机器人手臂混合控制器的设计

多数视觉伺服研究中,不考虑机器人的动力学特性,把机器人当作一个理想定位设备。本文考虑其动力学特性,采用基于FNN和CMAC控制器方法,实现了机器人对目标运动的跟踪。并对一个二连杆视觉伺服系统进行了仿真,仿真结果说明了算法的有效性。较好的解决视觉伺服控制中的定位精度难点,改进机器人的视觉控制算法,达到精确、非线性的鲁棒控制。     

空间机器人控制系统硬件仿真平台的研究

建立了空间机器人控制系统的硬件仿真平台。研究了空间机器人基于手眼视觉的控制问题,建立了系统关键部件的模拟设备。仿真平台由中央控制器、关节模拟器、手眼模拟器、动力学/运动学仿真计算机和三维动画显示计算机组成。基于该平台,对空间机器人控制特性和仿真过程中的延时环节进行了研究。系统自主捕获仿真试验结果表明,所采用的运动控制算法能够稳定收敛于目标,仿真平台能够较好地完成对实际机器人系统控制过程的模拟测试及系统控制算法的验证。     

具有不确定性重力补偿的无标定视觉伺服

文章首先叙述了视觉伺服的分类。给出了机器人动力学模型及其主要性质、自适应复合雅可比矩阵的具体推导过程。摄像机位于机器人末端的情况被考虑,给出了具有不确定性重力补偿的无标定PD视觉伺服控制器,而后运用李雅普诺夫方法对其进行了稳定性分析,结果证明系统能够渐近稳定。为了验证算法的有效性,针对一个二连杆eye-in-hand视觉伺服定位系统进行了仿真,仿真结果说明了算法的有效性。     

机器人捕捉运动目标的动力学视觉伺服方法

提出一种机器人捕捉运动目标的动力学视觉伺服方法。基于位置阻抗控制器,通过双目立体视觉检测并跟踪运动目标的位置,结合CMAC网络,采用以视觉阻抗的二次型为训练目标的学习型视觉阻抗控制器,用于克服控制器对系统结构参数变化适应性差的缺点,并对阻抗参数进行优化。实验结果表明,该视觉伺服方法在机器人捕捉运动目标时具有良好的动力学特性和轨迹控制效果。     

关于视觉注意力选择的神经编码

本文提出了一种改进的注意力选择模型,在这个模型中,周边神经元代表初级视觉皮层的神经元,中心神经元代表更高级视觉皮层中的神经元.生理实验发现方向选择性是初级视觉皮层神经元的重要特性之一,所以模型除了考虑外部刺激的强度,也考虑了初级视觉皮层中的神经元的方向选择性.仿真结果显示改进后的模型能够选择具有不同方向选择性的目标,并且能从一个目标转移到另一个目标.和原模型相比,改进后的模型更符合生理背景.该模型的动力学分析结果,对于理解视觉神经系统的编码有一定的帮助.     

基于广义Hamilton系统的机械人双目视觉伺服控制器

对于手眼双目视觉伺服机器人,考虑一类新的双目视觉模型,研究了新模型视觉伺服控制器的设计问题。首先,基于新视觉模型和机器人动力学方程,构建了广义Hamilton框架下的视觉反馈系统(GHVFS)。针对GHVFS提出了基于广义Hamilton框架下的视觉伺服控制器设计方法。此外,研究了GHVFS下的L2增益干扰抑制问题,并证明了该闭环系统的渐近稳定性。最后给出的仿真结果验证了该方法的有效性。     

未校正摄像机的非完整机器人的自适应镇定

针对基于未校准顶置摄像机的非完整移动机器人视觉伺服镇定问题,首先从标准机器人运动学模型以及视觉空间与工作空间的转换得到视觉平面上的机器人运动学模型,而后根据视觉空间的运动学的速度误差以及视觉空间的机器人的动力学模型设计了一个自适应控制器,而且控制器具有鲁棒性,控制器中的鲁棒项函数用以抑制动力学的扰动,摄像机估计值用以估计未知的摄像机参数,动力学的惯性参数估计值用以消除动力学参数的不确定性.控制系统的稳定性以及参数估计值的有界性由李雅普诺夫定理证明.仿真结果用于说明控制律的有效性.     

并联微机器人的逆动力学

本文基于牛顿 欧拉法建立了一类PSS副、带柔性铰链的六自由度并联微机器人的 逆动力学方程,这是设计、控制微机器人的前提和基础．所建模型不仅考虑了因柔性铰链的 特殊性,微机器人连杆绕自身轴线转动的内部运动,还分析了柔性球铰弹性变形产生的反力 矩．由于微机器人机构本体以及逆动力学建模过程中所固有的并联特性,对逆动力学可实施 并行算法．最后以一实例进行了仿真分析,仿真结果表明微机器人所需驱动力呈线性变化, 揭示了微机器人在微动情况下的线性本质．     

空间机器人抓捕目标后基于任务相容性的消旋策略

针对双臂空间机器人抓捕自旋目标后的镇定操作,在考虑机器人系统输入约束的条件下,提出了一种基于任务相容性的消旋规划与控制方法。首先,给出空间机器人抓捕目标后的组合系统的动力学模型,作为规划与控制的基础。然后,根据动力学可操作度和任务相容性设计了目标的快速消旋策略,其期望加速度的方向和大小分别取作速度的反方向和机器人系统输入约束允许的最大值。最后,基于所推导的运动学和动力学模型,通过对目标和机械臂末端分别建立柔顺度等式,提出了一种跟踪期望运动轨迹同时对末端接触力进行调节的柔顺控制方法。通过双臂7自由度空间机器人消除目标自旋运动的仿真结果,验证了所提方法的有效性。     

四足步行机器人爬行步态的计算机仿真

由于机器人数学描述的复杂性,使得在机器人运动学、动力学分析方面显得较为困难,计算机虚拟仿真技术在该领域的应用为机器人的运动特性分析提供了依据.文中建立了一个连续转动式腿机构的四足步行机器人模型,并规划了该机器人的一种直线爬行步态,利用ADAMS虚拟样机软件对机器人的爬行步态进行了动力学仿真,得到了机器人各个关节相关物理量的变化曲线,分析了四个髋关节的驱动力矩在步行过程中的变化情况.通过仿真,验证了步态规划的合理性,同时为进一步选择电机、分析机器人系统的动态特性提供了依据.     

基于虚拟现实技术的移动机器人视觉伺服控制系统设计

为了有效确保移动机器人视觉伺服控制效果,提高移动机器人视觉伺服控制精度,设计了基于虚拟现实技术的移动机器人视觉伺服控制系统。通过三维视觉传感器和立体显示器等虚拟环境的I/O设备、位姿传感器、视觉图像处理器以及伺服控制器元件,完成系统硬件设计。从运动学和动力学两个方面,搭建移动机器人数学模型,利用标定的视觉相机,生成移动机器人实时视觉图像,通过图像滤波、畸变校正等步骤,完成图像的预处理。利用视觉图像,构建移动机器人虚拟移动环境。在虚拟现实技术下,通过目标定位、路线生成、碰撞检测、路线调整等步骤,规划移动机器人行动路线,通过控制量的计算,实现视觉伺服控制功能。系统测试结果表明,所设计控制系统的位置控制误差较小,姿态角和移动速度控制误差仅为0.05°和0.12m/s,移动机器人碰撞次数较少,具有较好的移动机器人视觉伺服控制效果,能够有效提高移动机器人视觉伺服控制精度。     

Adaptive visual servoing for the robot manipulator with extreme learning machine and reinforcement learning

In this study, a novel image-based visual servo (IBVS) controller for robot manipulators is investigated using an optimized extreme learning machine (ELM) algorithm and an offline reinforcement learning (RL) algorithm. First of all, the classical IBVS method and its difficulties in accurately estimating the image interaction matrix and avoiding the singularity of pseudo-inverse are introduced. Subsequently, an IBVS method based on ELM and RL is proposed to solve the problem of the singularity of the pseudo-inverse solution and tune adaptive servo gain, improving the servo efficiency and stability. Specifically, the ELM algorithm optimized by particle swarm optimization (PSO) was used to approximate the pseudo-inverse of the image interaction matrix to reduce the influence of camera calibration errors. Then, the RL algorithm was adopted to tune the adaptive visual servo gain in continuous space and improve the convergence speed. Finally, comparative simulation experiments on a 6-DOF robot manipulator were conducted to verify the effectiveness of the proposed IBVS controller.     

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.     

Design of robot control systems

An expository discussion on practical aspects of the design problems of robot control systems is presented. The first section discusses the present status of robot control methodology based on the so-called 'teaching and playback' control scheme. It is pointed out that PTP (point to point) control is still central in practice because only a sort of pulse-incremental servo controller is implemented for each joint actuator in actual industrial robots. The second section points out that servo controllers of this kind perform approximately as a PD or PID controller, and demonstrates that such PD and PID control schemes can work well even if the robot dynamics are non-linear and have strong couplings between the joint variables. The third section deals with path-tracking and trajectory-tracking control problems when teaching by human operators is not possible. This is then followed by a final but substantial section on recent results on learning control and adaptive control. An example of learning control for robot motions is given and its potential applicability in robotic systems is discussed.     

Homography-Based Visual Servo Control With Imperfect Camera Calibration

In this technical note, a robust adaptive uncalibrated visual servo controller is proposed to asymptotically regulate a robot end-effector to a desired pose. A homography-based visual servo control approach is used to address the six degrees-of-freedom regulation problem. A high-gain robust controller is developed to asymptotically stabilize the rotation error, and an adaptive controller is developed to stabilize the translation error while compensating for the unknown depth information and intrinsic camera calibration parameters. A Lyapunov-based analysis is used to examine the stability of the developed controller.      

移动机器人自适应视觉伺服镇定控制

对有单目视觉的移动机器人系统,提出了一种自适应视觉伺服镇定控制算法;在缺乏深度信息传感器并且摄像机外参数未知的情况下,该算法利用视觉反馈实现了移动机器人位置和姿态的渐近稳定.由于机器人坐标系与摄像机坐标系之间的平移外参数(手眼参数)是未知的,本文利用静态特征点的位姿变化特性,建立移动机器人在摄像机坐标系下的运动学模型.然后,利用单应矩阵分解的方法得到了可测的角度误差信号,并结合2维图像误差信号,通过一组坐标变换,得到了系统的开环误差方程.在此基础之上,基于Lyapunov稳定性理论设计了一种自适应镇定控制算法.理论分析、仿真与实验结果均证明了本文所设计的单目视觉控制器在摄像机外参数未知的情况下,可以使移动机器人渐近稳定到期望的位姿.     

自适应环境的机器人视觉伺服控制方法

机器人和机器视觉的迅速发展,使得基于视觉的智能机器人得到更加广泛的应用。机器视觉提高了机器人控制系统对环境的适应程度,但其适应程度也受到周围环境对机器视觉算法的影响。针对这一情况,本文对机器人视觉伺服控制系统中的机器视觉算法进行了改进,提出了一种基于帧间差分法的自适应环境的机器人视觉伺服控制方法,从而提高了控制系统对环境的自适应程度,提高了对机器人控制的精确度,实验和理论分析证明,该方法具有较大的应用前景和实用价值。     

基于DSP的机器人视觉伺服系统研究

机器人视觉伺服系统的研究是机器人领域中的重要内容之一,其研究成果可以直接用于机器人自动避障、轨迹线跟踪和运动目标跟踪等问题中。本文针对机器人视觉伺服系统要求快速准确的特点,设计了基于TMS320C6201的机器人视觉图像处理系统,并分析了基于图像雅可比矩阵的机器人视觉伺服方法的基本原理。