基于多关节机器人的能量最小消耗控制策略*

为了能够在有限的能量供给的情况下延长机器人运行时间,针对此类机器人在运动中的耗能问题,提出一种通过改进梯形升降速算法来实现多关节机器人能量最小消耗的控制方法。首先对多关节机器人的协调控制及能耗问题进行了研究,利用梯形升降速算法的速度函数与伺服电机耗能之间的关系推导出该算法的能量函数;然后通过求解能量函数最小值,得出梯形速度曲线基于能量最优的时间参数,利用该时间参数来设定伺服电机各运动阶段的时间,使机器人耗能最小。最后通过实验计算及分析,验证了所述控制策略在解决机器人耗能最小化问题上的有效性。     

基于关节力矩的柔性关节机器人的控制策略

由于关节柔性降低了系统的带宽并影响系统的鲁棒稳定性,因此,采用基于关节力矩负反馈的控制策略。通过减小电机端有效惯量的方法可以大大提高系统带宽并增强鲁棒稳定性;在机器人的控制上,采用一种基于全状态反馈的复合控制结构,证明了系统的稳定性,并在现有的机械臂上实现了位置和阻抗控制实验,验证了该控制策略的有效性和可行性。     

ISG-FHEV等效燃油消耗最小控制策略

为了有效提高ISG重度混合动力汽车(full hybrid electric vehicle assisted by an integrated starter generator,ISG-FHEV)发动机和电机驱动系统效率以及整车的燃油经济性,设计了一种等效燃油消耗最小控制策略(equivalent consumption minimization strategy,ECMS);在分析ISG-FHEV功率分流模式的基础上,同时考虑发动机和电机驱动系统效率,构建出包含发动机和电机驱动系统的功率分配、ISG电机和主电机间的功率分配两个控制变量的整车等效燃油消耗最小目标函数;引入庞特里亚金极小值原理(pontryagin’s minimum principle,PMP)并加入电池SOC偏差控制确定等效因子;最后,进行了仿真和对比分析;结果表明,与基于规则的控制策略相比,发动机效率提高9%,ISG电机和主电机总效率提高11.4%,百公里耗油量降低9.98%。     

基于激光雷达的多关节机器人姿态自动控制研究

为了避免机器人坡面行进姿态与平坦地形直行姿态出现较大偏差,保证多关节机器人运动稳定性,研究基于激光雷达的多关节机器人姿态自动控制方法;结合激光雷达定位导航技术,构建CPG单元振荡器模型,根据运动步态生成原则优化处理足结构参数,完成多关节机器人的运动姿态参数设定;根据姿态参数设定结果实现运动坐标转换,利用动力学方程的简化与分解表达式,确定非线性耦合项参数化处理结果,整合所得变量数据建立反馈控制器连接闭环,利用反馈控制器连接闭环自动控制多关节机器人姿态;对比实验结果表明,在激光雷达技术作用下,机器人上、下坡步长与平坦直行步长之间的误差最大值仅为10%,机器人行进过程中不会出现明显晃动情况,多关节机器人运动稳定性较高。     

基于智能算法的工业机器人多关节同步控制技术研究

由于多机器人的广泛使用,其对机械臂的要求也从以前的高稳定、高可靠转向了高速、高稳定、高鲁棒性。为此,探索一种基于径向基函数神经网络(Radial Basis Function neural network, RBFNN)权重的新方法,以实现对未知的非线性动态模型的估算。经过模拟实验,研究所述的控制方案在初始位置1处具有1.5 s的收敛速度、10^-6 rad的收敛率和1.8 s的收敛性;在初始位置2处,本算法具有1.5 s的收敛速度、10^-3 rad的收敛率、1.1 s的同步错误和1 s的连续扰动。实验证明,所设计的控制器可以有效地避免系统的初始化,并可使控制精度达到一定的精度;该方法在抗突发外部扰动时,有较强的抗冲击能力。     

基于多关节机器人运动学分析的故障检测方法

基于多关节机械臂运动学的理论和对不同状态下机械臂末端轨迹的分析,利用不同时刻旋转连杆对于末端的增量关系,提出了一种基于机械臂整体分析的故障检测方法,做到了在不增加传感器的前提下,快速定位故障和识别机器人关节的渐变故障.     

多关节机器人的神经滑模控制

针对含有建模误差和不确定干扰的多关节机械臂轨迹跟踪控制,提出了一种神经滑模控制方法。该方法采用全局快速终端滑模面保证了系统状态能够在有限时间内到达滑模面和平衡点。采用径向基函数神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动。利用李亚普诺夫稳定性判据推导出了控制器的控制律和神经网络的目标函数,通过神经网络的在线学习,削弱了滑模控制的抖振。仿真结果表明了其有效性。     

基于最小能量小波框架的多聚焦图像融合算法

针对正交小波不能同时具备光滑性、紧支性和对称性的缺点,论文提出了基于最小能量小波框架的多聚焦图像融合算法。该方法能够克服传统基于正交小波的融合算法所造成的边缘失真等现象。通过仿真,表明该算法具有较好的融合效果。     

基于能量感知的最小能量动态源路由

在MANET中节点必须依靠可携带的有限电源供电,为了尽可能延长节点及网络的寿命,节能方法一直是专业人员致力研究的问题.基于能量感知的最小能量动态源路由协议是针对最小能量动态源路由协议提出来的.引入能量感知策略就是使路径的剩余能量成为主要的度量指标来选取最佳路径,选择剩余能量最大的路径转发数据,并且减少节点能源的浪费和过度使用等问题.     

基于RBF神经网络的多关节机器人固定时间滑模控制

针对具有典型非线性特性的多关节机器人轨迹跟踪控制问题,提出一种基于径向基函数(RBF)神经网络的固定时间滑模控制方法.首先,基于凯恩方法建立包括系统模型不确定性以及外部干扰在内的多关节机器人动力学模型;然后,根据机器人动力学模型设计一种固定时间收敛的滑模控制器, RBF神经网络用来逼近系统模型中的不确定性项,并利用Lyapunov理论证明该系统跟踪误差能在固定时间内收敛;最后,对特定型号的多关节机器人虚拟样机进行仿真分析,结果表明:与基于RBF神经网络的有限时间滑模控制器相比,所提出控制器具有良好的跟踪性能且能保证系统状态在固定时间内收敛.     

基于红外传感皮肤的多关节机器人自主运动方法研究

本文研究了障碍环境下多关节机器人自主实时避碰运动理论、技术与方法. 研制的新型红外传感皮肤, 可以为多关节机器人提供所需要的周围环境信息. 针对非结构化环境下的多关节机器人实时避障问题, 提出了一种未知环境下的机器人模糊路径实时规划新方法. 实验结果表明: 基于研制的红外传感皮肤和模糊运动规划算法, 多关节机器人可以在未知或时变环境下自主工作.     

基于嵌入式Linux的仿生多关节机器人通信系统研究

针对机器人通信系统存在随着通信距离的增加通信频率降低的问题,提出基于嵌入式Linux的仿生多关节机器人通信系统。首先,根据仿生多关节机器人通信系统的硬件结构,选择系统硬件类型;其次,在系统硬件的支持下,采用嵌入式Linux通信控制器,设计机器人上位机通信连接;最后,基于通信连接设计仿生多关节机器人的通信采集、处理环节,完成仿生多关节机器人通信系统开发。实验结果表明,开发的系统可以实现机器人的远程通信,并且随着通信距离的增加,该系统的通信频率仍保持在90 Hz以上。     

多关节机器人工作空间仿真方法

多关节机器人的工作空间是反映机器人运动能力的一个重要指标。提出了一种简化的多关节机器人工作空间仿真方法,可以不用求解正运动学方程,只要根据简单的机器人关节变换参数就可以通过仿真迅速得到其运动空间。以Brokk50机器人为例,首先建立其D-H变换坐标图并确定变换参数,然后以Matlab为仿真工具建立仿真模型并验证参数正确性,最后运用提出的新方法快速求出其运动空间。从而能够为多关节机器人的设计改进、遥操作和轨迹规划等工作提供参考。     

基于遗传算法的能量均衡覆盖控制策略

研究优化网络通信、延长网络寿命问题,由于无线传感器网络中覆盖率、工作节点数和能耗均衡互相矛盾。为了选择最优覆盖节点集基础上,同时考虑网络区域能耗的均衡特点,提出一种遗传算法的能量均衡覆盖控制策略。构建概率感知模型网络,定义一个能耗均衡系数用以表示网络能耗均衡程度,以覆盖率、工作节点数和网络能耗均衡系数为优化目标,然后利用遗传算法进行仿真。仿真结果表明,覆盖控制策略能够在达到较高覆盖率的同时,有效降低能耗并保证网络能量均衡,从而延长网络生存时间。     

多关节机器人的分散预测控制*

本文提出一种对多关节机器人进行分散预测控制的方法,这种方法把分散控制的结构优点与预测控制的性能优点结合起来,以提高控制的实时性和鲁棒性。文中研究了这一分散控制的多层结构,并着重讨论了不同分散信息结构下的关连预测策略,最后以仿真实例说明了这种分散预测控制方法的有效性。     

多关节机器人的自适应模糊滑模控制

针对多关节机械臂轨迹跟踪控制,提出了一种基于全局快速终端滑模面的自适应模糊滑模控制方法。该方法通过设计合适的自适应律,采用模糊自适应控制调节滑模控制的切换控制增益,实现了对建模误差和不确定干扰的自动跟踪,削弱了抖振。系统不需要对建模误差和干扰进行预估计,并且通过对控制器结构的简化,降低了模糊控制器的维数,减少了计算量。利用李亚普诺夫定理证明了控制系统的稳定性,仿真结果表明了其有效性。     

多关节机器人的模糊神经滑模控制

针对含有建模误差和不确定干扰的多关节机器人轨迹跟踪控制,提出了一种模糊神经滑模控制方法.该方法采用全局快速终端滑模面,保证了系统能够从任意初始状态在有限时间内到达滑模面和平衡点.采用模糊神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动.文中利用李亚普诺夫稳定性判据推导出了控制器的控制律和模糊神经网络的目标函数,通过模糊神经网络的在线学习.削弱了滑模控制的抖振.仿真结果表明了其有效性.     

多关节机器人的运动学动态仿真研究

机器人运动学是机器人学的一个重要分支,是实现机器人运动控制的基础。文中主要针对PUMA560机器人运动学正问题分析,以D-H坐标系理论为基础并建模,利用MATLAB／ROBOTICS工具,实现了简单的运动学动态仿真,有助于对机器人关节运动角度的深入理解,并为工程人员提供一种有效的分析手段。     

六足步行机器人的多关节协调控制

根据六足步行机器人的机械结构和关节运动的协调性、准确性的控制要求，确定了混合闭环的伺服结构控制方案。针对机器人步态控制算法给出的数据特点，采用了先对脉冲总数最大的那个关节进行插补，然后按照关节间脉冲总数的比例关系再对其它关节插补的插补算法，实现了机器人各个关节的指令在每一个位控周期内的协调。最后介绍了伺服参数的调整，使各个关节的位置增益一致，保证了各个关节响应时的协调。试验表明，采用该控制方案，通过该插补算法，对伺服系统的参数调整以后的控制系统能够满足机器人关节运动的协调性和准确性的控制要求。