基于Kinect视觉功能的机器人控制方法

介绍了一种基于Kinect装置的机器人控制方法,该方法涉及机器人控制领域,并且具体应用于两轮自平衡机器人运动控制和人机交互系统。该方法针对两轮自平衡机器人的运动控制系统利用Kinect与DTW手势识别算法对其进行控制。实验结果表明：该方法能够实现人与两轮自平衡机器人的自然交互控制,并且具有良好的实时性和鲁棒性。     

一种轮式移动机器人滑模轨迹跟踪控制器设计及其参数优化方法

为实现轮式机器人轨迹跟踪控制,以双闭环控制方案为基础,在每个闭环子系统中设计滑模控制器,并将粒子群算法应用其中,优化控制器参数,达到更好的跟踪效果.通过仿真验证了所设计的控制器能够实现轨迹跟踪,并且相较于人工经验整定的参数,通过优化得到的参数使控制器的控制性能更加优越.     

复杂环境下两轮自平衡机器人稳定控制研究

针对两轮自平衡机器人在控制过程中的抖动现象,采用一种快速跟踪的有限记忆递推最小二乘估计方法,实现系重心偏移角的参数辨识.仿真表明,在参数突然变化时,该方法能快速辨识系统参数.通过增加一个惯导元件,用一个倾角仪A中采集的数据辨识出的偏移角对另一个倾角仪B的零位进行修正,将B采集的数据反馈到控制器中,对机器人实施平衡控制.分析表明,考虑重心偏移的控制策略是一种自适应的控制方法,能有效去除抖动现象,提高两轮自平衡机器人平衡控制的鲁棒性.     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题，提出一种模糊学习算法，并设计出结构合理的模糊学习控制器，该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制，仿真结果显示控制效果良好，所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

基于神经网络模型的拱泥机器人控制

拱泥机器人是为打捞沉船的关键工序—水下攻打千斤洞而设计的特种机器人.分析了拱泥机器人在水下泥土环境中受力情况,建立了基于MATLAB的拱泥机器人头部的动力学模型.针对拱泥机器人工作环境的不确定性,将传统PID控制与神经网络相结合,建立了一种应用BP神经网络实现PID参数自整定的自适应PID控制模型.控制器由PID控制器、神经网络NNC和NNI组成.神经网络NNC能够根据拱泥机器人动态特性的变化,自动整定PID参数,从而改善了控制性能.神经网络NNI为NNC提供学习的梯度信息.计算机仿真结果表明该方法是有效的.     

两轮直立式自平衡移动机器人的控制系统设计

研究了两轮直立式自平衡机器人的系统组成,并利用动力学原理建立系统的数学模型,在Matlab环境下设计了状态反馈控制器(LQR),并进行了仿真和机器实体的实验,系统具有良好的鲁棒性.表明了系统建模和控制器设计的合理性和有效性.这种机器人两轮共轴、独立驱动,车身重心倒置于车轮轴上方,通过运动保持平衡,可直立行走.由于特殊的结构,其适应地形变化能力强,运动灵活,可以胜任一些复杂的工作.为机器人的自主控制、自学习提供了可靠的实验平台.     

水下机器人S面控制器的改进粒子群优化

S面控制器是一种有效的水下机器人的运动控制算法,但需要人工调整参数.为了减少手工调整参数所带来的困难和误差,提出了改进的粒子群优化算法对S面控制器参数进行优化.采用动态压缩因子,加快粒子算法的收敛;引入退火算法,提高粒子算法的局部搜索能力.同时,在S面控制器中引入智能积分项,有效地减小控制器的稳态误差.最后,论述了改进粒子群算法优化S面控制参数的具体过程,并在某型水下机器人上进行了仿真试验和水池试验.试验结果表明,该算法对于水下机器人非线性控制器的参数寻优达到良好的效果,优化后的S面控制具有较快的反应速度和较小的超调.     

基于混合粒子群优化的仿袋鼠机器人站立平衡控制

为提高仿袋鼠机器人的站立平衡控制性能,基于混合粒子群算法对机器人的平衡控制进行了优化.首先,将在地面站立平衡时的仿袋鼠机器人简化成一个倒立摆模型,使用拉格朗日方法对机器人进行动力学建模.然后,基于机器人的动力学模型设计了线性二次型控制器,并使用混合粒子群算法对线性二次型控制器的权重矩阵进行优化.最后,使用优化的线性二次型控制器对仿袋鼠机器人站立平衡控制进行了仿真实验.优化后的控制器的调节时间比优化前明显缩短,结果表明:基于混合粒子群算法优化的线性二次型(linear quadratic regulator,LQR)控制器可以提高系统的稳定性和鲁棒性,能有效降低控制器参数的整定工作量.     

带有舵机特性的船舶航向自动舵DSC-MLP设计

为了研究船舶航向非线性系统的自适应自动舵跟踪控制问题,采用T-S模糊系统逼近模型不确定性,将动态面控制与最少学习参数算法结合,提出了一种自适应模糊跟踪控制算法.该算法学习参数少、计算量小,易于工程实现;并且能够避免可能存在的控制器奇异值问题.同时,该算法保证了闭环系统的稳定性,能够使得航向跟踪误差任意小.仿真结果验证了控制器的有效性.     

水下机器人S面控制器的免疫遗传算法优化

S面控制器是实践证明有效的水下机器人的运动控制器算法,但参数调整困难.如何针对特定载体选取最佳的控制器参数,是影响到控制效果的重要问题.为了减少参数手工调整所带来的误差和繁琐劳动,提出了水下机器人S面控制器的免疫遗传优化算法.利用免疫算法产生多样性抗体的能力,抗体浓度自我调节,抗原的免疫记忆功能实现了S面控制器参数优化计算的快速收敛,避免了局部峰值的徘徊.给出了S面控制器的推导过程,免疫遗传算法求解的一般过程.详细论述了S面控制器参数免疫遗传优化的具体实现.大量的仿真实验和湖中实验得到了确定性的结果.表明了此算法对于水下机器人运动非线性控制器的参数寻优能达到很好的效果.     

基于MPU6050的双轮平衡车控制系统设计

双轮平衡车是一个高度不稳定两轮机器人,单独使用陀螺仪或者加速度计都不能提供有效而可靠的信息来保证车体的平衡.介绍了以STC12C5A60S2单片机作为核心控制器的双轮平衡车控制系统设计方案,采用MPU6050六轴传感器采集角度和角速度信号,应用卡尔曼融合滤波方式和PID控制算法,以实现双轮平衡车的平衡和简单的直立行走.     

两轮自平衡机器人系统建模与模糊自整定PID控制

针对不稳定、非线性、强耦合的两轮自平衡机器人系统,运用牛顿力学方法建立了转向运动的数学模型.介绍了用模糊控制进行PID参数整定的原理和方法,并用该方法实现对两轮自平衡机器人系统的控制.仿真结果和实际应用均表明,该方法能使系统有更好的快速性和稳定性.     

两轮自平衡机器人运动控制研究

轮式移动机器人是典型的不完整控制系统,其自身的不确定性影响控制的性能.以两轮自平衡机器人为研究对象,建立了机器人的运动学与动力学模型.利用多惯性传感器信息融合建立的基于T-S模糊模型的模糊控制器有效地解决了两轮自平衡机器人平衡控制的问题,并同时对轨迹跟踪的问题进行了探讨.仿真结果表明,通过多惯性传感器的信息融合建立的控制器对于机器人的平衡和跟踪问题是有效的,并在实际的实验中得到了验证.     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

电动车辆ABS的改进线性二次型最优控制

为充分利用轮毂电机控制精确和响应迅速的优势,提高电动车辆制动防抱死控制的稳定性,提出一种用于轮毂电机电动车辆制动防抱死系统(ABS)协调控制的改进线性二次型最优控制方法.建立电动车辆纵向动力学模型;结合复合制动系统的协调控制策略,分析现有线性二次型最优控制算法无法用于防抱死控制器设计的原因,提出一种通过构造虚拟阻尼量以及无穷小量来建立黎卡提方程的改进型线性二次型最优控制算法,并据此设计了防抱死控制器.在高附着路面、中附着路面和低附着路面3种不同行驶工况,对分别安装有改进线性二次型最优防抱死控制器和滑模防抱死控制器的电动车辆的紧急制动性能进行了仿真分析.结果表明:在不同附着系数路面行驶工况下,改进线性二次型最优控制算法能够有效提高电动汽车防抱死控制系统的控制精度和响应速度.     

基于改进遗传算法的两轮自平衡机器人能量优化策略

为有效使用有限的电池容量,延长机器人运行时间,针对机器人能量消耗问题,建立了两轮自平衡机器人的动力学模型和能耗模型。由于能量函数具有指数形式,很难获得解析解最小化能耗函数。因此提出基于改进遗传算法的分步渐进优化策略。通过全局寻优的方式对机器人的运动速度和能量消耗进行优化,解决了能耗最小化问题。通过仿真验证了算法的有效性和实时性。     

基于扩展卡尔曼滤波的两轮机器人姿态估计

针对两轮自平衡机器人惯性传感器存在误差的问题,提出基于扩展卡尔曼滤波的方法进行补偿,从而实现机器人姿态的最优估计.利用实验获得的惯性传感器误差特性,采用Levenberg-Marquardt非线性最小二乘迭代法拟合数据,从而建立机器人导航用惯性传感器陀螺仪和加速度计误差的数学模型,并对误差进行标定.采用扩展卡尔曼滤波将传感器的数据进行融合并对误差进行补偿,得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明改进后的系统误差得到了有效的抑制,从而验证了采用低成本的惯性传感器进行机器人的姿态估计是有效可行的.     

基于Boltzamnn机的机器人自主学习算法

针对两轮机器人自平衡运动控制问题,提出了一种基于Boltzamnn机的Skinner操作条件反射学习机制作为机器人仿生自主学习的算法.该算法利用Boltzamnn机中Metropolis判据平衡Skinner操作条件反射学习中探索和利用的比例,并依据概率取向机制以一定的概率选择最优行为,从而使机器人在未知环境下可获得像人或动物一样的仿生自主学习技能,实现机器人的自平衡运动控制.最后,分别用基于Boltzamnn机的Skinner操作条件反射的学习算法和基于贪婪策略的Skinner操作条件反射的学习算法做了仿真实验并进行了比较.结果表明,基于Boltzamnn机的Skinner操作条件反射的学习算法能使机器人获得较强的运动平衡控制技能和较好的动态性能,体现了机器人的自主学习特性.     

Improved single-neuron PID controller for DC motor applied in robot system

An improved single-neuron proportional integral derivative (PID) controller and a new method to build the DC motor system were presented in the article. In the simulation, the robot arm is considered as an external load to DC motor. Both the motor module and the load module are created in Simulink to achieve simulation results closer to real robot system. In this way, it can well verify the performance of the improved single-neuron PID controller, which is a combined controller of normal PID controller and single-neuron PID controller. Besides, an intelligent switcher can help to realize the function of choosing a better control algorithm according to motor’s velocity output. Simulated results confirm the rapid and stable response of the improved PID controller. Moreover, the improved single-neuron PID controller has an excellent ability to overcome the load impact and supress the jamming signals. At last, a GUI interface platform is built to make the controller easier to be applied in other robot systems.     

四轮式移动机器人非完整运动控制

针对四轮式机器人做非完整运动时系统的非完整性的问题,将四轮式机器人运动规划转化为非线性控制系统的优化问题。提出了对优化变量进行浮点数编码的改进遗传算法,使系统控制精度得到改善。同时将改进的遗传算法采用最优个体保留策略,设计交叉参数和自适应变异参数,确保算法具有良好的收敛性。通过数字仿真实验,证明了该方法的对四轮式机器人非完整运动规划问题具有可操作性。