开关调节系统控制回路机辅优化设计

本文建议一种开关调节系统控制回路参数最优化的建模和设计方法。采用非线性连续和离散规划求解。优化数学模型中,将经典最优控制理论中常用的ISE指标加权增广为AISE指标作为目标函数。应用一种精确罚函数算法(EPFA)求得控制回路参数的连续最优解,作为混合离散规划寻优计算的初值,求得可以直接在工程上实现的控制回路参数离散最优解。应用SPICE-2对经验法设计结果、连续优化和离散优化设计结果进行仿真比较,证明了本文建议的优化设计方法的正确性。     

四旋翼机动动作最优控制模型设计

针对目前四旋翼机动控制方法效果较差的问题,设计了一种基于非线性规划遗传算法(NPGA)优化控制量变化率的机动动作控制模型。首先,建立了四旋翼的非线性动力学模型;其次,设计了机动动作最优控制模型,并以筋斗动作为例,建立了筋斗动作控制模型;然后,使用NPGA算法求解该模型,得到最优控制量变化率序列;最后,将得到的筋斗动作控制量序列输入四旋翼数学模型中进行仿真验证。实验结果表明,依据该控制量序列四旋翼可以完成预期的筋斗动作,机动动作控制模型有效可靠。     

基于参数优化的再入制导律设计

本文介绍了一种基于参数优化解决再入制导的方法。由于再入飞行过程中存在各种约束,再入制导问题可以看做是一个对给定的目标函数进行优化的最优控制问题。但是直接采用经典最优控制理论的变分法运算量巨大且难以得到解析解。本文把再入制导问题的所有约束都转化成一个目标函数,然后将动力学方程中的控制量进行有限维数的参数化,使再入制导变成了一个有限维的参数优化问题。采用Powell非梯度式优化算法对此问题进行求解。仿真结果表明,在经过26次迭代,301次目标函数计算,目标函数收敛到精度范围,实现了制导的目的。     

基于有限存储的简约空间序列二次规划算法研究

为了求解过程系统中自由度相对较大一些的大规模优化命题,对简约空间序列二次规划（reduced successive quadratic programming,RSQP）算法进行了改进和扩展,提出了基于有限存储的简约空间序列二次规划算法.该算法通过有限存储技术隐式的表示RSQP算法中的两个最大矩阵,大大减少了优化计算过程中的存储需求,并对有限存储技术应用到RSQP算法中后Hessian阵的更新和基变量的选择进行了特殊处理。该算法的求解性能通过benchmark算例进行了测试,并被应用到两个过程系统优化实例。计算结果表明,采用该方法求解自由度相对较大的问题可以大大减少内存消耗,从而可大大提高算法的优化求解效率。     

混合动力汽车控制策略优化研究

将自适应遗传算法与序列二次规划算法结合构成混合遗传算法,用于求解混合动力汽车控制策略参数优化问题。一方面,分析并建立了控制策略参数优化的有约束非线性模型;另一方面,改进算法中自适应交叉和变异概率调整公式,并提出了序列二次规划算子与遗传算法结合的新方式。仿真结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车控制策略参数优化中的应用是有效的。     

基于红外的障碍场中集群微机器人的控制方法

对多障碍物环境下微机器人集群运动的控制问题进行了研究.结合微机器人尺寸小的特点,采用低功耗的红外传感器感知外界环境.设定机器人的安全区域,根据机器人运动过程中避障和路径规划所要满足的边界条件,提出了基于人工蜂群问题优化的路径规划控制模型,实现了微机器人的避障和路径规划.仿真结果验证了该控制方法的有效性.     

基于强化学习的能量受限无人机通信感知轨迹规划方法

针对能量受限下无人机（Unmanned Aerial Vehicle,UAV）辅助通信感知中的无人机轨迹规划问题,采用激光无线充电的方式为无人机额外提供能量,同时考虑了无人机动力学和感知通信速率等约束,以对移动目标感知互信息量最大化为目标,建立了移动目标感知通信轨迹规划问题。为了求解建立的包含大量复杂约束的优化问题,将原优化问题建立为马尔可夫决策过程,把无人机运动、能量变化、目标感知、基站通信等过程建模为环境空间,无人机电机转速设计为动作空间,并采用深度强化学习方法进行训练,实现无人机的轨迹规划。由于考虑了无人机动力学,规划得到的轨迹更符合无人机运动特性,并且训练得到的最优控制序列可以直接作用于无人机电机转速,降低了无人机控制难度。在设计的实验场景下,相较于传统最优控制方法,所提方法对移动目标感知互信息量提升了约3倍。     

一种仿人型体操机器人的结构设计与优化

本文基于2020年中国机器人大赛类人型机器人竞技全能赛的比赛规则,针对机器人的腿部结构、手部结构件以及舵机控制板三个方面进行了设计和优化,使体操机器人在有限的自由度完成更加完美的动作,也为类人机器人在医疗、娱乐和服务等领域的广泛需求设计提供可参考的模型。     

基于LPM的飞行器精细规划策略研究

精细规划主要目的是实现飞控和火控的有效结合,提出一套实现精细规划的理论框架。建立了威胁约束和火控边界条件约束模型,给出了飞行器六自由度运动方程,以运动方程为状态方程,结合约束条件,将精细规划问题转化为最优控制问题;引入了主要应用于求解航天控制问题的勒让德伪谱法,将最优控制问题转化为带约束的复杂非线性规划问题;通过对CFSQP算法软件包的改进,有效地减少了优化变量和约束条件数量,使其能对大规模非线性规划问题快速寻优;最后进行了实例仿真,结果表明了该理论框架对实现精细规划的有效性。     

考虑关节角加速度约束的仿人机器人偏摆力矩控制方法

针对仿人机器人步行过程中存在的机器人关节角加速度约束影响控制性能的问题，提出一种考虑关节角加速度约束的仿人机器人偏摆力矩控制方法.该方法充分考虑了双臂在摆动过程中对偏摆力矩的影响，根据力矩平衡条件得到需要抵消的偏摆力矩的大小与方向，将偏摆力矩的控制问题转化为带约束条件的二次规划问题，并设计了一种在线变步长迭代算法计算得到优化后的双臂摆动轨迹.实验表明，该方法能有效抵消机器人步行中产生的偏摆力矩，避免控制过程中的"削峰"现象，有效提高机器人的步行稳定性.     

一种新型的变领域搜索算法

一般变邻域搜索算法在连续优化问题的可行解空间上难以找到局部最优解。提出了一种结合SQP算法的变邻域搜索算法,该算法将SQP算法引入到变邻域搜索算法的局部搜索过程中,以SQP算法寻找局部最优解,以变邻域搜索算法跳出局部最优解的低谷,进而寻找到全局最优解。另外还对变邻域搜索算法的初始解和扰动过程进行了改进。数值实验表明,该算法具有良好的收敛性和搜索精度,求解效果优于文献算法。     

Gait Synthesis and Sensory Control of Stair Climbing for a Humanoid Robot

Stable and robust walking in various environments is one of the most important abilities for a humanoid robot. This paper addresses walking pattern synthesis and sensory feedback control for humanoid stair climbing. The proposed stair-climbing gait is formulated to satisfy the environmental constraint, the kinematic constraint, and the stability constraint; the selection of the gait parameters is formulated as a constrained nonlinear optimization problem. The sensory feedback controller is phase dependent and consists of the torso attitude controller, zero moment point compensator, and impact reducer. The online learning scheme of the proposed feedback controller is based on a policy gradient reinforcement learning method, and the learned controller is robust against external disturbance. The effectiveness of our proposed method was confirmed by walking experiments on a 32-degree-of-freedom humanoid robot.     

用SQP时域优化高速互连线电路

提出了一个基于特征法传输线网络建模和灵敏度分析的非线性高速互连线电路的时域优化设计方法．考虑到高速互连线电路设计的特性,一般其最优值只是在初值的较小邻域,提出用改进的序列二次规划法SQP优化方法保证了算法的整体收敛性及局部超一次收敛性．介绍了用于优化内循环的特征法传输线建模和灵敏度分析．最后,用两个例子证明了方法的可行性．     

用SQP时域优化高速互连线电路

提出了一个基于特征法传输线网络建模和灵敏度分析的非线性高速互连线电路的时域优化设计方法 .考虑到高速互连线电路设计的特性 ,一般其最优值只是在初值的较小邻域 ,提出用改进的序列二次规划法 SQP优化方法保证了算法的整体收敛性及局部超一次收敛性 .介绍了用于优化内循环的特征法传输线建模和灵敏度分析 .最后 ,用两个例子证明了方法的可行性 .     

Partition sampling strategy for robot motion planning under uncertainty

In order to solve the sensing and motion uncertainty problem of motion planning in narrow passage environment, a partition sampling strategy based on partially observable Markov decision process (POMDP) was proposed. The method combines partition sampling strategy and can improve the success rate of the robot motion planning in the narrow passage. Firstly, the environment is divided into open area and narrow area by using a partition sampling strategy, and generates the initial trajectory of the robot with fewer sampling points. Secondly, the method can calculate a local optimal solution of the initial nominal trajectory by solving POMDP problem, and iterates an overall optimal trajectory of robot motion. The proposed method follows the general POMDP solution framework, in which the belief dynamics is approximated by an extended Kalman filter (EKF), and the value function is represented by an effective quadratic function in the belief space near the nominal trajectory. Using a belief space variant of iterative linear quadratic Gaussian (iLQG) to perform the value iteration, which results in a linear control policy over the belief space that is locally optimal around the nominal trajectory. A new nominal trajectory is generated by executing the control strategy iteration, and the process is repeated until it converges to a locally optimal solution. Finally, the robot gets the optimal trajectory to safely pass through a narrow passage. The experimental results show that the proposed method can efficiently improves the performance of motion planning under uncertainty.     

基于DSP的双足机器人运动控制系统设计

在仿人机器人研究领域,双足步行控制一直是其难点。主要介绍基于TI的DSP芯片TMS320F2812设计双足机器人的基本运动控制系统,围绕机器人腿部无刷直流电机的驱动进行优化设计。系统采用PWM进行电机调速,辅助以补偿参数,通过步态指令,验证电机运转的精确性、稳定性和系统的可操作性。电机调试为CCS仿真、步态规划和独立行走提供试验平台,使机器人能够实现步行功能。     

基于中枢模式发生器的仿人机器人步态规划

对Matsuoka振荡器进行了分析,根据仿人机器人步态规划的要求,选用Matsuoka振荡器构建了中枢模式发生器(CPG)网络;采用遗传算法(GA)来调整网络的参数,解决了关键的网络参数调整的问题;根据CPG网络的输出结果,控制仿人机器人的相应关节,实现了仿人机器人基本步态规划。通过ADAMS进行了仿真,结果表明,该控制策略具有较理想的效果,并且原理简单,易于实现。     

双足机器人RCG姿态控制算法的研究

稳定步行是仿人双足机器人开展实际作业的基础,也是研究的难点和热点.为了提高对仿人机器人步行失稳的响应速率和控制准确性,克服利用陀螺仪进行姿态测量及控制无法完整表述机器人运动状态,从而造成控制滞后的缺点.本文提出了RCG姿态控制算法,在以角速度和角度作为控制参量的模型基础上,引入机器人运动过程中的加速度作为姿态判断和调整的影响因子,实现对机器人行走过程的反馈控制,提高了双足机器人对失稳状态的响应速率和响应的准确性.通过对自主搭建的机器人样机进行测试,结果表明：当双足机器人步行失稳时,RCG姿态控制算法比以角速度和角度作为参量的控制算法能够更快速、准确的修正姿态偏差,保持姿态稳定.     

Real-Time Planning of Humanoid Robot's Gait for Force-Controlled Manipulation

This paper proposes a new style of manipulation by a humanoid robot. Focusing on the task of pushing an object, the foot placement is planned in real time according to the result of manipulation of the object. By using the impedance control of the arms, the humanoid robot can stably push the object regardless of the mass of the object. If the object is heavy, the humanoid robot pushes it by walking slowly and vice versa. Also, for planning the gait in real time, we propose a new analytical method where a newly calculated trajectory of the robot motion is smoothly connected to the current one. The effectiveness of the proposed method is confirmed by simulation and experiment     

Optimization of Industrial, Vision-Based, Intuitively Generated Robot Point-Allocating Tasks Using Genetic Algorithms

Current industrial robot-programming methods require, depending on the task to be developed, an elevated degree of technical ability and time from a human operator, in order to obtain a precise, nonoptimal result. This correspondence paper presents a methodology used to generate an optimal sequence of robot configurations that enable a precise point-allocating task applicable, for instance, to spot-welding, drilling, or electronic component placement maneuvers. The optimization process starts from a nonoptimal, initial sequence designated intuitively by a human operator using an easy-to-use interface. In this correspondence paper, intuitive programming is considered as the process of defining, in a computer graphics environment and with a limited user knowledge of robotics or the industrial task, the sequence of motions that enable the execution of a complex industrial robotic maneuver. Such an initial sequence is later followed by a robot, very precisely, using a vision-based, calibration-free, robot control method. Further robot path optimization is performed with a genetic algorithm approach. An industrial robot, which is part of the experimental setup, was used in order to validate the proposed procedure.