基于非线性PID的柔性两轮机器人运动控制

柔性两轮机器人是一种不稳定、非线性、强耦合系统。该系统的突出特点是在机器人的腰部装有柔性的机体结构,能够更好地模拟人和动物的生物动力学特性,具有更好的仿生性质,同时,系统的控制难度显著增大,为使机器人能够平衡直立运动,且具有较强的鲁棒性,提出了非线性PD的姿态平衡控制方法,实现了机器人的姿态平衡,并同时设计了PID航向差动控制结构驱动左右轮电机,使机器人能够完成直线行进、自旋、环绕等多种运动平衡模式。实验结果表明,机器人具有优良的平衡能力和机动性能,从而验证了方法的有效性。     

柔性两轮自平衡仿人机器人模型分析

用弹簧模仿人的腰椎,对动力学简化模型进行了线性化处理,建立状态空间方程对其进行控制,并从数学角度验证了模型的正确性.     

基于复合协方差函数的多任务模仿学习算法的研究与实现

针对多任务下机器人模仿学习控制策略的获取问题,构建复合协方差函数,采用高斯过程回归方法对示教机器人的示教行为样本点建立高斯过程回归模型,并对其中的超参数进行优化,从而得出模仿学习控制策略,模仿机器人应用控制策略完成模仿任务。以Braitenberg车为仿真实验研究对象,对其趋光、避障多任务的模仿学习进行研究。仿真实验研究结果表明：与基于单一协方差函数的模仿学习算法相比,基于复合协方差函数的模仿学习算法不仅能够实现单任务环境下的机器人模仿学习,而且能够实现多任务环境下的机器人模仿学习,且精度更高。任务环境改变实验研究结果表明该方法有很好的适应性。     

在书写任务中的基于轨迹匹配的模仿学习

针对书写任务中运动轨迹较复杂的问题,引入基于轨迹匹配的模仿学习算法对书写轨迹进行表征和泛化,进而实现机器人书写技能的获取。机器人从示教者处获取示教数据,利用高斯混合模型( Gaussian mixture model, GMM)进行编码,学习示教行为的本质特征,通过高斯混合回归进行泛化处理,实现行为再现。实验结果表明：该方法具有良好的行为编码能力和抗干扰性,能够实现轨迹可连续的汉字书写,通过对GMM的扩展能够进行多任务学习,进而实现轨迹不可连续汉字的书写,泛化效果较好。     

独轮机器人的建模与自抗扰控制算法

独轮机器人前后平衡由一车轮保持并驱动其前后运动, 侧向平衡则由一基于空气阻力的风轮保持, 以此结构为被控对象建立该系统动力学模型. 以一种非线性的控制方法—–自抗扰控制方法控制其平衡运动, 在系统的纵向和侧向上分别设计一个自抗扰控制器, 系统的内扰和外扰被视为自抗扰控制器的总扰动. 以PID 控制方法作对比实验, 仿真结果表明了自抗扰控制算法的强鲁棒性和有效性.

     

机械臂视觉伺服系统中的高精度实时特征提取

以机械臂视觉伺服系统为背景,立体视觉所需要的特征点为目标,提出一种基于颜色块的实时特征提取方法．特征点的定位分为粗定位和精定位两个过程,粗定位用来跟踪目标颜色块,精定位在粗定位的基础上,切出小图像并提取目标轮廓,利用犓犔变换对轮廓点进行分类,并通过最小二乘法对边缘点进行拟合．根据直线方程计算顶点的亚像素精度坐标,为下一步的目标位姿测量提供基础．实验结果验证了该方法的有效性．     

一级直线倒立摆匀速行走的模糊控制研究与实现

当前针对倒立摆的研究一般是把角度控制或者位置控制作为控制目标,很少着眼于速度控制,有鉴于此,设计了一种简单的模糊控制器,应用于一级直线倒立摆的匀速行走控制中;仿真实验和实物实时控制实验均验证了该控制器的有效性,对于设定的速度整定值,通过调整几个比例环节的系数,系统具有很好的动态性能指标,而且控制器在有外界扰动时体现了很好的抗扰性;考虑到实际物理系统中倒立摆行程的限制,设计的自动换向开关实现了倒立摆在一段给定的行程上匀速来回行走的控制目标,通过手动切换开关也能实现倒立摆的位置控制。     

基于最大反馈线性化的两轮机器人平衡控制

为了对两轮直立式机器人进行平衡控制研究,首先应用一种拉格朗日方法对两轮直立式机器人系统进行动力学建模,以力矩作为模型控制输入并且考虑到了系统无滑动的非完整约束方程.求出了系统的最大相对阶并对非线性系统进行了部分反馈线性化,经过坐标变换和输出反馈得到了2个由两链积分器构成的子系统,外加3个代表系统内动态的非线性方程.根据...     

基于Skinner操作条件反射的两轮机器人自平衡控制

针对两轮自平衡机器人的运动平衡控制问题,采用了基于Skinner操作条件反射理论的自回归神经网络学习算法作为机器人的学习机制,利用自回归神经网络对评价函数进行逼近,以实现对行为决策的优化,从而使机器人能够在无需外部环境模型的情况下,通过学习和训练,获得像人或动物一样的自主学习技能,解决了两轮机器人的运动平衡控制问题.最后分别在无扰动和有扰动的两种状态下设计了仿真实验并进行了比较.结果表明,该操作条件反射学习机制具有较快的自主平衡控制技能和较好的鲁棒性能,体现了较高的理论研究意义和工程应用价值.     

一种桌面机器人及其自主地图绘制算法

利用嵌入式技术设计了一种桌面机器人系统,机器人体积不到200 cm3,系统利用全局摄像机采集图像,通过无线通信组件对机器人定位导航,从而进行面向地图绘制的智能行为研究;从桌面机器人系统采集到地图信息,并生成神经网络训练样本,利用可增长自组织特征映射图GSOM(Growing Self-organizing Map)的地图绘制算法,通过不断增加新的神经元实现网络规模的增长,从而生成以少数SOM图神经元分布描述环境特征信息的拓扑地图;在机器人系统上进行了基于GSOM模型的自主地图的绘制实验,并利用所得拓扑地图进行了准确的机器人导航实验.实验结果表明基于GSOM的自主地图绘制方法可行,机器人系统表现出类似生物的自主智能行为.该方法可以应用于大环境下机器人的自主地图测绘与导航.