SCARA机器人的自适应迭代学习轨迹跟踪控制

为了减小执行重复运动任务机器人的末端位置误差,提出了自适应迭代学习轨迹跟踪控制算法。根据拉格朗日方程得到SCARA机器人的动力学模型,设计了控制力矩的迭代算法,利用Lyapunov函数对该算法的稳定性进行了理论证明,搭建了具有典型机械结构的SCARA机器人实验平台。通过实验验证了自适应迭代学习控制算法能有效减小SCARA机器人的末端位置误差,具有较强的可执行性。     

基于高阶内模迭代学习的关节机器人控制研究

为了提升关节机器人在非严格重复条件下工作过程中的跟踪精度及响应速度,设计了三关节机器人模型,进行运动学及动力学分析来验证模型结构合理。针对关节机器人系统非重复性、非线性的特点,提出将高阶内模迭代学习控制算法应用于关节机器人系统控制中,设计合理的学习增益及更高的内模阶数,从理论上严格证明其收敛性。设计了仿真对比实验及加入扰动后的轨迹跟踪实验,结果表明,高阶内模迭代学习算法收敛速度更快并且具有良好的控制效果。     

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％。     

基于绝对坐标的柔性机器人逆动力学建模和轨迹跟踪

采用了 Timoshenko梁理论和有限元法 ,由 L agrange方程建立了基于绝对坐标的柔性机器人逆动力学模型。由提出的非线性方程数值解法 ,求解出柔性机器人的输入关节角或驱动力矩 ,以此作为输入参量 ,可使机器人能够非常准确地跟踪末端轨迹。文中就三柔性臂机器人进行了仿真 ,验证了本方法的有效性     

柔性机器人轨迹跟踪的逆动力学分析

基于绝对坐标,以期望轨迹而不是名义刚性位置作为机器人末端点的边界条件,建立了具有柔性关节和柔性杆的机器人的逆动力学模型,此方法可使柔性机器人非常准确地跟踪期望轨迹。最后,提出了求解此类非线性方程的数值算法。通过对３Ｒ机器人进行仿真,表明本方法优于通常的方法。     

基于滑动动力学模型的机器人轨迹跟踪控制

针对三轮全向移动机器人在运动过程中产生的滑动现象,提出一种基于滑动动力学模型的轨迹跟踪控制方法。在三轮全向移动机器人运动学以及动力学建模的基础上,通过分析轮毂滚动方向和滚子滚动方向上的车轮接触摩擦力,提出了一种滑动动力学模型,并将该模型引入三轮全向移动机器人闭环运动控制系统,以提高其轨迹跟踪控制精度。在Matlab/Simulink平台上进行轨迹跟踪控制仿真。结果表明,基于滑动动力学模型的三轮全向移动机器人运动控制系统具有较好的稳定性和准确性。     

基于参数自适应神经动力力学的轮式机器人轨迹跟踪控制

轮式机器人具有复杂多变的非线性、强耦合以及时变的动力学特点,采用传统的机器人轨迹跟踪控制容易产生较大的速度突变,导致机器人在控制过程中产生抖振现象,为此提出了一种基于参数自适应神经动力力学的轮式机器人轨迹跟踪控制方法。通过运动学分析并建立轮式机器人的位姿误差模型,采用神经动力学设计机器人轨迹跟踪控制器;分析比较不同参数取值与控制量之间的关系,设计了一种参数自适应方法进一步提高轨迹跟踪控制器的性能;最后,通过对所设计的控制方法进行了仿真实验。实验结果表明,所设计的控制方法能够保证机器人拥有较小的速度突变,在出现误差情况下能够以较快速度收敛,在轨迹跟踪上拥有较高的精度。     

基于MPC的智能车辆变轨迹跟踪控制研究

为解决智能车辆进行变轨迹跟踪问题,基于传统的MPC（模型预测控制）控制器设计一种轨迹跟踪控制器,使所设计的控制器应用于智能车辆时能够先进行五次多项式的单行换道然后继续追踪一定半径的圆形轨迹行驶。采用二自由度车辆运动学模型,分析研究传统MPC控制器的设计原理,将二自由度车辆运动学模型进行线性、离散化处理得到线性误差方程;构建新的状态空间方程引入控制量的变化量,在此基础上进行迭代得到预测方程,利用这一时刻的状态量和控制量的变化量预测下一时刻的状态量。将求解这一时刻控制量的问题转化为二次规划问题,建立目标函数（代价函数）,结合硬约束和软约束条件解得控制量,该控制量输入车辆模型得到新的状态量,进而得到新的误差方程,利用约束环节进行反馈校正,如此循环,逐渐追踪上参考轨迹。为防止求解最优解出现无解时能够继续进行计算,加入松弛因子得到新的能够适应变轨迹的MPC控制器。设计五次多项式的单行道换道轨迹与圆形轨迹的连续变轨迹,搭建Carsim-Simulink联合仿真平台进行实验,验证结果显示：该控制器应用于智能车辆时能够先进行单行道换道行驶然后继续进行圆形轨迹的变轨迹追踪,所设计的控制器具有新型可行性。     

混合驱动柔索并联机器人自适应迭代学习控制

以一种兼容混合驱动机构与柔索并联机构特点的新型混合驱动柔索并联机器人为研究对象,对其动力学建模及轨迹跟踪控制进行了研究;应用Lagrange方法建立了混合驱动柔索并联机器人系统的动力学模型;针对具有非线性、时变特性以及带有可重复时变干扰的混合驱动柔索并联机器人动态系统模型,设计了一种控制增益随迭代次数变化的自适应迭代学习控制策略,并采用Lyapunov函数证明了该控制器的稳定性;数值仿真结果表明,在该控制器的作用下,混合驱动柔索并联机器人控制系统能够完成高精度跟踪期望轨迹,进一步验证了所建系统动态模型的正确性及控制策略的有效性。     

基于死区补偿的码垛机械臂控制算法

针对码垛机械臂系统中存在死区特性影响控制精度的问题,提出一种基于模糊自适应的死区补偿算法.首先,根据死区非线性特性设计模糊死区补偿器对系统中的非线性环节进行补偿和控制;其次,利用模糊自适应算法对变量进行实时整定,从而使得轨迹跟踪误差趋于零;最后,借助MATLAB对理论结果实施验证.结果表明所提的控制算法具有良好的稳定性...     

轮式移动机器人的反步轨迹跟踪控制

在建立轮式移动机器人运动学和动力学模型的基础上,结合反步设计法,将动力学问题反步为运动学问题,设计了具有全局渐近稳定的轨迹跟踪控制律。该控制律由机器人的两驱动电机的力矩组成,简洁且易于实现。利用Lyapunov函数对控制系统进行了稳定性分析,仿真结果验证了所设计控制器的有效性和精确性。     

上肢康复机器人主动轨迹追踪控制方法的研究

针对上肢康复机器人在主动康复模式下,末端手部工具的TCP点如何能保持有效追踪给定空间平面内的轨迹,提出了一种空间容差约束控制方法。通过约束TCP距轨迹平面的正负向距离,同时约束其在轨迹面内距离轨迹的正负向距离,产生约束的末端阻力正比于TCP偏离给定轨迹的距离,引导TCP点始终落在轨迹的容差体内。在控制实现上采用了多线程编程技术,以确保患者手部TCP点偏差距离的检测、计算与比较,以及关节力矩实时改变的控制等过程,不会出现感知上的延迟。实验结果表明,该控制方法在辅助患者主动追踪给定的空间平面轨迹时,达到了预期的效果。     

基于模糊神经网络的不确定机器人实时轨迹跟踪控制的研究

针对机器人建模的不精确性以及扰动的存在给机器人控制增加难度的问题,提出了一种基于模糊神经网络的不确定机器人实时轨迹跟踪控制方法。该控制方法的控制器由模糊神经网络(FNN)控制器和CMAC控制器组成,FNN控制器代替传统的计算力矩法,CMAC控制器在线补偿控制误差,有效补偿机器人存在的各种不确定性。对二自由度机器人的仿真结果表明了所提出的控制方法的可行性。     

基于数据驱动算法的移动机器人跟踪控制

以非完整移动机器人为研究对象,围绕着移动机器人的轨迹跟踪控制问题进行了理论研究,对移动机器人的轨迹跟踪控制提出了一种新的控制方法数据驱动控制算法.以非伪"控制理论(unfalsified control theory)为基础,把数据驱动控制算法运用于Kanayama提出的移动机器人轨迹跟踪控制的经典控制律,寻找其控制器参数的最优组合,并用Matlab进行了仿真,仿真结果证明了数据驱动控制算法的有效性.     

无导轨球罐焊接机器人的轨迹预估控制

研究讨论了轮式爬壁焊接机器人轨迹跟踪的控制问题。研制的无导轨球罐焊接机器人采用二级跟踪模式，对车体的变速跟踪采用了积分分离的PID控制，对焊枪的轨迹跟踪采用了基于轨迹预估控制算法的PID控制，成功实现了焊接轨迹的高精度跟踪，满足了球罐焊接工艺的需求。     

一种弧焊机器人轨迹跟踪控制方法的研究

针对弧焊机器人动态特性中的非线性和不确定因素,对机器人的轨迹跟踪控制问题进行了研究。为提高跟踪精度和控制性能,提出一种基于高斯基模糊神经网络的轨迹跟踪控制方法。该方法以高斯基作为隶属函数,结合神经网络和模糊算法,设计了高斯基模糊神经网络控制器。采用非线性规划中的最速下降法对模糊神经网络进行自学习,能够在线调节隶属度函数的中心以及关节耦合权值,使得控制器具有更好的自学习与自适应能力。数值仿真结果表明该控制方法能高效地控制机器人的轨迹跟踪。     

基于Backstepping方法的轮式移动机器人轨迹跟踪研究

根据机器人的运动学模型,对具有非完整特性的移动机器人轨迹跟踪控制进行了研究.采用基于积分backstepping时变状态反馈方法,引入一种新的虚拟反馈量,设计机器人轨迹跟踪控制算法,并且利用Lyapunov方法证明系统的全局稳定性.仿真结果证明了该方法的有效性.     

基于优化ADRC的单臂机器人轨迹跟踪研究

针对机器人在不确定环境下受到内外界挠动的影响,末端执行器不能跟踪已规划的轨迹运行,以Kinova MICO2机器人为例,研究轨迹自抗挠跟踪模型。建立了机器人关节空间运动模型,根据挠动特点构造了二阶ADRC框架模型,解决了末端执行器偏离规划轨迹的问题。分析了机器人ADRC参数对轨迹跟踪的意义,为了确保系统跟踪的动态稳定性,建立GA-RBF网络优化了原始ADRC。最后分析轨迹跟踪前后的离散点绝对误差,验证机器人轨迹跟踪的可靠性。实验结果表明,GA-RBF优化的ADRC使得机器人实际轨迹能较好收敛于理想的规划轨迹,为工业应用中对轨迹要求较高的任务提供算法参考。