多变魔方机器人的控制系统设计

介绍了一种新型的可重构模块化机器人(多变魔方机器人),它同时拥有自重构、自组装和群体机器人的特点.多变魔方机器人的每个模块都可以自主移动并与其他模块自组装成魔方结构,还可以被配置成各种不同形态,实现变形.多变魔方机器人选用控制功能强大的ARM芯片和高可靠的ATmega8单片机,应用Zigbee无线网络通信构建了模块化分布式控制系统,有效地实现了机器人的运动控制.本文详细描述了多变魔方机器人模块的硬件结构,软件体系以及系统的工作原理.     

一种机器人嵌入式网络化控制系统体系结构的研究

针对机器人控制系统，探讨了基于串行总线的网络化控制系统的优缺点，提出了一种新的以ARM和FPGA为核心的机器人分布式多CAN总线控制系统体系结构．该体系结构有效地降低了网络化控制系统中对总线带宽的需求，可以实现对控制信息的分级处理和实时的伺服控制．还设计了基于FPGA的多CAN总线控制器，介绍了基于Linux的机器人控制软件体系结构的实现方法．最后，在模块化机器人中的应用表明该网络化控制系统体系结构是可行的．     

腹腔镜机器人控制系统的设计及实现

根据机器人辅助微创手术任务的特点设计了腹腔镜机器人控制系统．研究了基于运动控制卡的 开放式机器人控制器结构,设计了机器人伺服系统及相应控制器硬件接口,采用面向对象的技术和模块化思 想开发了系统控制软件,应用灵活度和可操作度概念建立了腹腔镜机器人的手术规划和控制平台．通过调试 伺服参数提高了系统控制性能．实验表明,该腹腔镜机器人控制系统具有稳定性、高可靠性和多任务适应性, 满足微创手术需求．     

线驱动模块化七自由度机器人轨迹跟踪控制

阐述了一种线驱动与常规串联驱动相结合的混合设计方法．这种设计方法融合了线驱动并联机构和模块化串联机构的优点，而且混合驱动机器人的工作空间大于完全线驱动机器人的工作空间．文章首先介绍了混合驱动机器人的机构设计，也就是机器人的肩关节采用模块化串联结构，而肘、腕关节采用线驱动结构．然后利用几何分析的方法来解机器人前向运动学问题．在分析驱动线长与关节角之间变换关系的基础上，分别利用速度法和关节角增量法来计算机器人逆向运动学解．最后，使用VC++实现混合驱动机器人对直线运动轨迹进行跟踪的仿真，从而证明了文章所描述的设计方法的正确性．     

可重构模块化机器人研究

可重构模块化机器人是机器人学的一个新的发展方向,其研究的核心和基础问题是可重构机器人的模块设计以及模块组合的运动规划。设计了一种新型可重构模块化机器人,该机器人具有独特的平面连接机构,实现了结构、驱动、运动和功能的模块化,能够根据需要重新构形,完成实时任务。分别介绍了模块单元的机械结构设计、连接机构以及基于CAN总线的控制系统结构。构建了基于OpenGL技术和VC++开发平台的机器人仿真实验系统,仿真机器人构形和运动,验证了模块设计的正确性和整体运动构形规划方法的有效性。     

小型仿人机器人THBIP-II 的研制与开发

为了解决仿人机器人小型化、集成化带来的技术问题,并实现仿人机器人在复杂非结构人类生活环境 中的应用,本文研制并开发了新一代小型仿人机器THBIP-II,给出了THBIP-II 的系统组成,包括机械结构、控制系 统和感知系统．THBIP-II 高700mm,重18 kg,共配置24 个自由度,采用模块化关节和同步带加谐波减速器的传动 结构实现机器人的小型化,其控制系统为典型的分布式控制系统．同时,本文建立了THBIP-II 三维仿真平台,基于 力矩最优的3D 参数化步态规划方法,成功实现了步长为15 cm、步速为0.075 m/s 的平地行走和稳定的踢球动作．     

可重构星球探测机器人控制系统的设计与实现

介绍了一种新型可重构星球探测机器人系统. 基于这种机器人功能和结构的分解特点,设计了模块化控制系统,使用CAN总线技术作为模块间主要通讯方式. 提出了控制原理和集中式控制算法,有效地实现了一台子机器人在不同模式状态下自主运动和操作的控制, 并通过原理样机实验验证了这套控制系统的可行性.     

基于EtherCAT的开放式机器人控制系统研究

针对目前工业机器人控制系统存在的问题,提出了基于EtherCAT工业以太网开放式机器人控制系统结构,采用基于标准Windows的TwinCAT构建控制系统软件,引入模块化设计方法,利用高速工业以太网EtherCAT搭建多层控制结构,提高了系统开放性和可靠性,缩短了系统开发周期,降低了硬件成本.     

基于ARM的嵌入式系统在机器人控制系统中应用

依据现代机器人技术的发展特点,提出了一种基于ARM(AdvancedRISCMicroprocessor)、DSP和arm-linux的嵌入式机器人控制系统的设计方法,介绍了嵌入式系统,给出了功能设计、结构设计、硬件设计、软件设计的控制系统的设计过程,并分别从上述各方面对控制系统的通用性进行了探讨。层次化的体系结构、模块化的硬件、结构化的软件使得设计出的机器人控制系统经过简单的硬件调整和软件定制,就能适用于多种机器人。通过七自由度串联机器人抓取工件的实例验证,该机器人控制系统性能稳定、具有一定的通用性。     

基于ARM的嵌入式系统在机器人控制系统中应用

依据现代机器人技术的发展特点，提出了一种基于ARM（Advanced RISC Microprocessor）、DSP和arm-linux的嵌入式机器人控制系统的设计方法，介绍了嵌入式系统，给出了功能设计、结构设计、硬件设计、软件设计的控制系统的设计过程，并分别从上述各方面对控制系统的通用性进行了探讨。层次化的体系结构、模块化的硬件、结构化的软件使得设计出的机器人控制系统经过简单的硬件调整和软件定制，就能适用于多种机器人。通过七自由度串联机器人抓取工件的实例验证，该机器人控制系统性能稳定、具有一定的通用性。     

基于多传感器的可变形机器人自主控制方法研究

将GPS、电子罗盘、倾角仪、码盘传感器应用到可变形机器人自主运动控制中。针对可变形机器人自身结构特点，提出了一种基于多传感器信息融合的可变形机器人在野外环境中自主控制的方法。该方法主要实现了在非结构环境中机器人的自主变形、自主避障和自主导航定位的功能。实验验证了该方法的有效性。     

可变形灾难救援机器人控制站系统的设计与实现

针对灾难救援应用领域具体需求,提出了控制站系统的设计原则.基于人机交互技术,设计了可变形灾难救援机器人控制站系统,该系统具有感知信息完整、操控灵活、界面友好、交互性强等特点.通过灾难救援模拟环境进行实验,验证丁该控制站系统可以实现机器人在复杂环境中的运动控制、多通道信息交互等功能,在灾难救援等领域具有可行性及有效性.     

基于D-H法的农业采摘机器人运动协作控制系统设计

为提升农业采摘机器人运动协作控制性能,降低机器人碰撞概率,利用D-H法优化设计机器人运动协作控制系统。改装位置、力矩以及碰撞传感器设备,优化运动协作控制器与驱动器,调整系统通信模块结构,完成硬件系统的优化。利用D-H法构建农业采摘机器人数学模型,在该模型下,利用传感器设备实现机器人实时位姿的量化描述,通过机器人采摘流程的模拟,分配机器人运动协作任务,从位置和姿态等多个方面,确定运动协作控制目标,经过受力分析求解机器人实际作用力,最终通过控制量的计算,实现农业采摘机器人的运动协作控制功能。通过系统测试实验得出结论：与传统控制系统相比,机器人位置、姿态角和作用力的控制误差分别降低了约40mm、0.2°和1.2N,在优化设计系统控制下,机器人的碰撞次数得到明显降低。     

基于ROS的协作机器人控制系统

为了实现协作机器人的控制,对协作机器人进行了控制系统研究,在保证系统鲁棒性和实时性的前提下,提出了在PC机上,构建基于Ubuntu系统下结合ROS,利用CAN通讯的方式,搭建协作机器人的控制系统.最后通过仿真实验和实体机器人控制实验,验证协作机器人控制系统应用效果.实验结果表明,该协作机器人控制系统具备控制协作机器人进行路径规划的基本工作能力,能够很好的建立上下位机的通讯,进行协作机器人控制.同时本控制系统具有模块化、可移植性高、框架清晰、低延时等特点.     

PMSM驱动机器人的FSMC与EPCH协同控制

单独一种控制方法难以使机器人末端快速、准确地跟踪位置变化,针对这一问题,提出了模糊滑模(FSMC)信号控制与误差端口受控哈密顿(EPCH)能量控制的协同控制策略.FSMC解决了系统动态时的快速性问题,EPCH控制解决了系统稳态时的准确性问题.设计了基于误差的协同函数,利用协同函数来实现对机器人关节系统的协同控制,使机器...     

多机器人协同控制与编队方法研究

随着多机器人系统的研究和发展,其协同控制问题成为核心研究问题。文章针对多机器人编队问题进行了研究,目的是探索一种通用、有效的编队控制领域的研究策略和研究方法,并给出了一种编队控制方法,通过仿真实验对控制算法的可行性及稳定性进行了研究和验证,在多机器人环境下完成了实体机器人实验,收到良好效果。     

A method for grinding removal control of a robot belt grinding system

As a kind of manufacturing system with a flexible grinder, the material removal of a robot belt grinding system is related to a variety of factors, such as workpiece shape, contact force, robot velocity, and belt wear. Some factors of the grinding process are time-variant. Therefore, it is a challenge to control grinding removal precisely for free-formed surfaces. To develop a high-quality robot grinding system, an off-line planning method for the control parameters of the grinding robot based on an adaptive modeling method is proposed in this paper. First, we built an adaptive model based on statistic machine learning. By transferring the old samples into the new samples space formed by the in-situ measurement data, the adaptive model can track the dynamic working conditions more rapidly. Based on the adaptive model the robot control parameters are calculated using the cooperative particle swarm optimization in this paper. The optimization method aims to smoothen the trajectories of the control parameters of the robot and shorten the response time in the transition process. The results of the blade grinding experiments demonstrate that this approach can control the material removal of the grinding system effectively.     

无人仓多搬运机器人协同作业轨迹自动控制研究

由于无人仓多搬运机器人协同作业线路较为复杂,导致协同作业轨迹控制难度增加,为了保证多搬运机器人能够按照规划路线执行搬运作业,提出了无人仓多搬运机器人协同作业轨迹自动控制方法;采用栅格图建模法,结合无人仓内货架的实际分布情况,建立无人仓环境场景;从组成结构、运动学以及动力学3个方面,构建搬运机器人的数学模型;遵循就近原则分配多机器人搬运任务,规划多搬运机器人的协同作业轨迹,根据多搬运机器人实时位姿的自动检测结果计算控制量,利用作业轨迹自动控制器的安装与运行,完成无人仓多搬运机器人协同作业轨迹的自动控制任务;实验结果表明,在该方法应用后,多搬运机器人在无人仓中的作业轨迹与规划轨迹基本相同,计算得出的平均位置控制误差和姿态角控制误差分别为2.27 cm和0.05°,搬运机器人的碰撞次数能被控制在规定范围内,实际应用效果好。     

Autonomous reconfiguration of robot shape by using Q-learning

A modular robot can be built with a shape and function that matches the working environment. We developed a four-arm modular robot system which can be configured in a planar structure. A learning mechanism is incorporated in each module constituting the robot. We aim to control the overall shape of the robot by an accumulation of the autonomous actions resulting from the individual learning functions. Considering that the overall shape of a modular robot depends on the learning conditions in each module, this control method can be treated as a dispersion control learning method. The learning object is cooperative motion between adjacent modules. The learning process proceeds based on Q-learning by trial and error. We confirmed the effectiveness of the proposed technique by computer simulation.     

A cooperative behavior learning control of multi-robot using trace information

The distributed autonomous robotic system has superiority of robustness and adaptability to dynamical environment, however, the system requires the cooperative behavior mutually for optimality of the system. The acquisition of action by reinforcement learning is known as one of the approaches when the multi-robot works with cooperation mutually for a complex task. This paper deals with the transporting problem of the multi-robot using Q-learning algorithm in the reinforcement learning. When a robot carries luggage, we regard it as that the robot leaves a trace to the own migrational path, which trace has feature of volatility, and then, the other robot can use the trace information to help the robot, which carries luggage. To solve these problems on multi-agent reinforcement learning, the learning control method using stress antibody allotment reward is used. Moreover, we propose the trace information of the robot to urge cooperative behavior of the multi-robot to carry luggage to a destination in this paper. The effectiveness of the proposed method is shown by simulation. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008