含有未驱动关节的空间机器人控制

含有未驱动关节的自由潭浮空间机器人具有不可积分的速度和加速度约束，因而是一个二阶非完整系统，通过分析系统的动力学结构，本文设计了一种全 基于速度控制的方法控制未驱动关节，然后采用多步混合控制策略实现空间机器人的定位跟踪。     

非驱动关节机器人的非线性闭环位置控制

以具有非驱动关节的水平两自由度机器人为研究对象,利用拉格朗日动力学方程,建立了具有非驱动臂的两关节机器人的动力学数学模型,此数学模型为二阶非线性微分方程。利用求解非线性方程的有效方法—平均值法,对已经建立的二阶非线性微分方程的数学模型进行了平均化处理,实现了数学模型的化简。同时提出了一种非线性闭环反馈的控制方法并对此控制方法进行了仿真。在控制仿真中,实现了对非驱动关节机器人系统的期望控制目标,并验证了模型化简和控制方法的有效性。     

欠驱动机器人控制策略综述

欠驱动机器人是指独立控制输人量少于系统自由度的一类机器人,具有重量轻、成本低、能耗低等众多优点,目前已引起学者们的广泛关注,介绍了欠驱动机器人控制器设计的六类策略,分析了各类策略的应用及效果,如何将鲁棒控制与其它控制策略相结合,开发出更实用、性能更优越的控制策略,有待于进一步研究.     

仿生机器人运动步态控制:强化学习方法综述

仿生机器人是一类典型的多关节非线性欠驱动系统，其步态控制是一个非常具有挑战性的问题。对于该问题，传统的控制和规划方法需要针对具体的运动任务进行专门设计，需要耗费大量时间和精力，而且所设计出来的控制器往往没有通用性。基于数据驱动的强化学习方法能对不同的任务进行自主学习，且对不同的机器人和运动任务具有良好的通用性。因此，近年来这种基于强化学习的方法在仿生机器人运动步态控制方面获得了不少应用。针对这方面的研究，本文从问题形式化、策略表示方法和策略学习方法3个方面对现有的研究情况进行了分析和总结，总结了强化学习应用于仿生机器人步态控制中尚待解决的问题，并指出了后续的发展方向。     

欠驱动冗余度空间机器人优化控制

欠驱动控制是空间技术中容错技术的重要方面.本文研究了被动关节中有制动器的欠驱动冗余度空间机器人系统的运动优化控制问题.从系统动力学方程出发,分析了欠驱动冗余度空间机器人的优化能力和控制方法;给出了主、被动关节间的耦合度指标;提出了欠驱动冗余度空间机器人系统的“虚拟模型引导控制”方法,在这种方法中采用与欠驱动机器人机构等价的全驱动机器人作为模型来规划机器人的运动,使欠驱动系统在关节空间中逼近给出的规划轨迹,实现了机器人末端运动的连续轨迹运动优化控制;通过末关节为被动关节的平面三连杆机器人进行了仿真,仿真的结果证明了提出算法的有效性.     

外骨骼机器人关节驱动及优化研究

随着工业4.0时代的到来,我国正加速向工业4.0迈进。以智能制造为主导,将工业机器人和传统制造业有机结合,充分利用先进技术实现产品质量、安全和生产效率的提高。外骨骼机器人作为一种特殊机械设备,是为改善下肢功能障碍人士及行动不便人士而设计的。外骨骼机器人能在特定的环境下帮助运动机能障碍人士进行训练和生活自理功能重建,并且其机械关节驱动系统能够对关节进行运动控制。在外骨骼机器人设计过程中,采用动态驱动、伺服驱动器、自适应可调节关节及柔性传动装置。通过建立某医院辅助服务外骨骼机器人的动力学模型和电机驱动参数库,提出一种优化外骨骼机器人驱动系统的方法。     

具有非驱动关节机器人基于位置和速度反馈的控制研究

本文以具有非驱动关节的水平两自由度机械手为对象，建立了其动力学数学模型，对具有非完全约束机器人的特点进行了分析。利用解非线性方程的有效方法平均值法对模型进行了处理，得到平均值系统，使模型得到简化，控制策略是基于速度位置反馈的方法控制非驱动关节，经过仿真实现，该控制方法非常有效。     

一种欠驱动柔性机器人模型的建立及控制

采用Lagrange建模方法建立了欠驱动柔性自平衡机器人的数学模型,对柔性关节部分考虑了其弹性势能,仿真验证了模型的正确性,刚度越大,机器人上半身角度跟踪越快.采用线性二次型最优控制有效地控制了柔性机器人的平衡问题,通过实验,验证了在状态不完全可观测情况下系统的可控性,实验表明,只需机器人上半身部分安装传感器即可控制机器人达到平衡状态.对机器人结构的设计提供了参考.     

一类欠驱动系统的非线性输出跟踪控制

针对一类模型结构为非下三角的欠驱动系统,在反步法的框架下研究了其非线性输出跟踪控制问题．鉴于在此类欠驱动系统的反步法设计中,沿用一般下三角系统的偏差难以镇定全部的偏差动态,由此引入了“联系函数”的概念．在反步法设计中,构造了异于下三角系统的偏差,设计了状态反馈跟踪控制器,保证了系统偏差的全局一致渐近稳定性．仿真结果表明...     

欠驱动两关节平面机械手的控制

欠驱动平面机械手是带有非完整约束的高度非线性系统,对其进行有效的控制仍然是个难点热点问题。针对最具代表性的两关节情形,给出了欠驱动两关节平面机械手的动力学方程,据此分析了该系统的可积性、线性化、稳定性、可控性和可反馈镇定性。根据控制目标的不同,将控制任务分为镇定到流形、镇定到单个平衡点和跟踪时变信号3种。针对这3种控制任务,分别回顾了各种已有的控制方式,仔细分析了它们的优点和有待改进的地方。最后探索了欠驱动平面机械手的研究中需要解决的几个关键问题,指出未来的可能研究方向。     

具有n个传动器的n个关节机器人系统的学习控制方法

针对由n个传动器所驱动的n个关节机器人系统,采用学习控制的方法讨论了其跟踪控制的问题.首先通过变换降阶,将相应系统转化为低阶系统,然后针对低阶系统进行设计．该方法消除了Kawamara方法在学习过程中要求每次学习都要经过相同的初始值的限制,从而克服了Kawamara方法难以应用到“学习过程中存在初态偏差”的困难.仿真结果说明了此方法的有效性和优越性.     

非线性系统的神经网络学习控制

主要控制了一类非线性系统的神经网络学习控制问题。讨论了以迭代学习方式训练的神经网络学习控制器，在满足一定条件，可以实现一定时间内的系统输出跟踪。     

非线性时变系统开闭环P型迭代学习控制的收敛性

对于非线性时变系统,给出了其开闭环P型迭代学习控制收敛的充要条件.这些收敛条件与被控系统状态方程的具体形式无关.对比表明,该文的结论改进了现有结果.     

一种机器人轨迹跟踪控制的迭代学习方法

本文提出了一种新的迭代学习策略并详细报告了在1台实验用机器人上的实验结果．这 个方法的特点是对于动力学参数未知的系统, 可以通过实验方便地确定满足收敛条件的学习 控制器参数． 因此,它具有实用价值, 并有可能将其使用范围推广到除机器人规迹控制外的 其它控制领域.     

工业机器人的学习控制

加速度传感器装在机械手手部,各关节的加速度由加速度分解算法得到.然后,提出了一种学习控制法,这种控制法利用加速度误差校正驱动器运动.并提出了一种基于几何级数的极限条件估计学习控制过程收敛条件的理论方法.本文所提出的学习控制理论的有效性通过 PUMA-562 机器人的计算机仿真实验得到了证实.     

学习控制的结构方案

研究和评述了学习控制的有代表性的结构类型，包括基于模式识别的学习控制、反复学习控制、重复学习控制和基于连接机制的学习控制等．本文着重讨论了学习控制的结构机理，提供了应用的基础．大多数控制结构方案都获得实际应用的验证．     

无奇异间接迭代学习控制及其在机器人运动模仿中的应用

针对相当广泛的一类非线性系统有限时间轨迹跟踪问题,提出了间接迭代学习方案. 采用最小二乘算法,根据重复跟踪历史辨识非线性系统的线性化模型.利用一个分段学习方案 可保证学习控制总在有效线性近似区域内进行.探讨了如何在学习过程中避免控制奇异问题, 提出了一种高效的参数修正方法,保证输入耦合矩阵的估计行列式不为零.本文将这一控制方 案应用于未知机器人及摄像机模型下的机器人运动模仿中,而不面临任何奇异问题.这是一个 采用摄像机替代传统程序编写的新的机器人编程方法.     

具有实时性保障的INTERNET机器人控制系统设计方法

本文提出了一种具有实时性、可靠性保障的INTERNET网络机器人控制系统的设计方法. 基于 该方法设计的网络实时控制系统能够满足机器人实时、高效、灵活的技术特点．该方法的核 心为基于UDP传输协议的网络数据补偿算法，通过对网络传输过程中丢失的数据进行实时在 线补偿预测，降低了网络数据的丢失对系统的影响．实验结果证明该方法的有效性、合理性 ．     

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．     

采用神经元补偿器的机械手计算转矩控制算法

在本文中,我们提出了一种神经网络控制方法,以增 强在机械手控制中普遍使用的计算转矩控制结构．本算法将计算转矩控制结构,和神经网络 补偿结构有效地结合起来,使得在不增加控制结构复杂性的基础上,大大增强了控制的鲁棒 性．由于神经元补偿器具有很强的自适应性,因此在整个控制算法中无需事先精确了解机器 人的动力学参数和结构,而且在操作中变化的参数也能得到很好的补偿．这种算法还有一个 突出的优点就是,神经元补偿器作为前馈控制回路中的一个独立部分,使得整个控制系统能 够实现多速率采样控制结构．