实际输入饱和的一类非完整运动学系统的镇定

对一类非完整移动机器人提出了实际输入饱和下镇定控制器的设计方案.这种设计不是基于链式系统而是基于原始系统的.控制器的设计使用了滑模控制和多步控制策略,并用Lyapunov的思想证明了闭环系统的收敛性.最后,用设计的控制器对一类机器人进行了仿真,验证了方法的有效性.     

轮式移动焊接机器人弯曲焊缝跟踪控制

分析了轮式移动焊接机器人弯曲焊缝轨迹跟踪问题,建立了机器人的数学模型,采用基于积分backstepping时变状态反馈方法设计了控制器,利用Laypunov方法证明系统是镇定的。针对旋转电弧传感器仅能检测单方向偏差的情况,根据焊枪前端上一时刻和当前时刻的位置对跟踪轨迹的方位角进行估计。控制器在对机器人速度和角速度控制的同时,还对十字滑块进行了控制,使跟踪更加快速、平滑。最后通过数值仿真和机器人实际运动仿真证明了该方法的有效性。     

基于主动偏心轮的全方位移动机器人航位推算与跟踪控制

针对基于主动偏心轮的全方位移动机器人系统,提出了一种基于冗余码盘的航位推算方法和一种具有饱和约束的轨迹跟踪控制器.具体而言,首先分析了车轮发生滑动的原因,考虑到机器人随动轮相对于主动轮不易打滑的特性,设计了具有冗余码盘的随动轮结构.基于该结构,将机器人航位推算转化为一个含约束的最小二乘问题.实验结果表明:与未考虑随动轮约束的传统方法相比,该方法降低了轮子打滑的影响,提高了航位推算的精度.考虑到实际机器人系统的速度控制量具有上限,基于李亚普诺夫方法设计了含饱和约束的轨迹跟踪控制器,并对其稳定性和有界性进行证明.仿真与实验结果表明本文提出的控制器具有良好的性能,同时能够满足控制量的饱和约束.     

基于预测控制的非完整移动机器人视觉伺服镇定

非完整移动机器人视觉伺服镇定越来越受到人们的广泛关注. 目前研究人员在解决该问题时未同时考虑摄像机的可见性约束和机器人系统的控制约束, 所设计的控制器在实际应用中很难实现满意的控制. 针对此问题, 本文设计一种预测控制器来解决移动机器人视觉伺服镇定问题. 首先设计运动学预测镇定控制器来产生参考速度指令; 然后设计动力学预测控制器使移动机器人实际速度渐近逼近期望值; 所设计的预测控制器能够容易处理系统中存在的可见性约束和控制约束; 最后对所提出的视觉伺服镇定方法进行仿真验证, 结果表明所设计的控制器能有效解决移动机器人视觉伺服镇定问题.     

轮式移动机器人航向跟踪预估控制算法

本文提出了一种轮式移动机器人航向跟踪预估控制算法,航向预估量根据机器人前 轮偏角和纵向速度实时得出,预估量与机器人实际航向之和作为控制反馈航向.仿真和实验 时用PID控制器和航向预估算法结合进行航向跟踪,结果表明该算法与常规PID算法相比,对 机器人纵向速度适应范围较宽,能有效地改善控制器的动态特性,表现出了较好的自适应能 力.     

链式系统轨迹跟踪控制:一种新方案

研究了链式系统的轨迹跟踪控制问题,提出了一种新的跟踪方案,设计出能实现全避轨迹跟踪的静态控制器。它克服了用动态反馈线性化方法设计出控制器的两个缺点;控制器维数高和闭环系统有奇异点,将其用于一类轮式机器人的控制中,仿真结果表明了所提出方法的有效性。     

轮腿式微型机器人系统研究

轮腿复合式机器人是在轮式机器人的基础上,通过优化轮子设计以达到快速灵活运动的一种新型的地面移动系统。该机器人主体由机架、两条主轴、齿轮减速机构、轮腿复合机构组成,由单电机驱动,控制系统相对简单。该机器人相比于普通轮式机器人具有较强的越障能力,且结构精简、体积小、重量轻。采用ADAMS对该机器人进行了运动学和动力学仿真,详细探讨了其越障能力、安装相位、轮腿结构、步态等关键问题,为其物理样机的设计、优化和控制提供了理论依据。     

一种基于行为控制的两自由度机械臂智能控制器

基于行为的控制方法相对于传统的控制方法在解决未知环境中的机器人中有着更好的鲁棒性和实时性.本文提出了一种基于反应式行为控制的智能控制器,以强化学习作为智能控制器的学习算法.通过采用评价-控制模型,该智能控制器能够不依赖于系统模型,通过连续地在线学习得到机器人的行为.将该智能控制器应用到两自由度仿真机械臂的控制中,仿真结果表明该智能控制器可以实现对两自由度机械臂的连续控制,使其能够迅速达到目标位置.     

基于2D三焦点张量的移动机器人视觉伺服镇定控制

针对单目视觉移动机器人系统, 本文提出了一种基于二维三焦点张量(2D trifocal tensor, 2DTT)的视觉伺服镇定控制方法. 具体而言, 首先描述了2D三焦点张量的导出过程, 并给出了基于图像特征点的估计方法. 在此基础上根据2D三焦点张量的元素, 设计了一种反馈线性化控制器以实现机器人的位置镇定, 以及一种比例控制器来实现姿态镇定, 因而在场景信息与平移信息均未知情况下完成了移动机器人的视觉镇定控制. 通过理论分析证明了本文设计的镇定控制算法具有指数收敛性能. 相比现有方法, 这种基于2D 三焦点张量的方法在图像特征识别方面具有更强的鲁棒性, 并且在平面场景与立体场景情况下均适用. 最后利用仿真与实验结果验证了本文提出的视觉伺服方法的优良性能.     

非完整轮式机器人的鲁棒同步编队跟踪及镇定控制

本文研究了受到建模不确定性影响和输入限制的非完整轮式机器人的同步编队跟踪和编队镇定问题.首先,基于领航–跟随策略,确定了编队构型的数学表达形式.其次,通过定义含有辅助控制量的跟踪误差,设计了一种具有统一结构的分布式运动学控制器,可使跟随者实现对复杂期望轨迹的跟踪,包括时变轨迹和固定点等.然后,针对建模不确定性影响和输入限制,基于反步法、模糊控制方法和Lyapunov控制理论,设计了一种饱和动力学控制器,使得系统的闭环跟踪误差全局收敛至零点附近有界领域内.最后,通过对比仿真实验,验证了本文控制方法的有效性.     

Object handling control among two-wheel robots and a human operator: An empirical approach

This article presents object handling control between two-wheel robot manipulators, and a two-wheel robot and a human operator. The two-wheel robot has been built for serving humans in the indoor environment. It has two wheels to maintain balance and is able to make contact with a human operator via an object. A position-based impedance force control method is applied to maintain stable object-handling tasks. As the human operator pushes and pulls the object, the robot also reacts to maintain contact with the object by pulling and pushing against the object to regulate a specified force. Master and slave configuration of two-wheel robots is formed for handling an object, where the master robot or a human leads the slave robot equipped with a force sensor. Switching control from position to force or vice versa is presented. Experimental studies are performed to evaluate the feasibility of the object-handling task between two-wheel mobile robots, and the robot and a human operator.     

柔性两轮直立式自平衡仿人机器人的建模及控制

研究了柔性两轮直立式自平衡仿人机器人的动力学建模问题．运用拉格朗日方法和动力学原理建立了柔性两轮自平衡仿人机器人的动力学模型．使用弹簧模仿人的腰椎,并考虑了机器人的柔性腰椎弯曲;这是与以前机器人的不同之处．对得到的动力学模型进行了线性化处理,并建立其状态空间方程;由此建立的动力学模型结构简单,易于对机器人进行有效控制．仿真实验验证了系统的稳定性,对其实验结果进行的详细分析验证了系统建模和LQR控制器设计的合理性和有效性．     

基于解耦控制的非完整移动机器人实时轨迹跟踪

本文研究了非完整两轮移动机器人的实时轨迹跟踪问题．首先,在介绍了一般的非线 性系统的输入 输出线性化方法的基础上,并研究了在两轮驱动移动机器人轨迹跟踪中的应 用;然后在研制的非完整两轮驱动移动机器人的实验平台上对该算法进行了实时轨迹跟踪实 验,结果表明了该非线性跟踪控制算法的有效性．     

多移动机器人的领航-跟随编队避障控制

针对多移动机器人的编队控制问题,提出了一种结合Polar Histogram避障法的领航-跟随协调编队控制算法。该算法在领航-跟随l-φ编队控制结构的基础上引入虚拟跟随机器人,将编队控制转化为跟随机器人对虚拟跟随机器人的轨迹跟踪控制。结合移动机器人自身传感器技术,在简单甚至复杂的环境下为机器人提供相应的路径运动策略,实现实时导航的目的。以两轮差动Qbot移动机器人为研究对象,搭建半实物仿真平台,进行仿真实验。仿真结果表明:该方法可以有效地实现多移动机器人协调编队和避障控制。     

Position and angle control for a two-wheel robot

International Journal of Control, Automation and Systems - In this paper, a two-wheel robot (TWR) system is implemented based on a position and angle decoupled intelligent backstepping control...     

自平衡两轮机器人的分层模糊控制

为解决具有非线性、强耦合和绝对不稳定特点的自平衡两轮机器人的运动控制问题,提出一种分层模糊控制方法.该方法对机器人体的倾斜角度和轮子转动速度分别设计相应的模糊控制器,其输出同时进入决策器,由决策器进行智能判断与协调,输出控制量.两控制器交替工作,实现机器人体倾角控制和轮子转速控制的有机统一.该方法具有模糊规则少,控制逻辑简单的特点.对机器人的速度跟踪、运动停止及转弯等多种运动方式进行了控制仿真实验,验证了控制方法的正确性和有效性.     

非完整两轮驱动移动机器人的实验研究

近年来国内外对非完整移动机器人的理论及应用研究受到越来越广泛地关注,特别是对所进行的实验研究,具有深刻的实际意义,本文系统介绍了我们自行研制的非完整两轮驱动移动机器人的实际平台及其各个部分必要的程序实现,并在该平台上进行了跟踪控制实验。     

Stability analysis of the internal dynamics of a wheeled mobile robot

The stability of the internal dynamics of a wheeled mobile robot is analyzed. It is shown that the wheeled mobile robot exhibits unstable internal dynamics when moving backwards. Most control methods of wheeled mobile robots are designed based on input-output relations. Since the internal dynamics are not represented in input-output relations, stability properties of the internal dynamics are generally neglected. Nevertheless, the internal dynamics do affect the behavior of mobile robots. Taking the look-ahead control method as an example, it is shown that, by using a novel Liapunov function, the internal dynamics of a two-wheel differential-drive mobile robot are unstable when it is commanded to move backwards. Both simulation and experimental results are provided to verify the analysis. ©1997 John Wiley & Sons, Inc.     

面向两轮平衡机器人姿态检测系统的研究与设计

以两轮平衡车的平衡姿态研究为背景,提出了一种基于陀螺仪与加速度计的两轮平衡机器人的姿态检測系统,对姿态检測系统的原理、组成及数据采集进行了研究。通过对各传感器输出信号特征的提取、分析,将PID控制算法与卡尔曼滤波思想相结合,实現了数据融合,从而有效地提高姿态检测系统的检测精度。经过软硬件的综合调试取得了良好的效果,并应用到实际的机器人姿态检测。     

基于递归卷积神经网络的移动机器人定位算法

移动机器人定位已成为机器人研究的重要任务。提出基于递归卷积神经网络的移动机器人定位（Recurrent Convolutional Neural Networks-Based Mobile Robot Localization,RCNN-MRL）算法。递归卷积神经网络（Recurrent Convolutional Neural Networks,RCNN）结合卷积神经网络（Convolutional Neural Networks,CNN）和递归神经网络（Recurrent Neural Networks,RNN）的特性,并依据机器人上嵌入的照相机拍摄的第一人称视角图像,RCNN-MRL算法利用RCNN实现自主定位。具体而言,先通过RCNN有效地处理多个连续图像,再利用RCNN作为回归模型,进而估计机器人位置。同时,设计双轮机器人移动,获取多个时间序列图像信息。最后,依据双轮机器人随机移动建立仿真环境,分析机器人定位性能。实验数据表明,提出的RCNN模型能够实现自主定位。