两轮同轴自平衡机器人多传感集成控制

针对自平衡机器人姿态检测的复杂性,提出了基于陀螺仪和加速度计联合检测的方法,采用双重滤波算法-卡尔曼滤波和DMP(Digital Motion Processing)滤波,准确获取机器人的姿态信息。针对控制过程姿态的多变性,提出了基于PID算法的三闭环反馈控制策略,且创造性地把超声波和红外传感器相结合,实现了机器人的自平衡、前进后退、转向和自主跟随等控制。通过爬坡和自主跟随实验测试,结果表明该机器人时间响应快、灵活性大、稳定性好。     

基于蚁群优化神经网络在机器人重复定位测试中的应用

为了弥补传统工业机器人重复定位精度为开环测试、测试成本高及测试过程复杂等缺点,提出了一种激光传感器测试系统与蚁群优化神经网络算法相结合的测试方法,通过蚁群优化神经网络算法的快速收敛性,能快速准确地对机器人在重复定位测试中进行预测,并根据预测结果对机器人进行定位精度补偿。经试验验证,重复定位精度预测值满足目标误差要求,能补偿机器人在重复定位测试中的定位精度。     

机器人交互作业中六维力传感器重力补偿研究

为使用六维力传感器精确地测量机器人末端执行器的接触力,需对安装于机器人腕部的六维力传感器进行零点校正及重力补偿。通过对不同机器人姿态下末端执行器的受力状态进行分析,根据力的等效原理,建立了零点校正及重力补偿的计算模型,计算零点校正及重力补偿参数,提出了一种六维力传感器的零点校正及重力补偿方法。在此方法下,仅需最少3个不同的机器人姿态信息及相应的六维力信息,即可得任意机器人姿态下对力传感器及末端执行器进行零点校正及重力补偿所需的参数。在静态实验中力和力矩平均相对误差均分别仅为2.07%和1.35%,在动态实验中分别仅为1.50%和0.75%。在实际恒力控制实验中,与采用未经重力补偿相比,经过补偿后能使机器人系统获得更好的力跟踪效果。     

六维腕力传感器的补偿模糊神经网络模型

本文基于神经网络可以对非线性系统的任意逼近能力，建立了六维腕力传感器的补偿模糊神经网络模型，仿真结果表明，这种补偿模糊神经网络对六维腕力传感器非线性系统逼近精度高，训练步数少，学习收敛速度快，误差曲线稳定，可作为六维腕力传感器标定或用于机器人基于腕力传感器力控制的动力学模型。     

微间隙焊缝磁光成像NN-KF跟踪算法分析

针对紧密对接微间隙焊缝,分析基于磁光成像的神经网络补偿卡尔曼滤波（kalman filtering compensated by neural network,NN-KF）跟踪算法,建立焊缝位置测量模型并运用卡尔曼滤波对焊缝位置偏差进行最优预测.卡尔曼滤波进行最优估计需建立准确的系统模型和观测模型,而在焊缝跟踪过程中,系统噪声具有非先验性.对于针对测量模型误差、过程噪声和测量噪声对卡尔曼滤波结果的影响,运用反向传播（back propagation,BP）神经网络对卡尔曼滤波结果进行修正,补偿模型误差及噪声统计不确定性造成的滤波误差.结果表明,BP神经网络补偿卡尔曼滤波算法能有效抑制滤波发散,减小噪声干扰影响,提高焊缝跟踪精度.     

基于BP神经网络的机器人力矩补偿研究

通过对关节驱动助力减小机器人拖动示教的拖拽力,是提高拖动示教灵活性的有效方法。而在拖动示教过程中准确、实时地计算出机器人各关节补偿力矩,是实现拖拽助力的关键问题。针对拖动示教喷涂机器人进行动力学建模,分析关节力矩补偿值与惯性力、重力等因素之间的关系,提出一种基于无监督学习的BP神经网络力矩控制算法对机器人直接示教进行在线力矩补偿。在六自由度喷涂机器人上进行实验验证。结果表明：该力矩补偿算法的计算效率提升70%,平均计算误差为9%,助力效果明显。     

基于姿态辨识的遥操作液压工程机器人视觉提示

针对遥操作液压工程机器人视频传输时延问题,提出一种基于姿态辨识的遥操作液压工程机器人视觉提示方法。利用摄像机获取遥操作液压工程机器人图像,通过关键点识别堆叠沙漏网络(KPR-SHN)模型和姿态辨识神经网络(AR-NN)模型,获取遥操作液压工程机器人液压缸的位移,依此驱动虚拟工程机器人实现对操作者的视觉提示。实验结果表明:该方法简单有效,误差小于8%,可为基于虚拟现实的遥操作工程机器人的视觉提示系统设计提供指导。     

基于RISC策略的长轴装配误差分析

机器人应用中的RISC策略是指利用简单的传感器来实现复杂的检测任务，基于这一思想，针对二维操纵杆装配中的长轴装配，本章提出并设计了基于RISC策略的长轴空间姿态误差分析、检测及校正系统。     

微间隙焊缝磁光成像NN-KF跟踪算法

针对紧密对接微间隙焊缝,分析基于磁光成像的神经网络补偿卡尔曼滤波(kalman filtering compensated by neural network,NN-KF)跟踪算法,建立焊缝位置测量模型并运用卡尔曼滤波对焊缝位置偏差进行最优预测.卡尔曼滤波进行最优估计需建立准确的系统模型和观测模型,而在焊缝跟踪过程中,系统噪声具有非先验性.对于针对测量模型误差、过程噪声和测量噪声对卡尔曼滤波结果的影响,运用反向传播(back propagation,BP)神经网络对卡尔曼滤波结果进行修正,补偿模型误差及噪声统计不确定性造成的滤波误差.结果表明,BP神经网络补偿卡尔曼滤波算法能有效抑制滤波发散,减小噪声干扰影响,提高焊缝跟踪精度.     

基于数据库查询的工业机器人误差补偿方法研究

介绍了一种采用高精度测量机器人检测工业机器人末端误差,得到空间几何误差网格,建立空间误差数据库,工业机器人在其工作空间内工作时自动调用误差数据库的补偿值直接进行误差补偿的方法.不考虑机器人复杂的物理结构,不追溯误差源,将机器人视为一个黑箱结构,采用空间插值的方法直接进行误差补偿.