机器人C-空间障碍边界建模与无碰路径规划

基于机器人与障碍实体的实际碰撞关系，通过对Ｃ－空间障碍的特性分析，定义了临界碰撞关节角，提出了基于临界碰撞关节角的Ｃ－空间障碍边界建模方法．该方法计算量小，可直接同机器人动态仿真模型相联，便于系统集成．路径搜索利用改进的Ａ＊算法，采用动态变步长并进行目标可见性测试，提高了搜索效率，并利用全局路径优化算法对路径进行了优化．仿真结果表明本文提出的算法对静态结构化环境下机器人操作机的路径规划是切实有效的．     

空间机器人连续运动轨迹控制建模和仿真研究

基于地面机器人常用的D-H 建模方法和空间机器人（SR）满足的动量守恒和角动量守恒原理,提出 了SR 连续运动轨迹控制建模算法．首先基于地面机器人雅可比矩阵的思想和D-H 法,建立了适用于空间机器人 的运动学模型;其次研究了空间机器人的广义雅可比矩阵计算及其连续运动轨迹控制的有效算法;最后通过计算 机仿真验证了所提出算法的有效性．本文基于D-H 方法的SR 概念模型和运动学模型可推广到包含旋转关节和平 移关节的树型结构链杆的任何SR．     

机器人带未知负载条件下的碰撞检测算法

未知负载会增大机器人模型误差，对碰撞检测产生严重干扰，甚至导致算法失效．为此，本文提出了一种适用于机器人带负载工作情况的碰撞检测算法．首先，基于机器人广义动量设计具有带通滤波特性的新型力矩观测器，通过对机器人动力学频域特性进行分析，得到机器人动力学模型与关节运行速度对应的最大频率阈值，确定带通力矩观测器的参数．然后，利用带通力矩观测器对关节力矩信号进行滤波，提高碰撞检测算法对机器人模型误差的容忍度．最后，通过人与机器人交互实验进一步验证了该碰撞检测算法的有效性．实验结果表明，该算法与已有的算法相比具有更好的鲁棒性，可满足机器人带未知负载0～2 kg的工作需求．     

自由飞行空间机器人的关节驱动力矩求解算法

本文首先分析了自由飞行空间机器人(FFSR)的速度和加速度关系,在此基础上建立了计算FF SR机械手各连杆的速度和加速度的递推公式;其次基于Luh等人针对地面机器人提出的Newto n-Euler动力学算法,开发了适用于FFSR的关节驱动力矩的递推算法;最后,用计算机仿真 验证了本文提出的关节力矩算法的有效性．     

基于关节驱动力矩的自由飞行空间机器人捕捉目标控制算法

本文研究了自由飞行空间机器人(FFSR)关节驱动力 矩的求解算法及在其基础上的捕捉目标控制算法．首先,建立了计算FFSR关节驱动力矩的求 解算法;其次结合基于广义雅可比矩阵的分解运动速度控制法提出了一种捕捉目标的力矩控 制算法;最后,计算机仿真验证了本文提出算法的有效性．     

IVECO横梁焊接机器人轨迹规划及计算机仿真研究

机器人的轨迹规划可以在关节空间中进行 ,也可以在直角坐标空间中进行 .本文分析了这两种轨迹规划的特点 ,给出了基于关节空间的轨迹规划算法和基于直角坐标空间的轨迹规划算法 .针对 IVECO横梁的焊接 ,进行了机器人的轨迹规划研究 ,并进行了计算机仿真 ,该研究成果已应用于 IVECO横梁焊接工作站系统     

基于执行时间约束的机器人关节空间轨迹优化

为在保证机器人运动轨迹的平滑性的条件下提高机器人工作效率,提出一种基于轨迹执行时间归一化处理的关节空间运动轨迹规划优化算法。对轨迹的执行时间进行归一化处理,分析关节空间位置、速度、加速度的运动轨迹相对于归一化时间的数学模型;考虑关节运动参数的约束条件,采用五次多项式拟合机器人在关节空间的运动轨迹,分析不同轨迹执行时间对关节位置运动轨迹的超调量的影响,实现机器人关节空间的位置轨迹优化;在M atlab环境里对机器人的运动轨迹进行仿真建模,完成机器人运动学仿真。多组仿真结果表明,该算法在保证机器人轨迹平滑的基础上,能保证轨迹执行时间最优,有效地提高机器人的运动效率。     

自由飞行空间机器人的关节驱动力矩递推算法及其仿真

由于空间特有的微重力环境和卫星本体重心不固定,机械手和卫星本体之间存在运动学和动力学耦合作用,已有针对地面机器人提出的计算关节力矩的 Ｎｅｗ ｔｏｎ Ｅｕｌｅｒ 法和地面机器人的控制策略不能直接应用于自由飞行空间机器人（ Ｆ Ｆ Ｓ Ｒ）的研究报告．文中首先分析了 Ｆ Ｆ Ｓ Ｒ 的速度和加速度关系,在此基础上建立了计算 Ｆ Ｆ Ｓ Ｒ机械手各链杆的速度和加速度的递推公式;其次基于已有的针对地面机器人提出的 Ｎｅｗ ｔｏｎ Ｅｕｌｅｒ 动力学算法,开发了适用于 Ｆ Ｆ Ｓ Ｒ 的关节驱动力矩的递推算法;最后,用计算机仿真验证了文中提出的关节力矩算法的有效性     

机器人灵巧手抓持分类器的设计与实现

机器人灵巧手的抓持分类是抓持规划的一个主要问题．本文应用模式识别技术设计和实现了 一种基于高斯混合模型GMM的分类器． 采用Expectation Maximization(EM)算法估计GMM的 参数，对人手的抓持动作进行识别与分类，经过人手到机器人手的关节空间运动映射，实现 了机器人灵巧手的抓持动作分类．该分类器可以应用于在线抓持规划．     

双机器人协调作业下碰撞算法及仿真研究

本文立足于关节水平，从双机器人碰撞研究入手，提出了机器人协同作业下碰撞检测 、干涉空间的算法，解决了机器人与周边环境任意障碍物碰撞问题．建立了连杆与连杆，连 杆与平面，连杆与任意三维实体避障理论模型，给出了相应的计算方法及计算机仿真结果．     

Robust robot manipulator control with autonomous consideration algorithm of torque saturation

As each joint actuator of a robot manipulator has a limit value of torque, the motion control system should consider the torque saturation. Conventional motion control based on robust acceleration controller cannot consider the torque saturation and it often causes an oscillated or wrong response. This paper proposes a new autonomous consideration method of joint torque saturation for robust manipulator motion control. The proposed method consists of three on-line autonomous algorithms. These algorithms are the torque limitation algorithm in joint space, the adjustment algorithm of motion control in Cartesian space, and the adjustment algorithm of motion reference in Cartesian space. The robot motion control using the proposed algorithms realizes smooth and robust robot motion response.     

人工关节试验机电液力伺服控制系统迭代学习控制策略仿真

本文首先介绍了人工关节试验机电液力伺服控制系统的构成，并分析了其静特性。针对力系统的特性，本文提出了一种闭环比例型一阶给定超前迭代学习控制算法，并对其控制效果进行了仿真研究。研究结果表明，采用迭代学习控制算法可以有效地提高力系统的跟随精度。     

基于深度强化学习的生鲜产品联合库存控制与动态定价研究

针对生鲜产品的易逝性特征以及复杂多变的现实环境导致生鲜产品的最优订货和定价策略难以获得的问题,提出了基于深度强化学习方法的生鲜产品联合库存控制与动态定价方法,结合生鲜产品特性对问题进行建模并定义为马尔可夫决策过程,然后基于深度强化学习设计了生鲜品联合库存控制和动态定价算法。实验结果表明,基于深度强化学习的联合库存控制和动态定价策略收益表现最佳,因此,基于深度强化学习的联合库存控制和动态定价研究能够提高企业收益,有效促进强化学习在收益管理领域的落地,具有实际应用价值。     

基于迭代学习的机械手操作空间力/位置混合控制算法

基于对常规机械手操作空间力/位置混合控制算法的简单回顾,及对该算法所遇到 困难的分析,提出了一种基于迭代学习的机械手操作空间力/位置混合控制算法,来改善机械 手同高刚度环境接触时,机械手力/位置混合控制的动态控制性能．给出了学习算法的收敛条 件及其证明.实验表明该算法具有快速的收敛性,能达到很高的力/位置动态控制精度.     

基于迭代学习的机械手操作空间力/位置混合控制算法

基于对常规机械手操作空间力／位置混合控制算法的简单回顾，及对该算法所遇到困难的分析，提出了一种基于迭代学习的机械手操作空间力／位置混合控制算法，来改善机械手同高刚度环境接触时，机械手力／位置混合控制的动态控制性能．给出了学习算法的收敛条件及其证明．实验表明该算法具有快速的收敛性，能达到很高的力／位置动态控制精度．     

空间机器人控制系统硬件仿真平台的研究

建立了空间机器人控制系统的硬件仿真平台。研究了空间机器人基于手眼视觉的控制问题,建立了系统关键部件的模拟设备。仿真平台由中央控制器、关节模拟器、手眼模拟器、动力学/运动学仿真计算机和三维动画显示计算机组成。基于该平台,对空间机器人控制特性和仿真过程中的延时环节进行了研究。系统自主捕获仿真试验结果表明,所采用的运动控制算法能够稳定收敛于目标,仿真平台能够较好地完成对实际机器人系统控制过程的模拟测试及系统控制算法的验证。     

基于免疫算法的多匝道MF-AILC控制方法

针对高速公路交通系统的重复性和周期性,提出基于免疫算法的高速公路多匝道无模型自适应迭代学习控制（MF—AILC）联合协调控制,以高速公路最大流量、全局最小行程时间和入口平均等待时间三者为目标函数,用免疫算法对多匝道协调迭代学习控制器进行优化。仿真结果表明,与无控制情况下进行比较,该控制方法具有良好的控制效果和较强的鲁棒性。     

Integrated PID-type Learning and Fuzzy Control for Flexible-joint Manipulators

The increased complexity of the dynamics of robots considering joint elasticity makes conventional model-based control strategies complex and difficult to synthesize. In this paper, a model-free control using integrated PID-type learning and fuzzy control for flexible-joint manipulators is proposed. Optimal PID gains can be learned by a neural network learning algorithm and then a simple standard fuzzy control could be incorporated in the overall control strategy, if needed, for enhancing the system responses. A modified recursive least squares algorithm is suggested for faster learning of the connection weights representing the PID-like gains. Simulation results show that the suggested simple model-free approach can control a complex flexible-joint manipulator to meet stringent requirements for both transient and steady-state performances.     

机器人在任务空间的变结构跟踪控制

本文提出了一种面向任务空间的机器人变结构控制算法.该算法不需要从任务空间到关 节空间的坐标变换,直接利用任务坐标计算控制力矩.变结构控制的主要思想在于将复杂的 切换条件问题离线进行,从而庞复的动力学实时控制的计算问题可以迎刃而解.     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量（QoS）并提高网络能效,构建一种基于深度强化学习（DRL）的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。