柔性冗余度机器人残余振动主动控制

研究柔性冗余度机器人的残余振动主动控制问题，设计了具有压电作动器与应变传感器的机敏杆件，建立了受控系统的状态空间表达式，采用独立模态空间控制理论设计LQR状态反馈控制器，并基于对偶原理设计了具有指定收敛特性的Luenberger全维状态观测器，最后，以平面3R柔性冗余度机器人为例进行了计算机仿真，结果表明，采用这种主动控制方法可以显著改善柔性冗余度机器人的动力学品质。     

柔顺关节并联机器人固有频率分析

为了解含有片簧式柔顺关节的并联机器人振动特性,基于含有片簧式柔顺关节的并联机器人动力学方程,建立了频率方程,并对系统固有频率在机器人运动过程以及工作空间的变化情况进行分析,同时对理论轨迹、软件仿真轨迹与名义轨迹的差值进行幅频特性分析来说明理论计算结果和软件仿真结果的正确性,也相互验证了频率方程和幅频特性分析方法的正确性。     

含有柔顺关节的并联机器人轨迹跟踪实验

使用柔顺关节代替刚性转动副搭建柔顺关节并联机器人实验平台.利用OPTOTRAK测量系统对3-DOF柔顺关节并联机器人动平台轨迹进行测量.实验数据的对比分析表明:柔顺并联机器人运行平稳,由轴向漂移和弹性振动引起的误差均控制在允许范围之内.     

具有单拐点大变形梁的柔顺机构伪刚体模型

为了分析柔顺机构中具有单拐点的大变形梁,基于伪刚体模型原理,提出一种用于模拟具有单拐点大变形梁的柔顺机构4R伪刚体模型.以伪刚体模型拐点位置误差最小为目标函数,运用优化方法得到模型的最优特征半径系数,应用线性回归方法得出模型的刚度系数.数值计算结果说明:提出的模型能够很好地模拟具有单拐点的柔顺杆末端及拐点位置.     

冗余度机器人运动模型的神经网络辨识及实现

为提高网络学习速度,提出了一种新的动态神经网络结构——状态延迟输入动态递归神经网络.以德国PowerCube^TM模块化机器人为研究对象,将机器人系统返回的关节位置信息和OPTOTRAK30203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,所得结果及误差分析,说明了SDIDRNN在学习能力上的优越性.     

状态延迟输入神经网络及其在机器人定位监督控制中的应用

对复合输入动态递归网络作了改进 ,提出一种新的动态递归神经网络结构 ,称为状态延迟输入动态递归神经网络 (State Delay Input Dynamical Recurrent Neural Networks)。这种具有新的拓扑结构和学习规则的动态递归网络 ,不仅明确了各权值矩阵的含义 ,而且使权值的训练过程更为简洁 ,意义更为明确。网络增加了输入输出层前一步的状态信息 ,使其收敛速度和泛化能力与其他常用网络结构相比 ,均有明显提高 ,增强了系统实时控制的可能性。本文将该网络用于机器人定位监督控制系统中 ,通过利用神经网络建立起被控对象的逆模型 ,与传统 PD控制器结合 ,确保了控制系统的稳定性 ,有效地提高系统的精度和自适应能力。仿真结果表明了这种改进的有效性和优越性     

受限柔性机器人臂的动力学分析

针对柔性机器人臂操作受作业环境约束的刚性负载，建立了系统的动力学模型。根据物体与作业环境的约束关系。推导出系统的正动力学模型。以期望的被操作物体的轨迹和物体与环境的作用力为边界条件，推导出系统的逆动力学模型，由此所求出的柔性机器人臂的输出关节角和关节驱动力矩可使机器人臂操作物体准确地实现期望轨变和与环境的作用力，并就具有三柔性杆机器人臂操作刚性负载进行了仿真，验证了方法的有效性。     

柔性机器人协调操作的无内力载荷分配

为解决柔性机器人协调操作系统的逆动力学问题,提出一种无内力载荷分配法。该方法首先在操作空间基于无内力的原则规划载荷分配系数,然后在关节空间以关节输入力矩最小为目标确定机器人各个关节的输入力矩。以2个3R柔性机器人协调操作刚性物体为例,验证了该方法的有效性。     

具有弹性关节的柔性杆机械手动力学方程及其数值模拟

以单杆柔性机械手为例，提出建立具有弹性关节的柔性机械手动力学方程的新方法，并将这种方法与刚度矩阵法对指端误差的影响进行比较。此法可推广到具有弹性关节的柔性多杆机械手中。     

模块化机器人的惯性参数辨识研究

提出了一种基于六维力/力矩传感器的模块化机器人惯性参数辨识的方法。首先,通过Newton-Euler方程建立模块化机器人的动力学方程,然后利用基座力旋量平衡原理建立辨识模型对动力学方程中的未知参数进行辨识,最后以德国AMTEC公司生产的PowerCube模块化机器人实体对这种方法进行了实验验证。