自适应模糊算法优化的足球机器人轨迹跟踪

为了提高足球机器人在运动控制过程中的轨迹跟踪性能和稳定性,将自适应模糊PID算法用于机器人运动控制环节中,对PID参数进行实时调整。建立足球机器人在场地上的控制系统模型,分析机器人在轨迹跟踪中由驱动方向、角度等时变因素导致的实际轨迹发生偏移的问题,分别在MATLAB-Simulink和SimRobot仿真平台对优化算法的性能进行仿真,同时与传统的PID控制进行对比。实验结果表明,自适应模糊PID算法相比传统的PID控制器在最大跟踪误差和平均跟踪误差方面分别减少20.18%和29.34%,同时提升了系统的稳定性。该控制算法提升了足球机器人的轨迹跟踪性能,满足机器人在运动过程中的动力学和控制要求,易于在工程中应用。     

考虑控制电信号中间量的机床运动控制误差数据驱动建模方法

现有数据驱动的机床运动控制误差建模方法通常使用端到端的模型,即通过机器学习算法直接构建参考轨迹信息(速度、加速度等)与伺服误差之间的模型,以降低建模复杂度。然而,该方法忽视了控制电信号对运动控制系统非线性扰动的反映,而导致建立的模型精度受限。为解决此问题,提出了一种使用控制电信号作为中间量的数据驱动运动控制误差建模方法。该方法采集参考轨迹信息(速度、加速度、急动度等)、控制电信号、跟踪误差以及构造的换向特征,构建并训练基于参考轨迹信息的控制电信号预测网络,以及基于电信号和参考轨迹信息的运动控制误差预测网络,利用控制电信号这一中间量有效反应系统所受非线性扰动的特点,实现了高精度的运动控制误差数据驱动建模。在实际验证测试时,将参考轨迹信息输入电信号预测网络,而后将得到的预测控制电信号和参考轨迹信息输入跟踪误差预测网络,即可实现运动控制误差的预测。通过实验对所提出的建模方法进行了验证,所提出方法相对于传统的端到端建模方法,运动控制误差的预测精度在X轴和Y轴分别提升16.33%和20.42%,误差补偿后运动控制轮廓精度相较于未补偿提升85.59%,验证了所提出方法的可行性。     

永磁同步直线电机的FCPID控制研究

为提高永磁同步直线电机的控制精度,满足高速度高精度运动控制系统的要求,建立了直线电机高精度动力学模型,搭建了带前馈模型补偿(Feedforward Compensation)的PID(FCPID)控制器。实验结果表明,该方法能够快速稳定地跟踪目标轨迹并保持较高的跟踪精度,可显著提高直线电机轨迹跟踪运动系统性能,适用于精密运动控制系统。     

七自由度手臂运动控制与轨迹插值

针对七自由度拟人手臂运动控制与轨迹平滑的相关问题,进行了相关运动学算法和轨迹插值算法的研究。首先,根据七自由度拟人手臂的机械结构和冗余轴运动特性,建立了基于MDH法的连杆坐标系,其次从正、反运动学建模两个方面对拟人手臂进行了运动控制描述。然后,深入研究了拉格朗日插值算法,从而构造出平滑曲线。最后,利用MATLAB的机器人工具箱和绘图工具箱对拟人手臂进行了运动和规划仿真实验,从而验证了正、逆运动学封闭解和拉格朗日插值算法的正确性。     

超精密点对点运动4阶轨迹规划算法研究

研究了一种优化超精密点对点运动的4阶轨迹规划算法及其精度补偿方法。首先阐述了超精密轨迹规划具有实用性所必须具备的特征以及实现轨迹时间优化的基本要求。然后以系统动力学为基础，考虑运动轨迹的全过程，提出了一种通过预处理以获得时间优化的4阶轨迹直接规划算法。提出了一种适当降低系统动力学限制的时间圆整方法，有效补偿了该算法在计算机离散实现时所带来的精度损失。通过实例验证了所提算法的有效性和可靠性。     

超精密点对点运动3阶轨迹规划算法研究

研究了一种优化的超精密点对点运动3阶轨迹规划算法及其精度补偿方法。首先阐述了超精密轨迹规划具有可实用性所必须具备的特征以及实现轨迹时间优化的基本要求。后以系统动力学限制为基础,考虑运动轨迹的全过程,提出了一种通过预处理以获得时间优化的3阶轨迹直接规划算法。提出了一种适当降低系统动力学限制的时间圆整方法,有效补偿了算法计算机离散实现时所带来的精度损失。实例证明了本文提出算法的有效性和可靠性。该算法也成功应用于纳米级精度的半导体加工装备的研发中。     

下肢康复训练机器人协作控制与S型规划算法研究

针对下肢康复训练机器人协作控制与S型规划算法展开研究,寻找能够降低机器人驱动器控制过程中冗余振动的方法.首先利用指数积(POE)法建立了各关节连杆的相对转换关系;然后针对下肢康复机器人的特点,应用拉格朗日法求解机器人动力学问题,针对模型参数采用辨识方法实现了动力学参数获取,进而实现了下肢康复训练机器人协作控制;最后提出一种S型轨迹插补规划方法,根据定义的限制条件值给出了所有可能的轨迹形状,并且保证没有机械谐振激励.实验结果表明:协作控制与S规划算法对机器人操作性能有很大的提升,同时对于机器人的精确运动控制有着重要的意义.     

考虑气象因素的农业采摘机器人轨迹纠偏控制方法

为了减少气象因素对农业采摘机器人轨迹的影响,提出了考虑气象因素的农业采摘机器人轨迹纠偏控制方法,以解决机器人位姿精度较低和定位时间较长等问题。采用云储存技术对运动的目标果实进行检测与跟踪。利用改进的蚁群算法规划最优路径,通过 RBF 神经网络最佳逼近算法对动力学方程加以优化,加强其逼近能力,从而完成对采摘机器人轨迹纠偏的控制。实验结果表明,该方法可以有效地提高位姿精度、提高定位成功率、缩短定位时间并获得更为顺畅的采摘路径。     

基于模型控制的液压机械臂高精度轨迹跟踪

液压机械臂具有高度非线动力学特性,末端轨迹跟踪误差大。为此,提出一种辨识动力学参数的基于模型的控制算法(Model-basedcontrol,MBC)。该控制算法由外环的液压缸位置反馈控制器、内环的力控制器以及前馈流量补偿控制器三部分输出叠加组成。力控制器充分考虑液压机械臂动力学模型,动态补偿惯性力、重力和摩擦力等干扰力对控制精度的影响;位置控制器用以消除液压执行器造成的力偏差;前馈流量补偿器根据液压执行器动力学模型计算流量补偿量,提高系统响应与精度。针对动力学模型中存在的参数不准确问题,采用了最小二乘参数辨识的方法,在激励轨迹下获取液压机械臂动力学参数精确值。试验结果表明,所提出的辨识动力学参数的MBC控制算法相比3D模型参数的MBC控制在自由空间运动位置跟踪精度提升了39.24%,相比与传统PID控制提升了93%,显著提高了轨迹跟踪精度。     

转台-摆头式五轴机床几何误差测量及辨识

为降低转动轴几何误差对转台-摆头式五轴机床精度的影响,提出了基于球杆仪的位置无关几何误差测量和辨识方法。基于多体系统理论及齐次坐标变换方法建立了转台-摆头式五轴机床位置无关几何误差模型,依据旋转轴不同运动状态下的几何误差影响因素建立基于圆轨迹的四种测量模式,并实现10项位置无关几何误差的辨识。利用所建立的几何误差模型进行数值模拟,确定转动轴的10项位置无关几何误差对测量轨迹的影响。最后,采用误差补偿的形式实验验证所提出的测量及辨识方法的有效性,将位置无关几何误差补偿前后的测量轨迹进行比较。误差补偿后10项位置无关几何误差的平均补偿率为70.4%,最大补偿率达到88.4%,实验结果表明所提出的建模和辨识方法可用于转台-摆头式五轴机床转动轴精度检测,同时可为机床精度评价及几何精度提升提供依据。     

APPROACH TO IMPROVEMENT OF ROBOT TRAJECTORY ACCURACY BY DYNAMIC COMPENSATION

Some dynamic factors, such as inertial forces and friction, may affect the robot trajectory accuracy. But these effects are not taken into account in robot motion control schemes. Dynamic control methods, on the other hand, require the dynamic model of robot and the implementation of new type controller. A method to improve robot trajectory accuracy by dynamic compensation in robot motion control system is proposed. The dynamic compensation is applied as an additional velocity feedforward and a multilayer neural network is employed to realize the robot inverse dynamics. The complicated dynamic parameter identification problem becomes a learning process of neural network connecting weights under supervision. The finite Fourier series is used to activate each actuator of robot joints for obtaining training samples. Robot control system, consisting of an industrial computer and a digital motion controller, is implemented. The system is of open architecture with velocity feedforward function. The proposed m     

核双样检验的连杆摆动光流轨迹混叠去除及补偿

在连杆摆动视觉测量中，针对高速曝光产生的背景噪点对前景光流轨迹混叠及阻断导致配准误差，本文提出了一种新的视频滤波与补偿算法。该算法以背景噪声与前景摆杆光流轨迹不同的运动统计特性作为先验模型，通过核双样假设检验检测光流轨迹速度突变，剪除背景噪点轨迹片段实现去噪。为实现轨迹补偿，首先引入机械连杆铰接点为参照物的相对光流采集方式，将各帧摆杆铰接点配准翘曲至第1帧铰接点位置，将连杆摆动轨迹从复合高阶摆线中分离形成低阶理想圆弧。其次采用Pratt拟合翘曲后的摆杆轨迹的圆心与半径，将轨迹聚类为不同半径的弧状轨迹群。最后，将弧状轨迹群的x-y坐标ν-SVR回归作为几何约束，结合x-t动力学回归半监督学习出完整长度的轨迹。在刮刷总成摆角及共轭凸轮的针床推程位移比较的测量实验表明，该算法比传统VBM3D,MeshFlow等算法准确度可提高3.26%,运算复杂度降低2阶，在机械旋转运动视觉故障诊断及机械仪表数字化采集等方面具有广阔应用前景。     

高加速度运动系统的非线性摩擦前馈补偿控制

高加速度运动系统中非线性摩擦的建模补偿对提高轨迹跟踪性能至关重要。本文针对传统参数化模型难以准确预估高加速度运动启停阶段摩擦过冲等非线性摩擦的问题,在传统模型结构的基础上,结合扩展Stribeck模型,提出一种扩展参数化模型,模型参数的训练和学习样本源于高精度迭代学习控制获取的有限轨迹下非线性摩擦前馈补偿数据,并采用Levenberg-Marquardt算法拟合模型参数。最后,在音圈电机驱动的高加速定位平台上针对不同运动轨迹进行了实验验证。结果表明,该方法能够克服传统参数化模型难以消除高加速度启停阶段摩擦过冲等非线性摩擦对轨迹跟踪精度的影响;且与迭代学习控制的轨迹跟踪精度接近,有效避免了迭代学习泛化性差等问题,可实现工作空间下任意轨迹的摩擦补偿。     

一种并联机器人误差综合补偿方法

针对并联机器人轨迹规划和轨迹跟踪过程中,同时存在机构误差引起的期望轨迹与理想轨迹之间的偏差和非线性摩擦、负载变化等扰动因素引起的动态误差,提出一种并联机器人误差综合补偿方法:在轨迹规划过程中,基于并联机器人位姿误差模型将位姿误差补偿转化为驱动杆参数组合优化问题,进而利用粒子群算法寻优驱动杆参数,修正并联机器人期望轨迹;在轨迹跟踪过程中,设计基于自适应迭代学习控制算法的动态误差补偿策略,实现对期望轨迹的有效跟踪。在Stewart平台下基于ADAMS和Matlab进行仿真试验,在轨迹规划和轨迹跟踪过程中,分别修正期望轨迹偏差并补偿轨迹跟踪动态误差,实现并联机器人误差综合补偿。进一步,基于混联机床进行工件加工试验,验证方法对于提高并联机器人工作精度的有效性。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

基于标定和关节空间插值的工业机器人轨迹误差补偿

轨迹精度是工业机器人重要的动态性能,目前工业机器人的轨迹精度远低于定位精度,提出一种基于机器人运动学标定和关节空间插值误差补偿的方法来提高机器人轨迹精度。基于MD-H方法建立机器人的运动学模型,在此基础上运用机器人微分运动学理论建立末端位置误差模型和轨迹误差模型。为克服最小二乘法等传统方法在数据噪声较大且不符合高斯分布时收敛慢甚至发散的问题,提出一种基于扩展卡尔曼滤波算法的机器人运动学参数辨识方法,实现运动学参数辨识的快速收敛。经过分析发现机器人误差在关节空间具有连续性的特点,为此提出一种关节空间插值误差补偿方法,建立网格形式的误差补偿数据库,并利用关节空间距离权重函数和已知的网格顶点误差计算各控制点的关节转角误差。通过试验对所提出的参数辨识和关节空间误差补偿方法进行了验证,试验结果表明：经过运动学参数辨识和补偿后机器人的绝对定位精度由1.039 mm提高到0.226 mm,轨迹精度由2.532 mm提高到1.873 mm,应用关节空间插值误差补偿后机器人的轨迹精度进一步提高到1.464 mm。     

焊接机器人的摆动焊接轨迹规划策略研究

基于机器人空间直线插补和圆弧插补算法,设计了时间最优的空间直线摆焊轨迹和圆弧摆焊轨迹规划的策略,并于MATLAB软件中完成验证路径算法。最后通过由VS2019搭建的上位机示教软件、基于STM32H7平台设计的运动控制卡和SCARA机器人平台组成的控制系统,验证了算法的可靠性和准确性。实验结果表明,用户可以通过示教焊接机器人的方式获取空间摆焊的参数,并且机器人能够根据获取的参数在限定的轨迹上进行较为高效的空间直线摆焊运动和空间圆弧摆焊运动,具有一定的实际意义和参考价值。     

高动态环境下的傅里叶梅林变换视觉SLAM算法

针对视觉即时定位与地图构建(SLAM)中的静态假设限制其在动态现实环境中应用的问题，提出了一种在高动态环境下基于傅里叶梅林变换的视觉SLAM算法。首先，采用傅里叶梅林算法配准以补偿相机运动，应用帧间差分算法获取运动掩膜。同时利用短时密集连接网络进行语义分割确定潜在运动物体掩膜。结合运动掩膜与物体掩膜，获得最终的物体运动区域，剔除该区域的特征点。最后，依据稳定的静态特征点跟踪优化，提升位姿精度。实验结果表明，本算法的绝对轨迹误差与相对位姿误差相比于ORB-SLAM2减少了95%以上，相比于DS-SLAM减少了30%以上，验证其在复杂动态场景下具有良好的定位精度与鲁棒性，有效降低运动模糊与光照变化对运动检测的影响，同时，克服了传统动态SLAM难以检测非先验运动对象的弊端。