复合自适应模糊控制在移动机器人中的应用

文章综合考虑了运动控制实现的复杂性和精确性，采用一种基于机器人动态性能变化而实时调整模糊控制规则的复合自适应模糊控制方法，从而提高了机器人的自适应能力。实验结果显示，系统响应速度快，可以满足实时性和控制精度的要求。     

基于迭代学习控制的码垛机器人轨迹优化

提出一种学习控制方法用于码垛机器人的速度优化。通过对系统跟随误差学习,实现在误差允许范围内运动速度最大化,从而实现码垛效率的优化。本方法对系统建模要求较低,易于在实际控制器上实现。系统仿真实验结果表明,在带入机械臂系统参数后,在对迭代算法改进后的最优轨迹与未改进的标准轨迹比较后,前者通过改进局部速度,使机器人运转时间缩短了10％～20％。     

基于多传感器数据融合的管道机器人精确定位技术

针对自主管道检测机器人的管内定位问题,提出了一种能够提高定位精度的多里程仪测量数据一致性融合方法.首先基于置信距离测度概念构造了多里程仪测量数据之间的置信距离矩阵和关系矩阵,然后利用有向图方法剔除含有较大误差的或错误的测量数据,最后采用极大似然估计法求解多里程仪测量数据的最优融合值.在管道机器人智能控制器上使用C语言编程实现文中算法.在机器人的自主爬行实验过程中,通过测量模拟油气管道的焊缝间距验证了该算法的有效性.     

用G代码实现工业机器人网络控制

在对工业机器人网络控制进行了深入探讨的基础上,提出了基于G代码的网络运动控制标准和服务器-客户端结构的网络控制模式,解决了现有工业机器人的网络控制问题,并可用普通CAM软件实现工业机器人离线编程.     

采用ispLSI1016设计高精度光电码盘计数器

详细分析了采用新型大规模在系统可编程集成芯片————ispLSI10 16设计高精度光电码盘 16位计数器的软硬件设计的全过程 ,并指出该设计与采用其它标准IC芯片设计计数器的优越性。     

海底管道检测机器人智能控制器的研制

设计了以嵌入式PC104工控机为核心的海底管道检测机器人智能控制器,以嵌入式Linux操作系统作为该智能控制器的软件运行平台,根据控制任务的实时性和计算量的不同,开发的控制程序分别运行于系统实时内核和原Linux内核,满足了控制系统具有实时性、多任务并行处理等要求。详细介绍了管道检测机器人CAN通信应用层协议的定制规则,通过把报文的内容类别信息和节点信息纳入数据帧标识符来规定报文优先级,保证在多个数据帧同时竞争总线时,优先传送紧急程度高的报文。采用RS232-CAN协议转换器构建了具有检验智能控制器功能的试验平台,方便了控制程序的设计与验证。在实验室模拟油气管道台架上和工程现场的应用结果表明,该智能控制器实现了各种工况下的控制决策等功能,达到了设计要求,所设计的通信协议满足系统通讯要求。     

骨科手术机器人的协同控制方法

基于力反馈设备,通过引入虚拟约束和力反馈,介绍了能满足颅颌面整复手术需求的人机协同操作控制策略.在机器人可达工作空间内,基于模糊控制算法实现了反馈力的规划.通过对手术操作进行合理的过程规划,在模拟手术实验中实现了所提出的骨科手术机器人的人机协同操作控制策略.最后,设计了一组对比试验,验证了这种协同控制策略有效性和合理性.     

基于G代码的工业机器人的自动编程

随着自动化程度的提高和CAD/CAM技术的发展，工业机器人常见的手工示教编程 已经不能满足需要，利用CAD/CAM软件实现机器人自动编程是工业机器人发展的必然趋势． 本文分析了利用通用G代码实现机器人自动编程的可行性，在考虑了数控机床与机器人坐标 系统的差异的基础上，具体研究了G代码程序到机器人工作程序的转换算法，并从编程的角 度，对轨迹仿真、差错检验以及动态优化进行了讨论．     

基于SWMM的低影响开发城市道路雨洪控制模拟研究——以萍乡市武功山大道为例

低影响开发设施作为能够有效消减、利用和延缓城市道路雨水径流以及控制径流污染的分散性单元,正逐渐应用于道路排水系统建设中。该文以海绵城市试点——江西省萍乡市武功山大道为研究对象,运用雨洪管理模型(SWMM)模拟不同重现期(一年一遇、三年一遇、五年一遇以及十年一遇)3小时降雨下生物滞留设施、透水铺装等单一低影响开发设施以及低影响开发组合模式对于道路雨水径流削减效果。结果表明,采用LID雨水系统的城市道路在不同重现期下对径流总量的削减率为34.5%、28.2%、26.1%、24.3%,径流峰值削减率分别为37.4%、27.3%、23.5%、19.5%。同时,对于单项LID设施而言,生物滞留设施在径流总量以及峰值削减上均优于渗透铺装,具有良好的雨洪调控效果。     

机器人逆动力学神经网络建模

针对神经网络逆动力学模型用于前馈控制的网络泛化能力问题,通过对实际机器人的仿真实验,分析了前馈神经网络学习的机理,对神经网络训练过程中的数据采样环节进行了改进,提出了在状态空间域中进行数据筛选和处理的神经网络学习方法。通过二自由度机器人运动仿真实验表明,该方法提高了模型泛化能力,有利于实时动力学前馈控制方法的实用化;与传统PID控制相比,该神经网络模型进行动力学前馈控制能大幅度减少动态误差,改善了系统稳定性。