两台机器人共用一个编码器的在线跟踪系统

为实现两台工业机器人利用一个增量型编码器跟踪传送带工作,提出一种基于增量型编码器输出信号转换为机器人接收的信号类型,并分配给两台机器人的解决方法.详细介绍了增量型编码器的工作原理及该系统的详细架构,解决了两台机器人在共同区域跟踪作业的问题.为工业机器人在线跟踪方面提供一种解决方案.     

双机器人协调跟踪复杂边缘的运动规划

研究了双机器人协调跟踪平面复杂边缘任务中所涉及的运动规划问题。提出了一种简单、可行的双机器人笛卡儿空间内的协调任务分解策略。根据该策略,在一般笛卡儿空间内分析了双机器人的位置约束关系、提出了平面复杂曲线的基于曲线极大值的分段跟踪算法、对双机器人进行了关节空间的摆线轨迹规划。以正弦曲线为跟踪实例,通过仿真实验验证了分段跟踪算法的正确性。     

基于 PSO-BP 神经网络的分拣机器人视觉反馈跟踪

针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation, PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative, PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。     

基于改进遗传算法的机器人轨迹跟踪

机器人系统具有很强的藕合性和不确定性,外部扰动大。因此机器人系统的跟踪精度较低。为了提高跟踪精度,提出了了一种基于改进遗传算法的机器人高精度轨迹跟踪策略。首先分析了机器人中的二自由度机械臂的动力模型、然后在基础上利用改进遗传算法对机器人路径跟踪进行优化控制,最后搭建机器人轨迹跟踪的仿真平台对本设计方法进行仿真,仿真结果说明通过改进的遗传算法可以大幅提高机器人的轨迹跟踪精度。     

不确定机器人轨迹跟踪的自适应神经网络控制

提出了一种新的基于Lyapunov理论的自适应神经鲁棒控制方案 ,用于不确定性机器人的轨迹跟踪控制。这种控制器是一个基于神经网络动态补偿的PD反馈控制 ,可以保证机器人跟踪误差的渐近收敛性。仿真试验结果进一步证明了这种控制算法的有效性。。     

DLR/HIT Ⅱ灵巧手控制系统及基关节同步控制

针对多传感器、多自由度机器人灵巧手,开发了基于DSP&FPGA的多层控制系统。将手指驱动控制系统和传感器系统集成在手指内部,使得与人手尺寸和活动性相似的DLR/HIT Ⅱ五指机器人灵巧手得以实现。对于手指基关节差分齿轮的运动协调问题,设计了包含速度和加速度前馈项、同步误差和位置误差反馈项以及平滑鲁棒非线性反馈补偿项的交叉耦合同步控制器,该控制器不需要精确的动力学模型。经与传统的非同步控制PD加摩擦力补偿控制和轨迹跟踪控制对比,实验验证了所设计的控制系统及交叉耦合同步控制器的有效性。     

一个可重复使用的创作抓取的软件

为了使机器人专家容易掌握机器人抓取技术,Energid正在开发一个图形用户界面(GUI)的工具和可重复使用的软件工具箱,该工具箱包括轻松地创作抓取和快速搜索抓取算法。该方法是通用的,可以应用于任何机器人的手,所有类型机械臂和移动式平台。本文介绍了如何用Energid的系统软件和方便的人机界面创作抓取动作,用新的方式来约束机器人的手,和实时仿真的抓取的过程。特别强调:在创作抓取得过程中,整合使用了力的控制。力的控制包括各种控制算法,这些算法可适用于不同种类的力/力矩传感器;基于视觉的跟踪,提供物体识别和从数据库中抓取的自动选择(视觉系统提供3维跟踪引导抓取的过程)。模拟和硬件验证的研究使用的是Schunk的SDH的手和LWA手臂。     

基于SR-CKF的移动机器人动态目标跟踪算法

针对移动机器人在未知复杂环境中动态目标跟踪存在的数值不稳定、计算量大和精度较差等问题,提出基于平方根容积卡尔曼滤波的移动机器人动态目标跟踪算法(SR-CKF-SLAM-OT)。该算法的系统状态由地图环境特征、机器人和目标作为一个整体构成。建立目标和机器人的动态模型进行预测、数据关联和更新,在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。此外,通过数据关联环节能够有效的降低伪观测值对系统状态估计的影响。仿真结果表明:相比基于EKF的动态目标跟踪算法,所提出的动态目标跟踪算法目标和机器人均方根误差分别降低了36.3%和38.2%,SR-CKF-SLAM-OT算法有效地满足了移动机器人动态目标跟踪的需求。     

不确定机器人的间接模糊自适应轨迹跟踪控制

针对不确定的机器人系统轨迹跟踪控制问题,依据自适应模糊控制算法和H∞控制理论,提出了一种间接模糊自适应控制方法。该方法将自适应模糊控制和H∞控制理论相结合,用稹糊逻辑系统直接为机器人建模,不需对机器人的数学模型进行转换,并结合H∞控制理论,将建模误差和外部干扰衰减到预先规定的指标。基于Lyapunov方法,给出了学习自适应率,H∞跟踪特性的证明。对二自由度机器人的仿真结果表明了所提出的控制算法有效性。     

粒子群神经网络辨识的机器人分数阶滑模控制

研究了一种粒子群算法优化的神经网络分数阶滑模变结构控制方法，并将其应用到工业机器人路径跟踪研究中。首先采用粒子群算法优化的神经网络辨识工业机器人的系统模型，训练得到与系统控制参数解析度最相关的模型；然后基于分数阶理论与滑模变结构理论设计了分数阶滑模变结构控制器，作为系统的主控制器应用到工业机器人轨迹跟踪控制系统中。仿真及实验结果表明，该方法具有良好的跟踪性能和快速性。     

Motion of control of a multijoint robot based on a robust velocity controller

This paper proposes a simple and robust robot motion control method using a robust velocity controller. The robust velocity controller is based on H^∞ control theory, and is called H^∞ velocity controller. The H^∞ velocity controller based motion control method is completely equivalent to the robust acceleration control method using the H^∞ acceleration controller, but it has simpler structure. Therefore, the proposed system can realize a fine robot motion control easily. To confirm the validity of the proposed method, this paper realizes the hybrid control of position and force for a multijoint robot manipulator. Further, the simple realization of hybrid control is proposed considering the attitude of the robot manipulator. This system achieves hybrid control of position and force of the robot manipulator while maintaining a perpendicular attitude to the target environment. The experimental results in this paper show that the proposed system has the desired force and position response to the target environment. © 1997 Scripta Technica, Inc. Electr Eng Jpn, 118 (4): 58–69, 1997     

基于Backstepping时变反馈和PID控制的移动机器人实时轨迹跟踪控制

根据机器人的运动学模型，采用分层控制的思想将移动机器人的轨迹跟踪控制分为两部分：轨迹跟踪控制器和机器人速度PID控制器。基于Backstepping时变状态反馈方法和Lyapunov理论，引入具有双曲正切特性的虚拟反馈量，提出一种移动机器人全局轨迹跟踪算法：采用PID速度控制器以满足机器人驱动电机实时调速要求。考虑到机器人的动力学约束，引入受限策略以保证其运动平滑。在基于DSP的两轮驱动移动机器人上对算法进行了实时轨迹跟踪试验，取得了满意的控制效果。     

全方位移动机器人模糊自适应PID控制

针对全方位移动机器人,结合PID和模糊控制两者的优点,提出了一种模糊自适应PID(FAPID)的控制方法。对模糊自适应PID控制算法进行了理论分析,基于Matlab建立了全方位移动机器人的简化仿真模型。仿真研究表明,采用模糊自适应PID控制方法,系统的调节时间缩短,响应速度加快,抗干扰能力和适应参数变化的能力要优于常规的PID控制。     

基于神经网络的机器人关节转矩力控制研究

针对存在参数不确定和外界扰动的机器人系统,提出了一种无须使用力传感器即可同时控制机器人力和位置的关节转矩控制方案.采用神经网络补偿机器人位置控件控制时的不确定性,当机器人末端与环境接触时,通过转矩换算得到实际的接触力.该文采用计算力矩位置控制器和模糊力控制器,通过二自由度机器人仿真验证了该方法的有效性.该控制方案为在没...     

DLR/HIT II灵巧手控制系统及基关节同步控制

针对多传感器、多自由度机器人灵巧手,开发了基于DSP＆FPGA的多层控制系统.将手指驱动控制系统和传感器系统集成在手指内部,使得与人手尺寸和活动性相似的DLR/HIT II五指机器人灵巧手得以实现.对于手指基关节差分齿轮的运动协调问题,设计了包含速度和加速度前馈项、同步误差和位置误差反馈项以及平滑鲁棒非线性反馈补偿项的交叉耦合同步控制器,该控制器不需要精确的动力学模型.经与传统的非同步控制PD加摩擦力补偿控制和轨迹跟踪控制对比,实验验证了所设计的控制系统及交叉耦合同步控制器的有效性.     

一种非线性连续预测变结构控制方案

提出了一种非线性连续预测变结构控制方案,将非线性连续预测控制与滑模变结构控制结合起来。其控制器由针对对象标称非线性模型设计的连续预测控制器和针对对象不确定性设计的滑模变结构控制器组成。所提出的方案既具有变结构控制鲁棒性强的优点,又由于连续模型预测控制的引入使得变结构控制的“抖振”大大减小。应用于二自由度机械手轨迹跟踪控制,仿真结果表明了所提控制方案的有效性。     

神经网络自学习模糊控制及其应用

本文提出了一种新的自学习模糊控制算法。利用改进的ｐｉ－ｓｉｇｍａ神经网络，对模糊控制器的结论参数进行辨识，并不断修正隶属函数，实现了模糊规则的自动更新。这种方法被用于机器人解耦控制，取得了满意的仿真结果。     

Adaptive predictive control of a differential drive robot tuned with reinforcement learning

One of the most important steps in designing a model predictive control strategy is selecting appropriate parameters for the relative weights of the objective function. Typically, these are selected through trial and error to meet the desired performance. In this paper, a reinforcement learning technique called learning automata is used to select appropriate parameters for the controller of a differential drive robot through a simulation process. Results of the simulation show that the parameters always converge, although to different values. A controller chosen by the learning process is then ported to a real platform. The selected controller is shown to control the robot better than a standard model predictive control.     

多关节机器人的反演自适应模糊滑模控制

针对二关节机器人轨迹跟踪问题,设计了一种新的反演自适应模糊滑模控制器.该方法设计了反演滑模控制器和自适应模糊控制器,通过设计合适的自适应律,采用模糊控制器在线估计不确定性上界值,实现了对建模误差和干扰的自动跟踪,削弱了抖振.利用李亚普诺夫定理证明了系统的稳定性.仿真结果表明该方法的有效性.     

未知环境下机器人模糊滑模阻抗控制

针对未知环境下的机器人系统,提出一种模糊滑模阻抗控制器,在自由空间可以做未受约束运动,具有位置跟踪的能力,在面对接触空间做受约束运动时,则具有力跟踪的能力。传统的阻抗控制会因为机器人或环境的不确定性和干扰而缺乏鲁棒性,该文在阻抗控制器中引入滑模控制,模糊控制器用来克服滑模控制的抖振问题。仿真结果表明模糊滑模阻抗控制对机器人自由空间的位置跟踪和接触空间的力跟踪都有很好的性能。