轮椅机器人异构主从臂关节空间中的运动映射研究

轮椅机器人系统是一种用于帮助有肢体运动困难的老年人/残疾人完成各种日常生活操作的辅助机器人,研究异构主从臂之间的运动映射算法有助于提高此类机器人系统控制操作的便捷性和直观性.本文以人手臂作为通用主臂,异构的7DOF机械臂作为从臂,采用穿戴式人体运动运动捕捉系统获取人手臂的关节运动数据,然后根据从机械臂的构型特征将其关节分为肩、肘、腕3组,研究在关节空间中由主臂到从臂的运动映射算法以及从臂的自主避障算法,最终实现符合操作者日常习惯的异构从臂运动控制.本算法具有如下两个突出的优点：（1）老年人/残疾人可以根据生活直觉和日常习惯来控制机械从臂的运动,操作疲劳程度和出错率得到显著降低;（2）轮椅机器人在家庭等非结构化和受限空间中作业时的自身安全性得到显著提高.上述优点对于轮椅机器人系统在助老助残中的应用具有非常重要的意义.     

仿人机器人步态平衡泛化模型的建立与仿真

通过人体示教计算零力矩点(zero moment point, ZMP),并通过补偿关节角度对其矫正的方法可以解决机器人步行不稳定的问题,但仍存在算法复杂度过高等问题。本文提出一种人体示教与机器学习相结合的方法,基于支持向量回归算法建立机器人的步态平衡泛化模型,通过该模型可以实现对模型输入人体示教的关节角度和ZMP信息后直接得到经稳定性补偿的关节角度,并以此驱动机器人完成步行动作。引入鲸鱼优化算法(whale optimization algorithm, WOA)优化模型的参数以使模型得到最优的泛化效果,完善步态平衡模型的性能。WEBOTS仿真平台下,使用模型输出的补偿后的关节角度驱动NAO机器人,其动作自然、稳定且算法复杂度较低,验证了本文方法的可行性。     

基于仿人机械手的五指力封闭抓取算法

手是人类在长期进化过程中形成的最完美的工具,能够灵活、精细的进行抓取物体等操作。机械手设计初衷是取代人手完成工作,是机器人系统的重要组成部分,因此抓取物体等操作一直是仿人机械手的研究重点。传统的抓取方法是利用机械手三指形成力封闭完成任务。但由于机械手本身结构复杂等原因,易出现控制信号偏差或某自由度未达到要求水平,使得抓取过程中目标物体脱落等问题。为了使机械手达到稳定抓取的效果,本文提出了一种效仿人手抓取的五指力封闭抓取算法,其本质是利用冗余机制解决传统三指抓取过程中可能出现的抓取不平稳或脱落的问题。首先,基于三指力平衡算法的思想上提出了满足五指力封闭抓取算法的条件。然后,对五指力封闭抓取算法进行了充分性和必要性的证明。最后,通过仿真环境下的实验抓取不同目标物体,验证了五指力封闭算法的可行性及必要性。     

基于高斯过程的机器人模仿学习研究与实现

针对机器人模仿学习控制策略获取的问题,基于高斯过程的方法,建立示教机器人示教行为的样本数据的高斯过程回归模型并加以训练,以求解示教机器人的感知和行为之间的映射关系,并将此映射关系作为模仿机器人的控制策略来实现对示教行为的模仿.以Braitenberg车为仿真对象,研究趋光模仿学习行为.仿真实验表明:基于高斯过程的机器人模仿学习算法具有有效性,模仿机器人在不同任务环境下具有很好的适应性.     

基于信息融合的机器人路径智能决策的研究

基于机器人未知环境探索的智能行为,以先锋Pioneer3-DX移动机器人为对象,构建了基于多传感器信息融合的机器人智能行为系统以实现其路径规划行为。构建了一个双层信息融合路径规划智能行为系统,数据层融合采用基于联邦kalman滤波融合的信息融合方法,通过多传感器融合降低信息的不确定性,为机器人提供更可靠和更准确的环境信息;决策层融合采用模糊推理方法,根据数据层融合结果作为模糊控制器的输入,构建基于模糊推理的决策层融合模块,其设计思想是模仿人的智能行为进行决策,使其不仅决策出机器人的行走方向,同时决策出机器人的行走速度,实现了动态路径规划。基于Matlab的仿真实验,验证了方法的可行性。     

基于CMAC-PID控制器的水压加载系统研究

为了实现水压加载系统能够动态精确跟踪给定压力的要求,利用小脑模型关节控制器(CMAC)结构简单、收敛速度快、具有局部学习能力的特点,提出了一种除了系统动态误差以外把系统指令信号也作为CMAC的输入信号,并把CMAC控制器与常规PID控制器并联构成的复合控制方法;通过在MATLAB中的编程仿真试验,结果表明这种方法可以得到比常规PID控制更好的控制指标,达到了试验要求,而且具有良好的抗干扰能力,从而证明了该方法的可行性和有效性,可以用来实现对给定信号的跟踪。     

一种自治操作条件反射自动机

针对仿生自主学习控制问题,根据自动机的原理,以操作条件反射学习机制为基础,运用仿生的自组织学习方法,提出一种自治操作条件反射自动机(autonomous operant conditioning automata,AOCA)模型,主要包括:操作集合、状态集合、“条件-操作”规则集合、可观测的状态转移以及操作条件反射学习律;定义了基于AOCA状态取向值的操作熵;给出了AOCA操作熵收敛性证明;分析了AOCA自组织特性;规定了AOCA的递归运行程序.同时,将其应用于斯金纳动物实验的模拟,动物分阶段学习,并且成功习得技能,实验结果表明AOCA实现了模拟操作条件反射学习机制.     

模糊PID复合控制在变频水压加载系统的应用

针对目前水压加载系统能耗较大的状况,设计了一种新型的采用变频调速技术的水压自动加载系统,并根据系统特性建立了系统的数学模型.由于传统PID方法控制指标不够理想,采用模糊控制与传统PID并联的复合控制器对系统进行分段式控制,仿真结果表明此复合控制方法优于传统的PID控制,系统的动态特性和抗干扰能力都得到改善.     

基于状态重构理论的同步控制

为了解决控制系统同步控制精度问题,提出了一种基于状态重构理论的系统同步控制方案。该方法将两个需要进行同步控制的执行机构,一个作为主系统,另一个视为其观测器。设置观测器的极点,计算观测器的反馈系数,搭建两系统的同步控制结构,则两个系统的同步过程就是作为观测器的系统渐近跟踪主系统输出的过程。仿真实验结果表明,该方法可以快速地实现系统的同步控制。将此方法应用于多液压执行器的同步控制,取得了较好的效果。     

应用Boltzmann机实现离散线性二次型动态优化

为了求解线性二次型的动态优化控制问题,提出了一种基于随机神经网络Boltzmann机求解线性二次型动态优化控制问题的方法,将系统的性能指标转化成Boltzmann机的能量函数,将控制序列与网络的神经元相对应,Boltzmann机的稳态对应的就是最优的控制序列.理论研究表明,对于任意时变多变量的线性二次型,都能找到一个相应的。Boltzmann机,它的能量函数与二次型的性能指标等价.仿真试验表明,应用Boltzmann机可实现任意时变多变量系统的线性二次型动态优化控制.