液压伺服驱动机械手运动轨迹跟踪控制误差研究

针对液压伺服驱动机械手运动轨迹跟踪误差较大的问题,引用改进神经网络PID控制器,对控制效果进行了验证.创建了机械手运动机构平面简图,推导出机械手末端执行器运动的几何关系式,阐述了伺服阀控制工作原理,给出了压力和流量控制方程式.采用改进粒子算法优化神经网络PID控制器,给出了机械手液压驱动控制的在线控制流程图.结合具体实例,将初始参数输入到Matlab软件中进行轨迹误差仿真,并与PID控制误差进行比较.误差结果表明:采用改进神经网络PID控制,产生的最大误差为3.3×10~(-2) m,误差波动程度较小;采用PID控制,产生的最大误差为6.7×10~(-2) m,误差波动程度较大,机械手液压伺服驱动采用改进神经网络PID控制,能够提高机械手运动轨迹跟踪精度.     

伺服电机驱动的液压动力系统及其神经网络自适应优化控制

针对传统液压系统存在的高能耗、低响应特点,采用节能型液压动力源-永磁伺服电机直接驱动定量泵,以取代原有的异步电机驱动液压动力源,从而形成一种新型的节能、响应快速、易实现闭环控制的液压动力系统。由于实际液压系统随机干扰严重,具有多变量、非线性、强耦合的特征,难以建立较准确的数学模型,常规的PID控制算法很难满足液压系统高精度控制的要求,因此提出基于PSO与BP混合优化前向神经网络 PID自适应控制方法,实现液压系统在典型工况下流量的精确控制。PID控制器的参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整,通过神经网络的自学习能力寻找最佳的P、I、D非线性组合控制律,以增强液压系统对工况变化的适应能力。仿真和实验结果表明,该控制方法跟踪速度快、超调小、鲁棒性强,从而为液压系统流量高精度控制提供了一种新方法。     

驱动平面机械手的液压系统建模及CMAC-PID控制研究

为了提高平面机械手运动的稳定性和轨迹跟踪精度,采用小脑模型神经网络(CMAC)控制液压驱动系统,并对机械手运动轨迹响应速度和误差进行仿真.建立液压驱动机械手简图装置,给出机械手液压驱动控制流程图.创建了液压动力装置、控制阀、液压油缸及机械手键合图模型,推导出液压驱动机械手控制方程式.设计了机械手液压驱动CMAC-PID控制结构图,利用系统仿真软件Matlab对机械手运动轨迹进行仿真;同时,与常规PID控制仿真结果进行比较.结果表明:采用常规PID控制液压驱动机械手运动轨迹,响应时间大约为0.4s,产生的最大误差大约为1.4cm;采用CMAC-PID控制液压驱动机械手运动轨迹,响应时间大约为0.1s,产生的最大误差大约为0.75cm.采用CMAC-PID控制平面机械手液压驱动系统,能够提高机械手运动轨迹响应速度和跟踪精度.     

五自由度液压伺服机械手研制

针对液压机械手在实际生产中存在的问题,设计了满足大功率负载搬运的高负载、高位置精度、高生产率等要求的液压机械手。该机械手采用五自由度机构设计方案,包括夹取机构、俯仰机构、推拉机构及回转机构,实现了负载多自由度的自动定位、夹紧和传递功能,通过机械手正运动学的分析,及末端执行器运动轨迹的仿真试验验证了设计的合理性;设计了机械手液压系统,包括回转机构驱动回路、俯仰机构驱动回路、推拉机构驱动回路、手抓机构驱动回路,并且进行了元件的选型与参数计算;采用西门子控制器和电液伺服控制技术,实现了机械手高性能运动控制。研究结果表明,该液压机械手具有结构简单、运行平稳、精度符合要求、传递效率高等特点,能够较好地解决生产搬运的问题。     

液压机械无级变速器的变参数PID控制

针对液压机械无级传动的特点,设计了带死区、积分饱和抑制的增量式变参数PID算法的控制器。利用BP神经网络对PID控制算法的三个参数进行在线整定,通过理论与试验结合的方法,确定了BP神经网络的中间隐层节点数和带惯性项最速下降算法的学习速率和惯性系数。台架试验结果表明,在转速调节方案下,变参数PID控制器能使驱动装置的输出功率基本恒定,即变参数PID控制器能通过改变液压机械无级变速器传动比的方法使发动机稳定工作在最佳动力性或者最佳经济性曲线上。     

参数摄动对四足机器人液压驱动单元位置控制特性影响

高性能四足仿生机器人的设计要求驱动其关节运动的液压驱动单元具有良好的动态特性,但由于液压驱动单元工作参数摄动和其固有的复杂非线性,使得多数情况下液压驱动单元的控制性能受到制约.采用机理建模方法,针对四足机器人采用的一种对称阀控制对称缸的液压驱动单元结构,综合考虑控制器饱和特性、伺服阀压力-流量非线性、伺服缸活塞初始位置变化、库伦摩擦非线性等因素的影响,建立了液压驱动单元非线性数学模型,给出了其液压固有频率和阻尼比表达式;运用Matlab/Simulink软件系统搭建了其非线性仿真模型,在相同工况下,分析了不同控制器比例增益的液压驱动单元位移阶跃响应的仿真及试验结果,以验证仿真模型;并搭建了液压驱动单元性能测试试验台,通过仿真与试验分析,进一步研究了控制器比例增益、系统供油压力、液压驱动单元初始位移、负载力、负载质量、负载刚度对液压驱动单元动态特性的作用机理和影响规律.研究结果表明,建立的非线性数学模型准确、实用,且以上参数的改变均会对液压驱动单元位置控制特性产生不同程度的影响,其影响规律可为四足仿生机器人液压驱动单元控制器参数的在线优化奠定基础.     

双马达回转同步驱动系统建模与控制研究

针对双液压马达回转高性能同步驱动问题,引入无阻尼行星系齿轮传动弹性动力学理论,基于双液压马达回转运动特性建立了系统非线性动力学模型;针对回转系统跟踪性能和同步性能要求,引入迭代学习控制算法(ILC),提出了结合离散化PID控制器结构的IL-PID同步控制策略。该控制策略基于“等同式”同步控制原理,在各单通道内部采用独立的离散化PID控制实现系统跟踪性能,在多通道间采用基于闭环D型学习律的IL控制实现系统同步性能。在五自由度液压伺服机械手上的实际应用结果表明,该控制策略相比于传统的PID控制具有较好的跟踪性能和同步驱动性能。     

用于车辆非线性液压悬架的径向基函数神经网络控制优化与仿真

车辆行驶受到路面噪声激励后,导致车辆行驶的稳定性下降。对此,建立车辆液压悬架振动模型简图,根据牛顿定律建立车辆垂直方向非线性控制方程式。采用液压驱动车辆悬架机构,推导出液压流量控制方程式。设计径向基函数(RBF)神经网络控制器,引用改进遗传算法对RBF神经网络结构进行优化和调节,给出了车辆液压悬架神经网络控制结构。采用Matlab软件对车辆性能参数进行仿真,并与优化前进行比较。结果表明:车辆液压悬架控制器优化后,轮胎行程最大值、悬架行程最大值和车身加速度最大值分别降低了52.0%,39.2%和44.2%,车辆垂直方向振动幅度较小。采用改进遗传算法优化车辆液压悬架RBF神经网络控制器,能够提高车辆行驶的稳定性和安全性,改善车辆乘坐的舒适度。     

机械手驱动控制系统的研究

本文介绍了一种机械手的电驱动系统方案，该方案采用直流伺服电机作为驱动单元．利用伺服电机驱动卡控制机械手运动，控制器采用PC机．M68HC11单片机主从控制结构，详细描述了驱动系统的硬件系统组成．软件流程。     

基于最优控制迭代学习算法的收敛性研究

针对迭代学习控制算法在线性离散系统中的收敛性问题,建立了直线电机的离散化数学模型,并将迭代学习控制算法运用到电机控制系统,对其稳定性和收敛性进行了研究。提出了一种基于最优控制理论的迭代学习控制算法,利用迭代学习控制的收敛条件对所提出的控制算法的稳定性和收敛性条件进行了分析,并在前馈及反馈二自由度控制结构的基础上进行了控制器的设计;同时通过对前馈控制力引入一个加权矩阵系数,提高了基于最优控制理论的迭代学习控制算法的收敛速度,将其运用到Matlab仿真平台和实际机电控制系统。研究结果表明:基于最优控制理论和加权矩阵系数的迭代学习控制算法收敛效果显著,提高了运动轨迹跟踪性能。     

基于遗传神经网络的机器人腕力传感器动态建模与补偿方法

介绍用于MotomamV3X机器人上的新型多维腕力传感器,比较遗传算法与人工神经网络的特点,将遗传算法的交叉和变异操作进行改进,提出一种融合改进遗传算法(Genetic algorithm, GA)的函数连接型人工神经网络(Functional link artificial neural network, FLANN),并将其用于所介绍的新型机器人腕力传感器动态建模与动态性能补偿中。介绍动态建模与动态补偿原理及改进遗传神经网络算法,给出该传感器的动态模型和动态补偿模型。该方法利用腕力传感器的动态标定数据,采用改进遗传神经网络搜索和优化模型参数,保留了遗传算法的全局搜索能力和FLANN结构简单,鲁棒性好,且具备自学习能力的特点,克服了FLANN容易陷入局部极小的缺陷,具有快的网络训练速度及高的动态建模精度。理论分析和试验结果都证实了所提出的动态建模与动态补偿方法的有效性。     

模糊神经网络数据融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器数据融合方法,并将其用于自主移动机器人的导航避障。采用BP神经网络作为基体,将模糊技术和神经网络有机结合组成模糊神经网络控制系统,实现了模糊规则自动提取及模糊隶属度函数的自动生成。实验表明该方法可实现机器人的安全避障。     

基于神经网络的空间7R机器人模型辨识及其实验研究

针对空间冗余机器人建模中不确定因素的影响 ,采用神经网络辨识空间 7R机器人输入输出间的非线性关系 ,建立机器人的运动学模型。对Elman动态递归网络结构作了改进 ,提出一种状态延迟输入动态递归神经网络 ,提高了网络的学习速度。将该网络应用到机器人系统模型的辨识问题上 ,以德国PowerCubeTM模块化机器人为研究对象 ,根据机器人返回的关节位置信息及利用OPTOTRAK 30 2 0三维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本 ,对包含各种影响因素的机器人运动模型进行了辨识 ,得到了满意的结果 ,说明了神经网络在此类问题中应用的优越性     

基于反演设计的机械臂非奇异终端神经滑模控制

针对具有建模误差和不确定干扰的多关节机械臂的轨迹跟踪问题,设计反演非奇异终端神经滑模控制。该方案是采用能有限时间收敛的非奇异终端滑模面,根据滑模控制原理和反演方法设计反演滑模控制器;对于反演滑模控制系统中由于建模误差和不确定干扰造成的不确定因素的上界,设计径向基(Radial basis function, RBF)神经网络自适应律,在线估计不确定因素的上界;利用李亚普诺夫定理证明了系统的稳定性。仿真结果表明,该方法具有良好的轨迹跟踪性能,提高对于建模误差和不确定干扰等因素的鲁棒性,削弱了抖动。     

基于级联式Faster RCNN的三维目标最优抓取方法研究

机器人在三维目标识别和最优抓取方面的难点在于复杂的背景环境以及目标物体形状不规则,且要求机器人像人一样在识别不同三维目标的同时要确定该目标的最佳抓取部位的位姿。提出一种基于级联式模型的深度学习方法来识别目标物体及其最优抓取位姿。第1级提出了改进的Faster RCNN模型,该模型能识别成像小的目标物体,并能准确对其进行定位;第2级的Faster RCNN模型在前一级确定的目标物体上寻找该目标物体的最优抓取位姿,实现机器人的最优抓取。实验表明该方法能快速且准确地找到目标物体并确定其最优抓取位姿。     

基于HMPSO和BP神经网络算法的中频淬火工艺参数预测

中频淬火通过人工控制和PID控制工艺参数难以保证产品质量,因此,基于微粒群优化算法和BP神经网络算法提出了一种基于HMPSO的BP神经网络工艺参数控制方法,首先介绍了微粒群优化算法和BP神经网络算法,接着建立了基于HMPSO的BP神经网络工艺参数控制方法,最后对中频淬火控制系统进行MATLAB仿真研究,结果表明,该方法稳定、有效,可提高中频淬火的质量。     

Visual feedback control of a robot in an unknown environment (learning control using neural networks)

In this paper, a visual feedback control approach based on neural networks is presented for a robot with a camera installed on its end-effector to trace an object in an unknown environment. First, the one-to-one mapping relations between the image feature domain of the object to the joint angle domain of the robot are derived. Second, a method is proposed to generate a desired trajectory of the robot by measuring the image feature parameters of the object. Third, a multilayer neural network is used for off-line learning of the mapping relations so as to produce on-line the reference inputs for the robot. Fourth, a learning controller based on a multilayer neural network is designed for realizing the visual feedback control of the robot. Last, the effectiveness of the present approach is verified by tracing a curved line using a 6-degrees-of-freedom robot with a CCD camera installed on its end-effector. The present approach does not necessitate the tedious calibration of the CCD camera and the complicated coordinate transformations. This revised version was published online in October 2004 with a correction to the issue number.     

双臂弹性单腿机器人的垂直跳跃控制

提出一种新型弹性单腿跳跃机器人系统,该机器人由两个驱动臂和一个弹性被动伸缩腿组成,系统只能依靠内部动力学耦合实现动态站立平衡、起跳、稳定连续跳跃运动.给出系统机构模型,分析该系统的变约束特征.该机器人系统在支撑相是二阶非完整约束系统,在飞行相是一阶非完整约束系统.针对这种欠驱动非完整约束动力学系统,采用时变非线性输入变换,提出一种实现垂直方向连续跳跃的运动控制算法.以控制腿部的姿态和振动规律、系统动量为目标实现机器人的全状态稳定控制.通过计算仿真模拟,验证提出的运动控制方案是可行的.该研究以探索弹性欠驱动机械系统振动能量循环利用技术为目标,研究结果对设计新型弹性欠驱动机械系统以及探索它在航天领域的应用具有一定参考价值.     

基于模型参考神经网络实现锅炉水位自适应控制

锅炉水位是影响锅炉安全运行的重要参数,而水位控制系统是一个复杂的非线性系统.设计了一个稳定的参考模型来表达所期望的汽包水位特性,再通过构建神经网络控制器,控制锅炉水位输出曲线匹配期望的锅炉水位特性.神经网络控制器由2个神经网络组成:被控对象辨识神经网络和控制神经网络,采用反向传播学习算法作为神经网络训练算法.仿真结果表明,采用该神经网络控制器的系统输出性能明显优于采用传统控制器的系统.     

APPROACH TO FAULT ON-LINE DETECTION AND DIAGNOSIS BASED ON NEURAL NETWORKS FOR ROBOT IN FMS

ＡＰＰＲＯＡＣＨＴＯＦＡＵＬＴＯＮＬＩＮＥＤＥＴＥＣＴＩＯＮＡＮＤＤＩＡＧＮＯＳＩＳＢＡＳＥＤＯＮＮＥＵＲＡＬＮＥＴＷＯＲＫＳＦＯＲＲＯＢＯＴＩＮＦＭＳＳｈｉＴｉａｎｙｕｎＺｈａｎｇＺｈｉｊｉｎｇＷａｎｇＸｉｎｙｉＺｈｕＸｉａｏｙａｎＳｃｈｏｏｌｏ...