六轴工业机器人在线误差补偿方法的研究

提出一种机器人动态误差在线补偿方法,用以提高机器人的轨迹精度。在机器人参数误差得到离线补偿之后,基于ANFIS构建自适应模糊神经网络轨迹控制器,建立在线补偿系统控制模型,通过ADAMS与Matlab的协同仿真对系统仿真分析;仿真结果验证了所提出方法的可行性。在自主研发制造的六轴工业机器人的平台上,借助于API激光跟踪仪对机器人末端跟踪测量,进行实验分析;实验结果验证了该方法的有效性。     

变结构可抛掷球形机器人的运动分析

针对灾后、战后等复杂地面环境,开发了一种能够以抛掷或发射方式进入工作区域进行作业的变结构机器人.该机器人能够以球形结构通过抛掷或发射的方式越过现有大部分地面移动机器人无法通过的地面障碍.同时,在到达工作区域后,机器人能够变形为具有2个被动自由度的四轮移动机器人以完成移动作业.为了对机器人进行有效的运动控制,针对展开结构建立了考虑前、后车体几何约束及驱动轮无横向滑移约束的运动学模型,分析了机器人在进行曲线运动时产生轨迹误差的原因.仿真得到了机器人做正弦曲线运动时的轨迹误差,并分析了误差的影响因素.通过实验对建立的模型和仿真结果进行了验证,证明机器人具有较好的运动灵活性.     

空间柔性双臂机器人的神经网络协调控制

基于对机器人闭链系统运动特性的分析,采用假设模态法及拉格朗日方程建立了自由浮动空间柔性双臂机器人协调操作刚性负载闭链系统的动力学模型,然后采用基于小脑模型的模糊神经网络与非线性PD并行控制的方法对该动力学模型进行轨迹跟踪,并对内力采用积分控制;通过仿真实验比较,该方法比一般的非线性PD控制,在跟踪误差、抗干扰性、鲁棒性方面,都有很大的改善.     

基于BP神经网络的移动机器人避障设计及仿真

为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题,提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统;分析了机器人在运动过程中与障碍物的位置关系,使用超声波传感器采集距离信息,进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果表明,该方法可以高效精确地实现移动机器人的自主避障,运行相对稳定、轨迹连续平滑,达到了较为理想的避障效果。验证了方法的可行性和有效性,为移动机器人自主避障提供了一种新的控制方法。     

基于神经网络的仿人跑步机器人步态规划

为了快速生成仿人机器人跑步运动轨迹,研究了一种用于仿人机器人跑步步态生成的步态规划器。采用三维弹簧倒立摆模型描述跑步过程中仿人机器人质心运动规律,奔跑时机器人质心轨迹及落脚点位置可以由四个步态参数来确定,从而将步态规划问题转化成步态参数优化问题,求解了500余种不同运动状态下的步态参数。建立了基于三层BP神经网络的步态规划器,将优化结果作为训练样本训练神经网络。用上述规划器实现了仿人机器人跑步步态规划并对规划结果进行了仿真验证。研究结果表明,基于BP神经网络的步态规划器可以实现步态参数的快速计算,生成的跑步步态逼真;提出的跑步运动步态规划方法可行,为仿人机器人实时轨迹生成提供了一种解决方法。     

基于神经网络补偿的机器人稳定自适应控制

针对建模不精确的机器人,提出了一种基于神经网络补偿的机器人轨迹跟踪稳定自适应控制方法,文中通过设计神经网络补偿器和自适应鲁棒控制项,有效地补偿了模型的不确定性部分和网络逼近误差.由于算法包含有补偿神经网络逼近误差的鲁棒控制项,实际应用中对神经网络规模的要求可以降低;而且神经网络连接权是在线调整的,不需要离线学习过程.理论表明算法能够保证跟踪误差及神经网络连接权估计最终一致有界,仿真结果也验证了算法的有效性.     

全方位移动装配机器人运动学分析

针对空间狭小拥挤、地面不平的特殊装配环境,设计了一种5自由度全方位移动装配机器人.该机器人主要由基于4组并联布置的MY(mutual Yo Yo)轮的全方位移动平台和具有2自由度的并联举升机构组成.首先,针对该机器人的全方位运动和并联举升机构的2自由度结构特点,建立了机器人的整体运动学模型,并基于该模型对机器人进行了圆形曲线轨迹仿真.然后,设计双曲线滤波PD(proportional derivative)控制器对机器人的轨迹进行跟踪并分析其轨迹跟踪误差.该控制器能控制平均误差在5 mm左右,且误差随跟踪时间减小而减小.最后,通过实验结果验证了该运动学模型和仿真结果的正确性,且该控制器能迅速并精确地实现其轨迹跟踪,从而进一步验证了该全方位移动装配机器人的优越性.     

基于最优S型曲线轨迹的硅片传输机器人末端振动抑制方法

针对硅片传输机器人末端低频振动问题,提出了一种基于最优S曲线轨迹的硅片传输机器人低频振动的抑制方法.该方法通过推导在参数化S型曲线输入条件下非线性时变系统的动态响应近似方程得到系统低频振动的振幅方程,并通过优化振幅方程中的S型曲线参数使得低阶振动振幅达到最小值,从而实现低频振动的抑制.首先对硅片传输机器人进行运动学、末端位置误差以及刚柔耦合动力学建模并进行动态特性分析.随后推导了在参数化S曲线输入条件下系统末端的时域动态响应方程近似解析解与振幅方程近似解析解,并根据硅片传输机器人自身的动态特性给出了最优S曲线参数计算方法.最后分别通过数值仿真分析与实验对该方法进行验证.实验结果表明,应用该方法后硅片传输机器人末端x方向的低频振动的振幅降低了53.9%,y方向的低频振动的振幅降低了45%.     

基于动态运动基元的轨迹学习方法

针对动态运动基元轨迹学习方法得到的学习轨迹终点值存在较大位置误差的问题,提出一种通过增大动态运动基元积分步数来减小位置误差的方法.通过以正弦轨迹、斜坡轨迹为示教轨迹的仿真实验验证了该方法的有效性.针对动态运动基元学习轨迹起始值与目标值相同时得到的学习轨迹恒为直线的问题,提出一种分段式轨迹学习方法.以轨迹极值点为分界点将学习轨迹分割为多段初始值与目标值不同的轨迹,通过仿真实验验证了该方法的有效性.     

基于眼球前庭动眼反射的机器人视觉误差主动补偿方法

针对机器人在颠簸环境下作业过程中产生姿态变化从而导致的视觉不稳定性问题,基于眼球前庭动眼反射的机理,提出一种主动补偿视觉误差的方法.在生理学和解剖学的基础上,根据眼球运动的神经回路,建立了一个具有自适应性的前庭动眼反射控制模型.为了验证模型的性能,在不同的环境中进行了仿真实验,仿真结果表明该模型可以主动补偿机器人姿态变化所引起的视觉误差,并且具有良好的自适应性.最后,通过实体机器人实验验证了该控制模型的有效性与准确性.     

迭代学习神经网络控制在机器人示教学习中的应用

示教学习是机器人运动技能获取的一种高效手段.当采用摄像机作为示教轨迹记录部件时,示教学习涉及如何通过反复尝试获得未知机器人摄像机模型问题.本文力图针对非线性系统重复作业中的可重复不确定性学习,提出一个迭代学习神经网络控制方案,该控制器将保证系统最大跟踪误差维持在神经网络有效近似域内.为此提出了一个适合于重复作业应用的分布式神经网络结构.该神经网络由沿期望轨线分布的一系列局部神经网络构成,每一局部神经网络对对应期望轨迹点邻域进行近似并通过重复作业完成网络训练.由于所设计的局部神经网络相互独立,因此一个全程轨迹可以通过分段训练完成,由起始段到结束段,逐段实现期望轨迹的准确跟踪.该方法在具有未知机器人摄像机模型的轨迹示教模仿中得到验证,显示了它是一种高效的训练方法,同时具有一致的误差限界能力.     

基于模型预测—中枢模式发生器的六足机器人轨迹跟踪控制

为了模仿动物卓越的运动能力和环境适应能力,提出了六足仿生机器人的轨迹跟踪控制方法。首先建立了机器人的运动学模型,接着通过转向参数将机器人的速度和角速度与中枢模式发生器（CPG）参数结合起来,设计了转换函数。然后通过转换函数将模型预测控制器和CPG网络结合起来,提出了基于CPG的模型预测控制器（MPC-CPG）,并证明了其稳定性。最后对机器人跟踪圆周轨迹和直线轨迹进行了仿真和实验。实验表明,在有初始误差的条件下,机器人在MPC-CPG控制器的作用下能够快速地消除位置误差和航向角误差,跟踪上参考轨迹。轨迹跟踪的位置误差始终保持在-0.1～0.1 m,航向角误差保持在-27?～20?。在MPC-CPG控制器的作用下,机器人不仅具有较高的轨迹跟踪精度,同时还表现出良好的运动平滑性和协调性,进一步验证了所提出的MPC-CPG控制器的有效性。     

基于CMAC的双足步行机器人逆运动学控制

针对双足步行机器人(Biped Walking Robot)腿部逆运动学模型求解问题,采用一种基于CMAC神经网络的机器人逆运动学控制方法,设计CMAC神经网络控制系统.控制系统采用2个CMAC神经网络控制器分别用来逼近步行机器人支撑腿与摆动腿的逆模型,跟踪通过三维线性倒立摆模型生成的给定腰部轨迹.建立步行机器人正运动学模型来调整CMAC神经网络权值,实现了步行器人腿部逆运动学映射.仿真结果表明,CMAC神经网络控制系统可以在保证机器人位姿良好的情况下跟踪给定的参考轨迹.三维运动学仿真结果进一步验证了控制算法的有效性.     

蛇形机器人水下3D运动建模与仿真

由于蛇形机器人具有多关节、超冗余自由度的特点,以及水环境高度复杂非线性化,使得蛇形机器人的水下3维步态难以通过实验进行验证、分析及优化针对这些问题,根据蛇形机器人样机"探查者Ⅲ",搭建了水下运动的仿真分析系统.首先,分析了蛇形机器人水下运动时不同姿态下的水静力,计算了机器人受到的附加质量力和黏滞阻力的线性项和非线性项,并研究了流体力矩对水下运动的影响.然后,基于Morison方程建立了机器人与水交互的力学模型.最后,在仿真分析系统中对逐节下潜步态进行仿真,分析机器人的运动性能,并进行相应的实验.通过前进速度、下潜速度、运动趋势的对比表明:该力学模型能比较准确地模拟机器人与水环境的交互作用,仿真分析系统能用来验证和分析蛇形机器人的水下3维运动步态.     

面向制造环境的工业机器人节能轨迹规划

在制造环境中,工业机器人节能轨迹规划的实际应用存在2个问题:机器人动力学参数未知;现有节能轨迹规划方法无法保证结果的稳定性.因此,本文提出了面向制造环境的工业机器人节能轨迹规划,包括基于平行BP(backpropagation)神经网络的近似动力学辨识和基于凸优化(CO)的节能轨迹求解法.以UR3机器人为实验平台,近似动力学模型的均方根误差(RMSE)可收敛至2.05×10?3 N·m;且凸优化轨迹规划的求解稳定性优于现有的参数化轨迹规划.实验结果表明:本文提出的节能轨迹规划方案,能应对制造环境中机器人动力学参数未知的情况,同时保证轨迹规划结果的稳定性,因此更适用于制造环境中的工业机器人.     

基于神经网络的鸟撞预测模型应用研究

通过对某机场地理环境、生境、鸟类及鸟类活动、鸟情信息进行综合分析,在收集、规范、完善鸟情数据集的基础上,文中给出了鸟情数据预处理方法,提出了一种基于神经网络的鸟撞预测模型,确定了鸟撞预测模型输入、输出参数,并分别采用BP神经网络和径向基网络(RBF)两种方式建立预测模型.运用Matlab对两个预测模型性能进行仿真实验,仿真实验结果表明BP神经网络比RBF神经网络预测具有更高精度、更小误差.最后,通过机场实际观察数据对训练好的鸟撞模型做仿真预测,结果进一步验证了BP神经网络鸟撞预测模型具有很好的预测效果     

基于遗传算法的多机器人系统最优轨迹规划

针对关节型多机器人系统在静态环境下的点到点的轨迹规划问题,提出了一种基于遗传算法的最优轨迹规划策略.采用遗传算法在综合考虑各机器人沿轨迹运动的安全性、运动代价以及运动学约束的基础上为单个机器人规划最优的运动轨迹,并通过协调各机器人沿预定轨迹运行的时间避免机器人之间碰撞的发生.针对含有3个二自由度平面关节型机器人的多机器人系统进行了仿真实验,实验结果验证了该方法的有效性.     

单脉冲雷达天线方向图的BP神经网络建模

为了提高单脉冲雷达仿真速度,提出了应用BP神经网络对单脉冲雷达天线方向图进行建模的方法,并根据这一方法建立了某型单脉冲雷达天线方向图的BP神经网络模型.通过对比BP神经网络建模得到的单脉冲雷达天线方向图和实际单脉冲雷达天线方向图,并考虑到较小的BP神经网络训练均方误差,验证了该方法的有效性.实际的某型单脉冲雷达系统仿真试验表明利用建立的BP神经网络模型能大大地提高雷达仿真速度.     

改进的BP神经网络在机器人环形巡航中的应用

介绍了BP神经网络、改进的神经网络算法——带动量项BP算法,并将带动量项BP神经网络应用到机器人的环形巡航中,进行了仿真实验,验证带动量项BP神经网络在机器人环形巡航应用中的优势。     

基于PSO的空间机械臂轨迹规划技术研究

研究机器人的机械臂轨迹优化问题,空间机器人系统的机械臂和基座之间存在动力学耦合,基座姿态稳定性容易受到机械臂运动的反作用干扰.为了使空间机器人系统的姿态稳定性不受的影响,提出了一种基于PSO(粒子群优化算法)的参数化5-3-5轨迹规划方法.利用PSO的优化能力找到合适的参数组合,进行关节空间轨迹规划.通过对比实验,运用动力学仿真对方法的有效性进行了验证.仿真结果表明,方法规划出的轨迹运动光滑,且按段轨迹运动机械臂对基座姿态的扰动符合预期要求,证明规划轨迹的有效性.