的主动交互训练任务,并在运动出现偏差时予以矫正.控制器在设计实现过程中不要求复杂准确的动力学建模和参数识别,并有一定的抗干扰性和通用性.     

基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制系统的设计

为了使仿人机器人手臂抓取控制系统更加智能化,提高运行效率,设计并实现了一种基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制系统。系统采用PMAC运动控制器完成机器人运行数据的传递、处理以及对机器人手臂抓取工作台的控制,采用Accelus系列数字伺服驱动器,调控仿人机器人运动位置和速度,通过关节控制器对机器人抓取过程中手臂关节的位置、速度以及角度信息进行控制,通过以S3C2440为核心芯片的上位机,实现仿人机器人手臂控制的远程通信以及抓取任务的调度,完成仿人机器人手臂抓取的智能控制,软件设计过程中,对基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制算法进行了详细分析,并给出了机器人手臂抓取控制程序代码实例,通过仿真实例验证了本系统的可用性和实用性。     

针对上肢高位截肢者的肌电假肢设计

给出了一种基于人体表面肌电信号控制的上肢假肢系统,服务于基于靶向肌肉神经移植术的高位截肢者.通过解析人体肌电信号包含的动作意图控制假肢的运动.系统包括假肢的机械结构、控制系统的硬件和算法.假肢的机械结构包括肘关节、腕关节和手部.控制系统的硬件包括主控板、驱动板和肌电采集模块.模式识别算法采用基于贝叶斯原理的线性分类器,通过在线实时训练,得到需要的线性分类器参数.根据得到的分类器模型,对采集到的肌电信号进行在线实时识别,并根据识别的结果实时控制相应假肢关节的运动.系统样机在健康受试者身上进行了测试,效果良好.     

Dynamic control of redundant manipulators using the artificial potential field approach with time scaling

This paper proposes a new method for the dynamic control of redundant manipulators via the artificial potential field approach. In the artificial potential field approach, the goal is represented by an artificial attractive potential field and the obstacles by corresponding repulsive field, so that the trajectory to the target can be associated with the unique flow-line of the gradient field through the initial position and can be generated via a flow-line tracking process. This approach is suitable for real-time motion planning because of its simplicity and smaller computational time than other methods based on global information about the task space. However, little attention has been paid to the control of the dynamic behavior of the trajectories generated. The proposed method is based on the artificial potential field approach with a combination of a time-scale transformation and a time-base generator which works as a time-scale compressor and can control the dynamic behavior of the robot without any change in the form of the designed controller itself. It can also be applied to the dynamic motion planning problem of redundant manipulators. The effectiveness of the proposed method is verified by computer simulations for a three-joint planar manipulator. This work was presented, in part, at the Third International Symposium on Artificial Life and Robotics, Oita, Japan, January 19–21, 1998     

非合作交会对接的姿态和轨道耦合控制

航天器与非合作目标进行交会对接时,要求控制器能保证二者不发生碰撞.然而,针对航天器非合作交会对接中的避碰问题,还没有成熟的控制策略.本文以服务航天器体坐标系为参考坐标系建立航天器相对姿态轨道耦合运动模型,利用滑模控制设计了一种姿态轨道耦合控制器实现交会对接.通过利用人工势函数理论和基于蔓叶线的虚拟障碍物模型,控制器可以严格地保证服务航天器运行在安全区域内部,避免与目标航天器碰撞.通过李雅普诺夫理论可以证明系统在控制器的作用下是渐近稳定的.数值仿真进一步说明了所提出的控制器的有效性.     

基于DSP的欠驱动体操机器人的摇起控制设计

针对欠驱动机器人控制系统,给出一种基于DSP控制的类人形的三关节欠驱动体操机器人。首先以ADSP2181为核心设计出控制器,通过高速PCI总线与上位机PC通讯,采用直流电机伺服控制。然后依据建立的体操机器人动力学模型提出基于能量增加的正弦和斜坡函数输入方式,经对体操机器人作摇起控制实验,实验显示,设计的三关节欠驱动体操机器人控制系统满足实时性、稳定性和准确性要求。     

Self-Organizing CMAC Control for a Class of MIMO Uncertain Nonlinear Systems

This paper presents a self-organizing control system based on cerebellar model articulation controller (CMAC) for a class of multiple-input-multiple-output (MIMO) uncertain nonlinear systems. The proposed control system merges a CMAC and sliding-mode control (SMC), so the input space dimension of CMAC can be simplified. The structure of CMAC will be self-organized; that is, the layers of CMAC will grow or prune systematically and their receptive functions can be automatically adjusted. The control system consists of a self-organizing CMAC (SOCM) and a robust controller. SOCM containing a CMAC uncertainty observer is used as the principal controller and the robust controller is designed to dispel the effect of approximation error. The gradient-descent method is used to online tune the parameters of CMAC and the Lyapunov function is applied to guarantee the stability of the system. A simulation study of inverted double pendulums system and an experimental result of linear ultrasonic motor motion control show that favorable tracking performance can be achieved by using the proposed control system.     

可变速智能车辆车道变换控制研究

提出了一种能够兼顾横向控制和纵向控制的可变速自动换道控制方法。首先建立了可变速的车辆运动方程,并采用基于动态目标位置概念的控制机制,以模糊逻辑为控制策略,以T-S模糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种兼顾智能车辆横向控制和纵向控制的运动控制器。仿真结果表明,提出的控制方法是可行的、有效的,并且较为理想地模拟实际交通环境中车辆换道的行为特性。     

基于嵌入式机器视觉的测控系统设计

针对传统基于PC的机器视觉系统因其结构没有模块化,可移植性差,与工业现场设备通信比较困难等缺点,设计了基于嵌入式机器视觉的测控系统,该系统以DM642芯片为视觉图像处理单元,其控制单元为GTS-400系列运动控制器,硬件电路为基于RS232通信的DSP与运动控制器,并通过编程完成目标识别、通讯、控制功能。实验结果表明,该系统的图像处理单元成功检测到目标后,图像处理单元输出的信号能够被运动控制器快速捕捉并控制伺服电机实现点位运动。对嵌入式机器视觉应用于运动控制系统具有现实意义。 关键词：嵌入式机器视觉;DM642;运动控制器;通信     

Adaptive recurrent cerebellar model articulation controller for linear ultrasonic motor with optimal learning rates

In this study, an adaptive recurrent cerebellar model articulation controller (ARCMAC) is investigated for the motion control of linear ultrasonic motor (LUSM). The proposed ARCMAC has superior capability to the conventional cerebellar model articulation controller in efficient learning mechanism and dynamic response. The dynamic gradient descent method is adopted to online adjust the ARCMAC parameters. Moreover, the analytical method based on a Lyapunov function is proposed to determine the learning-rates of ARCMAC so that the stability of the system can be guaranteed. Furthermore, the variable optimal learning-rates are derived to achieve the fastest convergence of tracking error. Finally, the effectiveness of the proposed control system is verified by the experiments of LUSM motion control. Experimental results show that high-precision tracking response can be achieved by using the proposed ARCMAC.     

基于BP神经网络的捷联导引头控制系统设计

滚仰式捷联导引头稳定平台控制器的设计,是导引头完成闭环控制对机动目标实现快速稳定跟踪的关键.导弹在对目标进行跟踪攻击时弹体本身常常处于复杂的运动状态,这就对滚仰式捷联导引头的稳定控制产生严重影响.针对这一问题,提出了一种基于BP神经网络的PID控制器用于滚仰式捷联导引头位置回路校正环节,建立了导引头稳定与跟踪一体化仿真模型.仿真结果表明,针对滚仰式捷联导引头设计的基于BP神经网络的PID控制器的动态性能优于传统PID控制器,由此建立的导引头稳定与跟踪一体化仿真模型可以实现对导引头的闭环控制,能够对机动目标实现快速稳定的跟踪,在实际工程应用中为滚仰式捷联导引头的控制提供有益的参考.     

基于神经网络的不确定移动机器人鲁棒自适应跟踪控制

针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于Radical Basis Function（径向基函数）神经网络,提出了一种鲁棒自适应控制器.首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后利用Lyapunov稳定性理论证明了整个系统的稳定性.通过数值仿真验证了所设计的控制器的可行性.     

Lyapunov functions and the control of the Euler-Bernoulli beam

A controller for the Euler-Bernoulli beam is derived using the complete distributed model along with a Lyapunov function approach. Model structure is therefore preserved in the control law whose parameters can be used to balance two different types of behaviour: the gross motion of the beam and the vibration superimposed on it. In the limiting case of a rigid beam, these two types of behaviour become indistinguishable and so the controller reduces to a proportional feedback law. This approach also guarantees that the controller provides asymptotic trajectory tracking for smooth initial conditions. Also, since it is not constrained to linear systems it could, in principle, be used for multi-link flexible robot systems.