基于T-S模糊神经网络的机械手轨迹跟踪

以两自由度并联机械手为研究对象,提出了一种以T-S模糊神经网络作为反馈器,以粒子群算法优化的BP神经网络学习作为前馈控制器的机械手自适应轨迹跟踪方案。并运用ADAMS软件建立虚拟样机模型与Simulink进行联合仿真实验。仿真结果表明设计的控制方案能够较好地控制机械手的轨迹跟踪。     

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。     

自适应模糊算法优化的足球机器人轨迹跟踪

为了提高足球机器人在运动控制过程中的轨迹跟踪性能和稳定性,将自适应模糊PID算法用于机器人运动控制环节中,对PID参数进行实时调整。建立足球机器人在场地上的控制系统模型,分析机器人在轨迹跟踪中由驱动方向、角度等时变因素导致的实际轨迹发生偏移的问题,分别在MATLAB-Simulink和SimRobot仿真平台对优化算法的性能进行仿真,同时与传统的PID控制进行对比。实验结果表明,自适应模糊PID算法相比传统的PID控制器在最大跟踪误差和平均跟踪误差方面分别减少20.18%和29.34%,同时提升了系统的稳定性。该控制算法提升了足球机器人的轨迹跟踪性能,满足机器人在运动过程中的动力学和控制要求,易于在工程中应用。     

机器人焊缝跟踪神经网络控制的研究

研究神经网络技术在弧焊机器人焊缝跟踪过程中的应用,通过神经网络在笛卡尔空间轨迹的补偿作用,确定出基于笛卡尔空间参考轨迹控制的机器人焊缝跟踪神经网络控制器。与传统的关节计算力矩法相比,所设计的神经网络控制器具有良好的控制特性及较强的鲁棒性,焊缝跟踪精度得到了显著的提高。     

基于神经网络参数自整定PID的双臂机器人协调操作的轨迹跟踪控制

将BP神经网络与PID相结合，解决了双臂机器人协调操作同一刚性负载的轨迹控制问题，设计了应用于机器人协调操作刚性负载轨迹跟踪的控制系统。针对主臂和从臂在实际操作中所处地位的不同，对主臂，从臂应用了不同的控制子结构。采用这一方法，可以实时调整PID控制器的参数，使其在线达到最优状态，克服了依靠经验离线整定PID参数的局限，使系统具有更强的鲁棒性和自适应性，其输出可达到期望的控制精度，仿真实验验证了控制系统及算法的有效性。     

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。     

基于神经网络的机器人鲁棒跟踪控制

针对具有参数不确定以及外部扰动的机器人系统,提出了一种基于神经网络的鲁棒跟踪控制策略。鲁棒补偿控制器用于消除系统参数以及外部干扰引起的不确定性的影响,再利用神经网络学习系统不确定性未知上界。仿真结果表明,方法能有效克服机器人系统模型的不确定性和外部干扰,具有良好的鲁棒性和控制性能。     

基于CMAC神经网络的机器人平面视觉跟踪

在手眼关系及摄像机模型完全未知的情况下,建立了眼在手上机器人平面视觉跟踪问题的非线性视觉映射模型,将图像特征空间和机器人工作空间紧密地联系起来。在此基础上,为将视觉跟踪问题转化为图像特征空间中的定位问题,设计了基于CMAC神经网络的视觉跟踪控制方案,并与PD控制器相并联构成视觉反馈控制。仿真结果表明该算法能完全消除稳态跟踪误差,具有很强的环境适应性,算法简单,易于实时实现。     

基于高速视觉的绳索牵引并联机器人轨迹跟踪控制

在绳索牵引并联机器人中,实时测量动平台位姿是实现高精度轨迹跟踪控制的关键环节。为此,设计一种基于高性能工业相机的高速视觉测量系统,实现绳索牵引并联机器人的运动学视觉伺服控制。设计一种基于感兴趣区域的位姿跟踪算法,并且加入Auto-Regressive(AR)模型对位姿进行实时预测,避免了绳索牵引并联机器人复杂的正运动学求解。以此为基础,构建了工作空间的运动学视觉伺服控制方案,在实际6自由度绳索牵引并联机器人上进行了轨迹跟踪控制试验,试验结果表明基于高速视觉测量的工作空间控制方案明显优于基于编码器反馈的关节空间控制。     

液压挖掘机器人轨迹跟踪控制综合策略方案研究

针对液压挖掘机器人工作装置和液压系统高度非线性,单一的控制策略不能实现有效精确控制的特点。提出了挖掘机器人轨迹跟踪控制的综合策略。在传统的轨迹规划器中,加入了轨迹优化模块;在关节伺服控制中,采用了基于规则的智能PID控制策略;在泵控制中,采用了改进的负流量节能控制技术。实验结果证实了这种方案的有效性,可以在很大程度上提高挖掘机器人的轨迹跟踪精度,使操作更加平稳。     

模糊CMAC神经网络在机器人装配作业中的应用

在对机器人销孔装配过程销的装配力与位姿关系实验分析的基础上,设计了机器人主动装配作业的模糊CMAC神经网络系统,采用Takagi型模糊推理方法和有监督的Hebb学习规则,由5自由度装配机器人对直径为12mm的销孔进行了主动装配实验,收到良好的装配效果。     

机械手分散CMAC控制器

针对机械手动力学模型未知情况 ,采用类似于计算力矩法的控制器结构 ,设计了基于 CMA C神经网络分散控制器作为非线性估计器、PD控制器作为跟踪外环的机械手控制方案。分析了该控制方案的稳定性 ,通过仿真验证了该控制方法的有效性。结果表明 ,在未知机械手动力学的情况下 ,控制系统的运行仍是有效的 ,并且不同于传统的自适应控制器 ,不需要计算回归矢量 ,也不必对系统参数做任何线性假设。由于采用分散CMAC结构 ,简化了控制器实现的复杂度 ,易于采用大规模可编程数字逻辑阵列和 ASIC数字电路予以硬件实现。     

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     

基于神经网络与PD的非线性控制

提出了一种层叠小脑模型关节控制器（CMAC）神经网络同传统PD控制相结合的控制策略.该策略利用改进CMAC 学习控制系统的不确定信息,并作为前馈补偿来确保跟踪误差的快速收敛,采用PD控制系统实现反馈控制,保证系统的稳定性,且抑制扰动.并采用跟踪-微分器对信号进行了滤波.仿真及实验结果表明：该控制策略提高了系统的控制精度和响应速度,并且具备较强的抗干扰能力和鲁棒性.     

机械手鲁棒自适应PD控制

针对工业机械手的轨迹跟踪问题,设计了一种鲁棒自适应PD控制策略,避免了初始输出力矩过大的弊端.考虑将控制器分为非线性补偿控制和PD反馈控制两部分,机械手的不确定动力学部分由回归矩阵构成的自适应控制器进行补偿,实现了对机械手的运动控制.通过计算机仿真结果验证了所提出控制策略的有效性,能够很好地跟踪期望轨迹.     

用于机械手的小脑模型关节控制器神经网络连接权矩阵的计算

CMAC神经网络已被广泛用于机械手的控制 ,但这种网络的连接权矩阵通常由学习得到 ,有时因学习时间长而影响控制的适时性。本文提出一种连接权矩阵的计算方法 ,不用学习可直接计算求得连接权矩阵 ,其均方根误差近似为零 ,从而实现了用于机械手控制的机械手 CMAC神经网络的记忆。保证了机械手控制的适时性。     

一种新型的模糊神经网络控制器

本文在分析传统模糊控制的基础上,提出了一种由模糊神经网络实现的自适应模糊控制器,详细分析了网络的结构形式、控制器的在线学习、离线学习方法。最后成功地将它应用于两关节液压机器人的实时控制之中。     

二自由度机械手鲁棒跟踪控制器的一种设计方法

叙述了鲁棒控制系统在二自由度机械手上的设计方法及仿真结果。此方法考虑了机械手的非线性和强耦合特性,用一个结构和参数都是固定不变的控制器,来保证即使不确定性对系统的性能品质影响最恶劣的时候也能满足设计要求。以两个自由度的机械手为例,对于应用此理论所得到的控制规律跟踪预先指定的轨迹进行了仿真研究,其仿真结果表明此方法是较为理想的。     

基于面积误差评价的轨迹跟踪数字式最优预见控制

研究在数字最优预见控制中以面积误差作为评价函数的轨迹跟踪最优预见控制方法。首先 ,分析了轨迹跟踪控制的特点和一些问题 ,依次建立了基于面积误差的轨迹跟踪性能评价函数 ,从而获得轨迹跟踪的最优预见控制算法 ;然后对一个简易工作平台系统的轨迹跟踪问题进行了仿真验证。结果表明基于面积误差评价的最优预见控制方法是能够提高路径控制精度的一种有效方法。     

基于神经网络的冗余度四面体变几何桁架机器人位置控制

提出了一个基于双重 BP神经网络的冗余度四面体变几何桁架机器人位置控制方案 ,通过增加关节角变化最小的约束条件 ,定义了优化的目标函数 ,在此基础上建立了冗余度四面体变几何桁架机器人位置控制模型 ,并以四重四面体变几何桁架机器人位置控制为例进行了系统仿真。