基于阻抗控制的工业机器人力控制方法

针对工业机器人的力控制问题,提出一种通过机器人运动轨迹补偿来间接控制接触力的阻抗控制算法.通过分析机器人末端与加工对象的接触模型设计控制系统.借助力传感器采集的力信号,将阻抗控制表达式进行离散化处理,由此计算轨迹修正值的表达式.对机器人运动轨迹补偿进行仿真,验证方法的可行性.通过进行机器人磨削试验,对比有力控和无力控的接触力波形图,验证了方法的有效性.     

基于阻抗控制的工业机器人力控制方法

针对工业机器人的力控制问题,提出一种通过机器人运动轨迹补偿来间接控制接触力的阻抗控制算法.通过分析机器人末端与加工对象的接触模型设计控制系统.借助力传感器采集的力信号,将阻抗控制表达式进行离散化处理,由此计算轨迹修正值的表达式.对机器人运动轨迹补偿进行仿真,验证方法的可行性.通过进行机器人磨削试验,对比有力控和无力控的接触力波形图,验证了方法的有效性.     

基于阻抗控制的机器人力控制算法性能分析

Hogan提出的阻抗控制算法由于必须要求机器人准确的动力学方程,在实际工程背景中很难应用.本文针对其弊端,研究了自适应阻抗控制算法.以平面机械手为控制对象,使用以上两种控制方法对其加以控制,从而详细分析比较了两种算法的性能优劣.最后,针对阻抗控制算法在实际运用中阻抗参数的调整原则一直是比较困难的问题,本文通过仿真实验总结了调参规律.     

基于位置控制的工业机器人力跟踪刚度控制

随着机器人技术的发展,要求机器人能够完成更加复杂的任务,如工业机器人的打磨、精密装配、人机协作等,因此机器人与环境交互的能力起着越来越重要的作用。但当前的柔顺控制方法存在局限性,无法像人类一样,时刻对外界环境的作用力具有很强的适应能力(阻抗性能),并且能够随时对外界环境施加所需要的力(力的跟踪性能)。为了解决该问题,提出一种新的力跟踪刚度控制方法,能够让机器人同时具有阻抗性能和力的跟踪性能。该控制系统结构简单,实用性较强。控制系统的建立是基于位置控制的工业机器人模型,并进行了仿真,仿真结果表明,机器人不仅具有刚度控制的特点,对外界约束环境有顺从性,同时能够对期望力很好地进行跟踪。     

未知时变环境下机器人自校正阻抗控制研究

针对未知、时变环境下机器人力位控制需求,基于非线性接触动力学模型进行了阻抗控制的位置自校正修正算法研究.通过建立基于Hunt-Crossley非线性接触动力学模型的阻抗控制系统,构建了在刚性或柔顺作业环境下机器人末端位置与接触力之间的动态关系;在自校正控制系统中引入自扰动递推最小二乘辨识算法,以接触力误差最小为设计指标...     

基于自适应变阻抗的工业机器人双机械臂控制

为了实现对工业机器人双机械臂位置/力的精准控制,提出了一种自适应变阻抗控制算法。首先建立了阻抗模型,并对双机械臂系统进行了受力分析,将接触力分解为外力和内力,并分别针对外力和内力设计了自适应变阻抗控制算法来实现对位置/力的协同控制;然后通过仿真验证了自适应变阻抗控制算法能够实现对工业机器人双机械臂位置/力的协同控制,运动轨迹跟踪最大误差仅为0.3 cm,接触力跟踪最大误差仅为0.2 N,表现出了更优的控制效果;最后在定点控制测试平台上得到位置定位的最大误差仅为0.17 cm,接触力跟踪最大误差仅为0.22 N,表现出了更优的工程实用性。     

基于变参数阻抗控制的机器人恒力打磨研究

面向机器人恒力打磨需求,文章设计了阻抗参数在线调整与离线优化的自适应阻抗控制算法,实现了打磨力控制。自适应阻抗控制算法将刚度参数作为时变参数,根据打磨接触力实时在线调整,以消除打磨过程中的稳态误差。针对阻尼参数和惯性参数难以整定的问题,以降低系统超调量和调整时间作为优化目标,采用改进粒子群算法进行阻抗参数离线优化。进行了机器人恒力打磨仿真,仿真结果表明,该方法可以综合改善机器人的恒力控制性能。开展了机器人恒力打磨实验,实验结果表明,该方法可以有效地提高机器人打磨表面质量。     

冗余度机器人的非接触阻抗控制

机器人与运动物体接触的过程包括非接触、接触过渡和接触3个部分。对于机器人与高速运动目标接触等存在较大冲击的应用实例，进行有效的非接触阻抗控制是实现机器人稳定、安全作业的必然要求。这方面的研究是实现机器人捕捉运动物体的关键技术，在工业、军事和航天等领域均有重要意义。本文对冗余度机器人非接触阻抗控制的理论和应用研究的现状进行了详细的综述，并提出了需要进一步深入研究的一些问题。     

手术机器人的模糊神经网络变阻抗控制策略研究

针对手术机器人在颅颌面手术过程中无法有效跟踪期望位置和接触力的问题,提出一种基于模糊神经网络的变阻抗控制策略。首先,利用模糊PID位置控制模块对机器人运动至手术切口位置的期望轨迹进行跟踪控制。其次,通过基于神经网络的变阻抗控制模块建立起机械臂与目标之间的力/位置动态关系,该模块可对机器人辅助手术过程中的力跟踪偏差进行及时的自适应修正,以实时补偿环境动态变化带来的影响,提高了环境交互的安全性以及力跟踪的准确性。最后,对提出的控制方法进行验证,结果表明,在动态变化的手术环境下,相比传统定阻抗参数控制方法,该方法拥有更好的跟踪控制效果。     

水轮机修复机器人磨削阻抗控制研究

提出了一种基于力/力矩传感器磨削作业的阻抗控制方法,阐述了阻抗控制的基本原理,在阻抗控制中采用统一的神经网络在线补偿的方法对不确定项进行补偿。同其它的力控制方法相比,该方法具有鲁棒性好、任务规划简单易行等明显优点。     

机器人跟踪未知环境的智能新策略

以Ａｄｅｐｔ－Ⅲ机器人跟踪玻璃灯泡未知表面为对象,综合运用了大系统、模糊数学和神经网络等智能理论,进行机器人力控制跟踪类依从运动研究,系统地提出了智能力／位并环控制新策略：即将复杂的机器人力控制作为一个大系统来研究,建立了机器人力控制大系统模型和相应的智能力／位并环控制的结构：在此基础上,进行了力／位并环混合运动学分析研究,建立了相应神经网络模型,并推导出力／位混合隶属函数,实现了力控制大系统的基于模糊协调的递阶控制算法。从理论上和技术实现上解决了机器人力控制跟踪类难题。     

基于阻抗控制的骨外固定机器人矫形力自适应跟踪

针对传统骨外固定器矫形力无法准确控制、安全性差的问题,本文基于 RCM 构型,搭建一种膝关节骨外固定机器人,提出一种间接自适应阻抗的矫形力跟踪方法。 由于存在机械摩擦以及外部不确定性,针对阻抗控制鲁棒性差的问题,采用力误差信号作为目标阻抗的驱动力,建立新的阻抗模型适应矫形环境的变化,根据矫形力误差的变化,设计自适应律对阻抗参数实时调节,在线补偿动态环境的不确定性,使系统的力跟踪误差为零。 并对所提的控制算法进行了胫骨矫形力控制的对比仿真和样机实验。 结果表明:阻抗控制仿真结果各性能指标的加权平均值分别为 2. 12、8. 58 和 13. 2,且力跟踪实验的最大误差为 20 N;相比于阻抗控制,自适应阻抗控制仿真性能指标的加权平均值仅为 0. 36、0. 18 和 0. 61,力跟踪波动误差控制在±3 N 以内,具有更好的鲁棒性和自适应能力。     

双臂人形机器人的阻抗一致性控制

为了使机器人的工作适应人的特性,必须建立机器人的控制系统.作为在双臂机器人系统中的广泛应用的重要问题之一,阻抗控制重要的受限条件是缺乏一个广泛接受的框架来综合阻抗控制参数,以确保稳定的接触过渡和相互作用过程,并确保期望的接触性能.以此为出发点,这里提出一种新设计、规划和编程框架为双臂人形机器人的阻抗一致性控制提供高效和灵活的算法和工具,促进未来双臂机器人在复杂装配任务中的应用.通过对新型工位机器人双臂系统的初步测试,验证了该框架的适用性和可行性.     

建筑幕墙安装机器人的力控制分析

建筑幕墙安装机器人在施工作业的过程中,不仅要求板材在自由空间移动的快速性,同时也要求安装时精确性。为实现幕墙安装机器人末端接触力的控制,基于阻抗控制的理论,针对简化动力学模型,提出一种基于位置的阻抗控制(导纳控制)并结合MRAC自适应理论。借助Matlab/Simulink构建了阻抗控制仿真平台,通过分析末端与环境接触力跟踪情况,验证了该控制算法的可行性。最终对机器人进行实验分析,该方法可以满足环境接触力控制的安装要求,提高了幕墙安装机器人的施工效率和精确性。     

基于自适应阻抗模型的双机器人协调搬运内力控制

针对双机器人协调搬运作业中的内力控制问题,建立内力的数学模型,提出基于自适应阻抗模型的从机器人单端调节的内力控制策略,设计仿真和实验的任务场景:双机器人搬运箱体完成抬起、移动、放下的运动轨迹,对物体z轴方向的内力进行控制.仿真模拟了物体所受内力的变化,给定物体z轴方向的正弦位置误差信号并进行验证,完成了双机器人协调搬运的物理实验.结果表明:所提出的内力控制策略可以有效地把物体所受的内力控制在期望水平上.     

基于自适应阻抗模型的双机器人协调搬运内力控制

针对双机器人协调搬运作业中的内力控制问题,建立内力的数学模型,提出基于自适应阻抗模型的从机器人单端调节的内力控制策略,设计仿真和实验的任务场景:双机器人搬运箱体完成抬起、移动、放下的运动轨迹,对物体z轴方向的内力进行控制.仿真模拟了物体所受内力的变化,给定物体z轴方向的正弦位置误差信号并进行验证,完成了双机器人协调搬运的物理实验.结果表明:所提出的内力控制策略可以有效地把物体所受的内力控制在期望水平上.     

动态环境下的机器人平滑自适应变阻抗控制

针对磨抛任务中的机器人柔顺恒力控制问题,提出一种动态环境下基于位置的平滑自适应阻抗控制方法。首先研究了机器人磨抛任务空间转换接触力变化过程,使用自抗扰控制中的微分跟踪器来安排过渡过程,使期望力缓慢释放,以减小接触力冲击。然后针对磨抛任务中环境位置不确定性的问题,建立自适应阻抗模型,根据接触力的变化进行自适应调整阻抗参数,实现位置的自适应补偿,并对自适应变阻抗的稳定性进行证明。最后,通过对已有的自适应变阻抗控制方法和所提出的平滑自适应变阻抗控制进行仿真实验对比,并对所提出的平滑自适应变阻抗控制进行实机验证。实验结果表明,平滑自适应阻抗控制方法能够有效地减小力超调,达到更好的力跟踪效果,提高系统的稳定性和鲁棒性。     

基于Q-Learning的变阻抗控制

针对机器人力控磨抛系统在作业时与不确定环境接触的接触力控制问题,提出了一种基于Q-Learning的变阻抗控制算法。首先,根据获取的系统输入检查Q函数的迭代评估控制策略并沿Q函数的梯度更新参数集至收敛,获得近似Q函数;然后,对近似Q函数求导得到最佳的阻尼系数;最后,通过阻抗控制调整力控打磨平台,从而对接触力进行实时准确控制。仿真实验表明,基于Q-Learning的变阻抗控制算法具有响应速度快、超调量低和稳定性好等特点,此外对于环境变化能快速调整适应并对期望接触力进行准确跟踪,可以有效提高机器人力控磨抛系统的接触力控制性能。     

基于足地接触特性辨识的六足机器人自适应阻抗控制

为提高足式机器人在未知地面环境中运动适应能力,提出了一种基于足地接触特性辨识的模糊自适应阻抗控制算法.首先,针对六足机器人提出一种足地接触特性辨识方法.为降低六足机器人行走时足地之间的冲击力,提出了一种六足机器人沿腿长方向基于足地接触参数的模糊自适应阻抗控制器.基于六足机器人在不平坦地面行走时的足地接触状态,建立机器人...