修磨机器人的最优控制法

基于最优控制理论,本文为磨平钢坯细微缝隙的修磨机器人(SGR)提出了最优轨线跟踪控制法和最优扰动控制法,最优轨线跟踪控制使机器人按最优法则跟踪一期望轨线;最优扰动控制利用前馈力矩作为总体补偿和一个按最优法则确定的反馈力矩校正跟踪误差。最后,给出用计算机仿真结果验证了本文提出的最优控制法的有效性。     

工业机器人的小脑模型控制

本文为动力学控制工业机器人提出了一种综合学习算法,这种学习算法可将以前所学的信息用于新的控制输入.这种控制方法不需要事先知道机器人动力学,它易于应用于特殊的控制问题或修改以适应实际系统中的变化,控制方法在时间上是有效的,且很适合于定点实现.学习控制算法的有效性通过4自由度的直接驱动机器人前两个关节在重复运动中的计算机仿真实验得到了验证.     

基于加速度传感器的机器人极点配置控制

本文为工业机器人提出了一种极点配置控制法．这种控制方法的优点有：一是它的积分作用消除了机器人的微小扰动和稳态误差；二是能任意设置系统的极点，因此能保证闭环系统的稳定性和规定状态变量的暂态响应；三是加入了加速度反馈，抑制了由电枢电感所引起的机械手的振动．最后，给出了ＰＵＭＡ５６２机器人的计算机仿真和实验结果验证了此控制法的有效性．     

工业机器人的学习控制

加速度传感器装在机械手手部,各关节的加速度由加速度分解算法得到.然后,提出了一种学习控制法,这种控制法利用加速度误差校正驱动器运动.并提出了一种基于几何级数的极限条件估计学习控制过程收敛条件的理论方法.本文所提出的学习控制理论的有效性通过 PUMA-562 机器人的计算机仿真实验得到了证实.