基于非结构模型机器人力控制稳定性分析

本文将机械手和接触环境作为一个整体来考虑，采用非结构模型分析了机器人力外环控制的稳定性，得到了机器人力控制系统稳定操作的界限，实验结果表明这种分析方法的合理性。     

基于虚拟分解控制的液压足式机器人单腿稳定阻抗控制

虽然非线性模型控制法可以很好地解决机器人柔顺性力接触问题,但也增加了复杂机器人高非线性动态建模控制的复杂度.对此,本文提出了一种基于虚拟分解控制的液压足式机器人单腿稳定阻抗控制.首先,给出了虚拟分解控制的数学基础.然后,将液压足式机器人单腿与无质量虚拟机械手串联成一个合成机械手,利用虚拟分解控制方法将合成机械手分解成由连杆和关节被控体组成的子系统链,运用虚拟分解控制的虚拟功率流和虚拟稳定性特性分析各子系统和无质量虚拟机械手的运动学、动力学、控制及虚拟稳定性,同时分析合成机械手的环境交互动态稳定性,接着给出一种既能保证系统稳定性又能实现理想阻抗性能的系统控制律增益.最后,将其运用到液压足式机器人单腿系统中进行验证,实验结果证明该方法不仅可以有效地减小机器人接触力,还能很好地跟踪目标阻抗.     

基于非结构模型机器人力控制稳定性分析*

本文将机械手和接触环境作为一个整体来考虑，采用非结构模型分析了机器人力外环控制的稳定性。得到了机器人力控制系统稳定操作的界限，实验结果表明这种分析方法的合理性。     

一种通过模糊自调整应用于机械手广义力/位置控制的稳定系统研究

提出一种基于模糊自调整的机械手控制结构,并针对机械手与外界环境接触时产生的作用力,定义了一种广义力,它是机械手执行机构输出力与机械手末端受到外界力的合力。那么,就可以用类似于机械手位置控制的方法达到力/位置控制目的,通过模糊自调整方法实现。在机械手受到的外力是有界限的前提下,考虑机械手非线性、耦合和多变量的动态特征,证明了整个闭环系统是全局稳定的。     

自适应模糊与CMAC并行的机器人力/位置控制

为提高机器人系统对机器人末端操纵器与外界工作环境接触时,其接触刚度不确定性的自适应能力,在机器人力／位置混合控制的基础上,设计出了一种基于自适应模糊与CMAC并行控制的机器人力控制器,采用小脑模型神经控制器实现前馈控制,实现被控对象的逆动态模型,自适应模糊控制器实现反馈控制,保证系统的稳定性,且抑制扰动。以平面两关节机器人进行仿真,仿真结果表明,系统的自适应能力和力跟踪能力有显著的提高,机械手在其末端操纵器与刚性变化范围较大的外界工作环境接触时,具有较强的适应能力,较好地完成了机器人的力／位置控制。     

基于迭代学习的机械手操作空间力/位置混合控制算法

基于对常规机械手操作空间力／位置混合控制算法的简单回顾，及对该算法所遇到困难的分析，提出了一种基于迭代学习的机械手操作空间力／位置混合控制算法，来改善机械手同高刚度环境接触时，机械手力／位置混合控制的动态控制性能．给出了学习算法的收敛条件及其证明．实验表明该算法具有快速的收敛性，能达到很高的力／位置动态控制精度．     

基于STM32的机械手夹持力控制系统设计

为保证被夹持物品的完好以及机械手夹持的稳定性，提出了基于STM32的机械手夹持力闭环控制系统，该系统主要解决了在机械手夹持过程中夹持力控制问题。采用PID为控制策略，CAN总线为通讯方式，创新地提出无外置传感器的方式，实现机械手夹持力闭环控制。     

遥控作业器基于主动时延神经网络的感知和控制

遥控作业器是实现未知或危险环境中作业的有力手段．由于遥控机械手大多工作在不确定的环境中，操作者难以预先知道环境目标的动力学特性，在机械手和环境发生力的交互过程中，需要考虑机械手和环境碰撞时的强非线性对控制回路的影响，因此对机械手和环境碰撞的实时感知和识别是非常重要的．本文利用接近觉传感器测量机械手顶端与环境物体的距离，提出了基于主动时延神经网络的遥控作业器的感知和控制方法．仿真实验表明了该方法的有效性和对接近觉传感器量程的要求     

基于迭代学习的机械手操作空间力/位置混合控制算法

基于对常规机械手操作空间力/位置混合控制算法的简单回顾,及对该算法所遇到困难的分析,提出了一种基于迭代学习的机械手操作空间力/位置混合控制算法,来改善机械手同高刚度环境接触时,机械手力/位置混合控制的动态控制性能．给出了学习算法的收敛条件及其证明.实验表明该算法具有快速的收敛性,能达到很高的力/位置动态控制精度.     

面向未知环境基于智能预测的模糊控制器研究

提出了一种新的面向未知环境的智能预测算法，并将此算法应用于机器人力跟踪控制中．该方法利用机械手末端与未知受限环境产生的接触轨迹，通过模糊推理智能地预测阻抗控制模型中的参考轨迹，并根据力误差变化用参考比例因子对其进行调节，以适应未知环境刚度的变化．通过对阻抗模型参数进行模糊调节减少受限运动中的力误差，提高了全局的力控制效果．仿真结果证明了此算法的有效性．     

基于加速度传感器反馈的丝杠传动系统接触力控制

针对丝杠传动系统从自由空间运动过渡到约束空间力控制过程中,接触不同环境刚度时接触力的动态特性是不同的,并且存在冲击、高频振动甚至不稳定,以及稳态力跟踪阶段的扰动引起的不稳定问题,提出用加速度传感器反馈来增加系统力控制的阻尼,抑制在力控制的接触过渡过程和力维持跟踪过程中因为碰撞和外部扰动等原因产生的高频振动,克服单纯速度反馈控制带宽比较窄的局限性,增加系统的稳定性.建立了基于多传感器的实验平台,进行了接触力控制的实验比较研究,实验结果表明该方法是可行的.     

SCARA型机械手的鲁棒防振控制

对ＳＣＡＲＡ型机械手的防振控制进行研究，提出了两自由度鲁棒控制法，应用μ控制理论设计鲁棒反馈控制器，保证了系统的鲁棒稳定性及鲁棒性能指标；基于模型匹配法设计前馈控制器，组成两自由度控制系统，进一步改善了闭环系统的跟踪特性。仿真研究表明，与传统的ＰＤ控制相比，该控制系统能对机械手前端的残留振支进行有效的抑制，取得较好的轨迹跟踪特性。     

工业机器人自适应力控制的新方法

机器人力控制系统的稳定性对接触环境刚性的变化很敏感，为了解决这一问题，本文首先建立了一种机器人与刚性环境相接触的动力学模型，然后，基于Ｐｏｐｏｖ超稳定理论设计出了一种机器人自适应力控制算法，该算法通过辨识环境刚性以获取与接触环境相适应的力控制反馈增益系数，理论分析和实现结果都证明这种方法在环境刚性大范围变化时，均能获得的控制效果。     

微重力环境下空间机构手的动力学建模新方法

未来空间作业将需要机械手在微重力的环境下完成各种复杂的任务。由于机械手与其本体的动态耦合，给机械手带来了许多运动学、动力学及控制方面的问题。     

触滑觉传感器的自适应模糊控制

本文引入了自适应模糊控制方法,通过对滑动信号的模糊控制器设计,控制机械手与接触界面的夹持力,表明了滑动信号的检测与接触力的控制可有效实现机械手对柔软、易碎、易变形物体的安全稳定抓取。     

神经网络异步自学习控制系统

基于异步自学习控制方法,利用前馈网络对学习动态特性建模,从而将两者结合起来,既避免了前者对重复性的苛求,又避免了神经网络控制方法通常存在的分析与实时控制的困难.文中证明了整个系统的稳定性,并以机械手为例进行了仿真.     

考虑驱动系统动态的机械手神经网络控制及应用

针对结构和参数均未知的机械手控制问题, 提出了考虑驱动系统动态的机械手神经网络控制方法, 采用稳定的径向基(Radial basis function, RBF)神经网络辨识机械手未知动态, 而附加的鲁棒控制可以保证存在神经网络的建模误差和外部干扰时系统的稳定性和性能, 并且该方法使机械手闭环系统一致最终有界. 同时开发了基于半实物仿真技术的机械手控制系统, 最后, 将本文方法与经典的PD控制器和自适应控制器在同一机械手平台上进行了实验验证与分析, 实验结果表明该方法具有良好的控制性能.     

微重力环境下空间机械手的动力学建模新方法

未来空间作业将需要机械手在微重力的环境下完成各种复杂的任务．由于机械手与其本体的动态耦合，给机械手带来了许多运动学、动力学及控制方面的问题．本文提出了一种空间机械手动力学的建模新方法，对空间机械手的正、逆动力学进行了分析．应用该方法，建立了一种基于解出加速度的空间机械手的控制策略．本文所提出的方法不仅适合于单机械手系统，而且适合于多机械手的系统．     

机器人控制器中应用加速度反馈的几个问题讨论

加速度正反馈与近似积分负反馈相结合的综合加速度反馈在机械手位置控制中的应用有明显的增阻尼效果,而在力控制中的应用却受到了很多条件的限制.利用PUMA560机械手力控制的辨识模型,通过仿真手段分析了影响加速度反馈效果的原因,得出了机械手驱动电机的动态、连杆的柔性和采样延迟是制约加速度反馈作用的主要因素的结论.最后在此结论指导下的实验结果验证了这个结论的正确性,同时指出了应用加速度反馈的希望所在.     

宏-微机器人: 概念、动态、控制及几点看法

宏－微机器人即一小机械手附在一大机械手的末端构成的机器人系统，这种机器人有减小末端有效惯量、扩充频带的特性．本文介绍了这种机器人的概念、国外研究动态、控制方法，并对这一机器人的研究提出了我们的几点看法．