模型预测控制方法在机械手操作中的应用综述

文章综述了模型预测控制在机械手中的应用现状,介绍了模型预测控制的发展、特点和主要内容,比较了基于机械手线性模型与非线性模型预测控制的方法及应用,指出了它们各自的优势与局限性,得出了对于多自由度机械手适合采用线性模型预测控制,对于自由度较少的机械手适合采用非线性模型预测控制的结论.     

多自由度分拣机械手位置的PLC控制仿真

机械手具有能不断重复工作和劳动的特点,由于其本身的结构刚度和接触刚度较低时,容易产生振动。为了获取良好的机械手位置控制结果,提出一种基于PLC的多自由度分拣机械手位置控制方法。分析多自由度分拣机械手的运动方式,通过Burg算法对机器人运动想象原始脑电数据滤波处理,提取和运动想象相关的频段。多自由度分拣机械手信号经过小波分解处理后获取小波系数,将其和运动想象频段两者相互对应的时域信息输入共空间模式,完成脑电信号的预处理和特征提取。将机器人运动想象任务转换为控制命令输入到PLC控制器中,使其可以驱动电机,同时利用传感器完成机械手位置控制。实验测试结果表明,所提方法控制机械手的真实轨迹跟踪与期望轨迹基本一致,跟踪轨迹的误差小,表明所提方法能够精准完成机械手的位置控制。     

人工神经网络在控制中的应用

介绍神经控制中用的比较多的四种网络,总结几种比较常用的神经网络控制器并稍带说明神经网络在辨识中的应用,然后简介ANN与其它智能方法相结合在控制中的应用形式,最后对神经控制中需要进一步关注的问题作了分析.     

多机械手刚性协调动力学建模与混合控制

从力负载分析开始,阐述多手直辖市中对象的外/内力和外/内运动定义;考虑对象运动受限情况,提出一组描述协调任务的广义运动和力向量;以各机械手及对象的运动方程为基础,建立面向对象的运动学、静力学和动力学模型,该模型与单机械手操作空间的运动方程具有一致的表达形式,据此,该文探讨了多手协调情况下运动、内力和接触力的混合控制问题。     

柔性机械手的建模与控制

讨论近年来柔性连杆机械手在建模、位置控制、力控制、柔性振动的消除几方面的研究进展。最后对一些未来重要的研究方向进行了探讨。     

一种柔性机械手角位置控制方法

介绍一种柔性机械手关节角位置控制的方法。通过利用角位置和速度传感器检测的信息，实现对双连杆柔性机械手的控制并给出了实验结果。     

Hammerstein模型的改进新型神经动力学辨识方法及其在混合建模中的应用

推导了多输入多输出Hammerstein模型的矩阵格式,并提出了一种改进的新型神经动力学算法.应用此算法,可同时辨识出Hammerstein模型的多组未知参数,提高了收敛精度和速度.首先,对改进的新型神经动力学算法进行了参数的收敛性分析.之后,推导了基于Hammerstein模型的混合模型,并利用其建立实际模型与机理模型之间的偏差模型,具有很好的补偿效果.由于改进的新型神经动力学方法可以在线调整Hammerstein模型参数,所以混合模型可以准确地模拟复杂过程在大范围内的动态行为.实验表明该方法的合理性和有效性.     

基于神经网络的内模控制在机械手控制中的研究

采用内模控制与神经网络相结合的方法来解决机械手的控制问题,使机械手沿着一定的期望轨迹运行。神经网络对机械手建模,使其作为内模控制中的模型,训练方法采用前馈网络的BP学习算法。单个神经元使用静态模型,输入神经元之间的延迟引入系统的动态。仿真结果表明,该方法具有有效性和实用性。     

神经网络在机器人位置和力混合控制中的应用

本文首次将神经网络应用于完成周期性任务的机器人力和位置混合控制。在研究系统动力学和系统稳定性基础上，提出了一种学习算法。最后进行了系统仿真实验以证明这种方法的可行性。     

机器人神经模糊控制

本文首先讨论了机器人动力学的特殊性，提出了一种基于神经网络的模糊控制方法。该方法借助于一类新型的神经网络结构，实现了模糊规则的自动更新和隶属函数的自调整。该算法被用于机器人动态控制，取得了满意的仿真结果。     

操作器力和位置混合控制:数学模型和实验研究中的几个问题

本文是文[1]的续篇.首先讨论了为实现力和位置混合控制算法的数学模型中的几个问题,然后介绍并讨论了几个典型力和位置混合控制的实验内容和实验结果,该实验是在 KD-1控制器支持下完成的.最后对力控制技术的进一步发展进行了初步的分析.     

仿射非线性系统神经网络自适应控制器的研究及其在机械手中的应用

本文提出了一种利用神经网络逼近具有不确定性及 随机干扰的仿射非线性系统的新算法,采用自适应控制率在线调节网络权值,并基于控制理 论选择控制量以削减噪声干扰．从理论上证明采用该算法后系统全局稳定性．最后将该算法 用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点．     

基于自组织竞争人工神经网络的抽油系统故障诊断

抽油系统的故障诊断技术一直是采油工程的一个重要研究课题。本文将自组织竞争神经网络应用于抽油系统的故障诊断中来实现示功图的自动聚类。自组织竞争神经网络具有良好的可训练性和分类能力,理想的泛化性能,是一种快速有效的分类方法,可用于抽油系统故障的实时诊断。     

操作器力和位置混合控制——算法与系统行为分析

本文首先回顾了力控制技术的发展,对在操作空间一级实现力和位置混合控制的算法做了说明。着重分析了在约束空间中系统的动、静态行为。指出了环境刚度对主动力控制系统动态行为的影响,以及关节摩擦对力控制精度的影响。     

基于动态神经网的非线性鲁棒辨识

研究了一类基于动态神经网络的未知非线性多变量系统的鲁棒辨识问题，用Ｌｙａｐｕｎｏｖ稳定性理论获得了具有保护策略的鲁棒调权律，从理论上证明了被辨识的系统是鲁榛 ，辨识误差按建模误差和未建模动态收敛到一个稳定区域，该策略的特点是不需要离线学习又不需要对象的状态完全可测，仿真结果验证了提出的动态网鲁棒辨识策略的有效性。     

PASSIVITY ANALYSIS OF A MOTION CONTROL FOR ROBOT MANIPULATORS WITH DYNAMIC FRICTION

This paper addresses the motion control in joint space of robot manipulators with friction described by the generalized LuGre friction model. The paper extends the nonadaptive version of the Slotine and Li's control system originally designed for friction‐free manipulators to the case where a friction observer is incorporated to deal with friction. This observer corresponds to an adaptation of the friction compensation scheme proposed in Canudas de Wit et al., in 1975, 1995. Passivity concepts are the fundamental tools invoked in this paper to analyze the closed‐loop system behavior which lead to the conclusion of global asymptotic joint position tracking. A major advantage of this framework is that it allows to develop in a separate way the control law from the observer design provided that each part satisfies some passivity properties.     

滑动控制理论在机器人运动轨迹控制中的应用

本文提供了滑动控制理论在机械手运动轨迹控制中的最新研究成果,对具有线性插入的滑动控制方法的实际应用进行了有意义的研究和探索.实验结果表明,滑动控制方法对机械手运动轨迹的控制有较强的实际意义.     

关于机器人动力学模型的线性化

本文给出了一种沿标称轨迹线性化机器人动力学模型的有效方法.方法具有简单、系统、以及计算量小的优点。对于一个具有6自由度的机器人,用本文的方法建立它的线性化动力学模型(包括沿标称轨迹的广义力计算)所需要的最大计算量为2600个乘法与2711个加法,它可以在微型或小型计算机上实时实现。在计算上,本文的方法是现存所有方法中计算速度最快的.     

机器人电液位置伺服系统的智能模糊控制

本文针对机器人的关节电液位置伺服系统的特点,应用模糊集和人工智能原理设计了一种简单的智能模糊控制器.计算机仿真和实时控制实验结果均表明,智能模糊控制能有效地克服机器人系统固有的变惯量、非线性等不利因素的影响.此外,该控制器对系统参数变化具有较强的鲁棒性,能显著的提高机器人系统的定位精度和动态响应性能.