动力学在线更新的人和机器人握手智能控制器

为实现人和机器人握手运动的同步, 本文提出了一种基于动力学在线更新的智能控制器. 首先, 建立了人和机器人握手的仿真模型; 然后对智能控制器中有任意吸引子的动力学系统进行多项式近似设计和在线更新设计,使其具备自振动特性和输入输出同步特性; 同时通过忘却系数和负荷系数, 输入输出同步程度能实现参数可调; 最后, 将该智能控制器用于人和机器人握手的控制中, 仿真结果表明了该智能控制器设计的有效性.     

基于同步控制的人和机器人握手动力学仿真

为实现人和机器人握手运动的同步,提出了基于神经元振荡器同步控制的方法,并将此方法应用于 人和机器人握手的研究中．同时,在分析现有神经元振荡器特性的基础上,设计了一种新的人和机器人握手的神 经元振荡器,并将该神经元振荡器应用于同步控制方法中进行人和机器人握手的动力学仿真,仿真结果证明了该 控制方法的有效性．     

基于速度矢量可行度的移动机器人多行为综合决策方法

为了提高机器人对真实环境的适应能力,基于行为思想越来越多地被用于自主机器 人的在线运动决策．由此,产生了多行为综合管理问题．本文分析了常用的基于矢量合成的 并行行为的综合方法．在此基础上,提出基于速度矢量可行度的自主移动机器人多行为综合 决策方法．该方法可较完整地保留子行为的决策意图,得到更合理的行为综合结果．     

矢量场逐次逼近的康复机器人柔顺交互控制

为了实现康复机器人的主动柔顺交互,提出了一种基于矢量场逐次逼近的控制模型;设计了矢量场逐次逼近系统,可输出机器人关节期望位移,该输出能与输入的扭矩、表面肌电及脑电等信号在振幅、频率和相位上保持同步,且通过调节遗忘因子参数值,可改变主动柔顺交互的积极性;利用自行设计的穿着型下肢康复机器人样机进行柔顺辅助实验,以验证所提出控制模型的有效性;通过FFT（Fast Fourier transformation）频谱对机器人关节扭矩的组成成分进行了分析,并采用基于最小二乘法的参数辨识方法实施了重力补偿,以便康复机器人实时控制.实验结果表明,该控制模型对于实现康复机器人与人之间的柔顺交互是有效的.     

实现人身和机器人交流的神经振动子控制算法

为实现人身和机器人交流时的运动同步,首先提出了一类非线性多关节神经振动子运动控制算法,其输入为机器人和人相互作用所产生的关节扭矩信号,输出为机器人关节期望角度;然后对具有代表性的二关节神经振动子控制算法中各参数的耦合特性进行了分析;最后,基于7自由度机器人臂平台对该神经振动子控制算法的有效性进行实验.实验结果表明,该控制算法能够实现人和机器人相互运动的同步,通过调节神经振动子的增益参数,同步的程度能够被改变.     

基于旋转子矩阵正交的6R机器人运动学逆解研究

以机器人运动学方程为基础,基于变换矩阵中旋转子矩阵正交的特性,提出一种6R机器人运动学逆解算法.通过矢量运算,得到含有4个未知变量的4个常系数非线性方程,辅以其它方程,最终得到8组封闭解.通过对钱江一号焊接机器人的实例求解,验证了该算法解决逆解问题仅需0.087 ms,比传统的反变换法具有更优的实时性能;平面工况的运动仿真验证了该算法的有效性.该算法可应用于6R机器人的强实时在线控制系统.     

永磁同步电机电驱动教研平台

为了满足永磁同步电机控制的教学和研究需要,开发了基于DSP的永磁同步电驱动教研平台。首先,综合考虑永磁同步电机电驱动实验装置的耐久性、交互性和便携性进行设计;其次,基于DSP硬件和软件,设计了永磁同步电机教研平台,实现了对各种信号的实时监测、控制参数的在线更改和控制算法的在线更新;最后,实验表明,该平台能够有效地对永磁同步发动机矢量控制算法进行验证,为永磁同步发动机控制的科研和教学创造必要的测试条件。     

基于IHDR自主学习框架的无人机3维路径规划

提出一种基于自主学习框架的无人机3维路径规划方法.该自主学习框架由知识学习、知识检索和在线更新三部分组成.在该框架中,无人机在线路径规划时首先从过去的规划经验中提取控制量直接用于指导当前机器人的行动,另一方面,如果检索结果对于当前无人机的状态是无效的,可以在线启动常规3维路径规划算法,实时计算机器人的控制量,在控制机器人运动的同时将当前状态下的新决策量添加到知识库中从而对其进行更新.此外,分别采用增量分层判别回归算法(IHDR)和k-D树方法建立了路径规划知识库.其中,IHDR方法通过增量方式,可将以往的路径样本建立为一棵分层树.大量的仿真结果对比表明,在本文提出的框架下,基于IHDR的方法比传统的k-D树方法具有更好的实时性.     

RoboCup比赛环境下足球机器人路径规划研究

RoboCup中型组足球机器人比赛具有高度的对抗性和实时性．比赛中机器人需要针对不同的比赛态势进行角色切换和任务选择．在这种环境下，应用传统人工势场或一般改进型人工势场的路径规划方法都无法得到令人满意的结果．将障碍物与机器人之间的相对速度矢量以及目标与机器人之间的相对速度矢量分别引入人工势场法中，对传统的势场函数进行了改进；并根据机器人的不同角色和任务，采用模糊逻辑方法对势场函数进行修正，提出一种处理多角色多任务环境的改进型人工势场法机器人路径规划方法．仿真试验和实际应用验证了此算法存足球机器人比赛系统中的可行性．     

基于深度图像与三维栅格离线映射的机械臂环境建模方法

为确保动态非结构化环境中人、机器人、环境3者的安全,提出一种基于深度图像与三维栅格离线映射的机械臂环境建模方法,该方法分为离线映射与在线更新两个步骤.离线映射首先将机器人工作空间划分成三维栅格,然后利用标定得到的RGB-D相机内外参数矩阵离线计算深度图像与三维栅格之间的映射关系并保存;在线更新是利用帧差法和查询离线映射表的方式更新三维栅格中的环境信息.为全面描述机器人的工作空间,进一步扩展此方法,提出多传感器信息融合以及从环境模型中滤除机械臂本体的方法.整套环境建模方法具有描述能力强、模型精度一致、可实现多传感器信息融合以及可在线更新的优点.最后,分别通过仿真实验、基于两个Kinect相机和7自由度KUKA IIWA机械臂的实际建模与末端避障实验,验证所提出方法的有效性.     

A self-tuning fuzzy controller for a class of multi-input multi-output nonlinear systems

This paper presents a systematic design procedure of a multivariable fuzzy controller for a general Multi-Input Multi-Output (MIMO) nonlinear system with an input-output monotonic relationship or a piecewise monotonic relationship for each input-output pair. Firstly, the system is modeled as a Fuzzy Basis Function Network (FBFN) and its Relative Gain Array (RGA) is calculated based on the obtained fuzzy model. The proposed multivariable fuzzy controller is constructed with two orthogonal fuzzy control engines. The horizontal fuzzy control engine for each system input-output pair has a hierarchical structure to update the control parameters online and compensate for unknown system variations. The perpendicular fuzzy control engine is designed based on the system RGA to eliminate the multivariable interaction effect. The resultant closed-loop fuzzy control system is proved to be passive stable as long as the augmented open-loop system is input-output passive. Two sets of simulation examples demonstrate that the proposed fuzzy control strategy can be a promising way in controlling multivariable nonlinear systems with unknown system uncertainties and time-varying parameters.     

Direct adaptive control of partially known nonlinear systems.

A direct adaptive control strategy for a class of single-input/single-output nonlinear systems is presented. The major advantage of the proposed method is that a detailed dynamic nonlinear model is not required for controller design. The only information required about the plant is measurements of the state variables, the relative degree, and the sign of a Lie derivative which appears in the associated input-output linearizing control law. Unknown controller functions are approximated using locally supported radial basis functions that are introduced only in regions of the state space where the closed-loop system actually evolves. Lyapunov stability analysis is used to derive parameter update laws which ensure (under certain assumptions) the state vector remains bounded and the plant output asymptotically tracks the output of a linear reference model. The technique is successfully applied to a nonlinear biochemical reactor model.     

Model reference adaptive impedance control for physical human-robot interaction

This paper presents a novel enhanced human-robot interaction system based on model reference adaptive control. The presented method delivers guaranteed stability and task performance and has two control loops. A robot-specific inner loop, which is a neuroadaptive controller, learns the robot dynamics online and makes the robot respond like a prescribed impedance model. This loop uses no task information, including no prescribed trajectory. A task-specific outer loop takes into account the human operator dynamics and adapts the prescribed robot impedance model so that the combined human-robot system has desirable characteristics for task performance. This design is based on model reference adaptive control, but of a nonstandard form. The net result is a controller with both adaptive impedance characteristics and assistive inputs that augment the human operator to provide improved task performance of the human-robot team. Simulations verify the performance of the proposed controller in a repetitive point-to-point motion task. Actual experimental implementations on a PR2 robot further corroborate the effectiveness of the approach.     

基于动态线性化的非线性系统的自适应预测函数控制

基于pseudo-partia l-derivative(PPD)的概念动态线性化非线性系统,利用集结方法处理未来预测时刻的PPD,实现了非线性系统的自适应预测函数控制.所给算法的预测模型只与当前时刻的测量数据有关,不依赖于对象的具体结构.该算法能够提供有界的输入输出,并能无偏差跟踪给定值.最后通过大滞后对象和强非线性pH中和滴定实验验证了该方法的有效性,并说明了其具有很强的鲁棒性和抗干扰能力.     

Adaptive Linear Quadratic Regulator for Continuous-Time Systems With Uncertain Dynamics

In this paper, adaptive linear quadratic regulator (LQR) is proposed for continuous-time systems with uncertain dynamics. The dynamic state-feedback controller uses input-output data along the system trajectory to continuously adapt and converge to the optimal controller. The result differs from previous results in that the adaptive optimal controller is designed without the knowledge of the system dynamics and an initial stabilizing policy. Further, the controller is updated continuously using input-output data, as opposed to the commonly used switched/intermittent updates which can potentially lead to stability issues. An online state derivative estimator facilitates the design of a model-free controller. Gradient-based update laws are developed for online estimation of the optimal gain. Uniform exponential stability of the closed-loop system is established using the Lyapunov-based analysis, and a simulation example is provided to validate the theoretical contribution.      

Poisson LQR design for asynchronous multirate controllers

We derive the optimal LQR controller for asynchronous multirate digital control. Independent processors operating without synchronization update different components of the control vector at Poisson arrival times. An iterative algorithm to compute the steady-state control law and optimal cost is described and its convergence is demonstrated     

满足不同交互任务的人机共融系统设计

人与机器人共同协作的灵活生产模式已经成为工业成产的迫切需求,因此,近年来人机共融系统方面的研究受到了越来越多关注.设计并实现了一种满足不同交互任务的人机共融系统,人体动作的估计和机器人的交互控制是其中的关键技术.首先,提出了一种基于多相机和惯性测量单元信息融合的人体姿态解算方法,通过构造优化问题,融合多相机下的2D关节检测信息和所佩戴的惯性测量单元测量信息,对人体运动学姿态进行优化估计,改善了单一传感器下,姿态信息不全面以及对噪声敏感的问题,提升了姿态估计的准确度.其次,结合机器人的运动学特性和人机交互的特点,设计了基于目标点跟踪和模型预测控制的机器人控制策略,使得机器人能够通过调整控制参数,适应动态的环境和不同的交互需求,同时保证机器人和操作人员的安全.最后,进行了动作跟随、物品传递、主动避障等人机交互实验,实验结果表明了所设计的机器人交互系统在人机共融环境下的有效性和可靠性.