基于视觉伺服非完整移动机器人的有限时间饱和镇定

对视觉伺服反馈的一类类非完整移动机器人,提出在视觉参数不确定下的有限时间饱和镇定问题.运用多步控制策略和有限时间稳定性理论,设计分段连续的饱和控制律使得闭环系统的状态在有限时间内收敛到平衡点.仿真结果验证了该方法的有效性.     

基于视觉伺服反馈的不确定非完整动态移动机器人的自适应镇定

研究了带有固定在天花板上的摄像机系统的非完整动态移动机器人的镇定问题. 首先, 利用针孔摄像机模型引入了基于摄像机目标的视觉伺服运动学模型,并针对该运动学模型给出了一个运动学镇定控制器. 然后,在摄像机参数不确定的情形下设计了一个自适应滑模控制器实现了不确定动态移动机器人的镇定. 提出的控制器不仅对结构不确定性如质量变化, 而且对无结构不确定性如外部扰动都具有鲁棒性. 通过Lyapunov方法严格证明了提出的控制系统的稳定性和估计参数的有界性. 仿真结果证实了控制律的有效性.     

含未标定摄像机参数的非完整移动机器人的自适应动力学跟踪控制

结合一类非完整移动机器人的运动学模型和链式转换,在质心与几何中心重合的情况下,研究含有未知参量的非完整移动机器人的跟踪控制问题.首先,利用针孔摄像机模型提出一种基于视觉伺服的运动学跟踪误差模型;然后在此模型下,将动态反馈、Back-stepping技巧与自适应控制相结合,设计一个区别于以往处理方法、含有两个动态反馈的自适应跟踪控制器,从而实现动力学系统的全局渐近轨迹跟踪,并通过李亚普诺夫方法严格证明闭环系统的稳定性和估计参数的有界性;最后,利用Matlab仿真验证所提出的控制器的有效性.     

不确定非完整移动机器人的轨迹跟踪控制

具有未校准视觉参数的非完整移动机器人的运动学系统具有参数不确定性,较一般的运动学系统更加复杂.基于视觉反馈、Barbalat's定理和Lyapunov直接方法,研究了具有未标定摄像机参数的非完整移动机器人的轨迹跟踪问题.首先,利用固定在天花板上的针孔摄像机透视投影模型,提出了一种新的基于视觉伺服的移动机器人运动学跟踪误差模型;基于这个模型,提出了一种新的与未知视觉参数无关的动态反馈跟踪控制器.该控制器不仅保证系统的状态渐近跟踪给定参考轨迹,而且控制器是全局的,通过Lyapunov方法严格证明了闭环系统的稳定性.在惯性系和图像坐标系下讨论跟踪问题,使问题变的简单且设计的控制器更加有用.最后,仿真结果证实了所提出的控制器的有效性.     

荷载不确定移动机器人视觉伺服系统鲁棒预测控制

考虑具有可见性约束和执行器约束的载荷不确定移动机器人视觉伺服系统,提出一种鲁棒视觉伺服预测控制策略.首先将该移动机器人视觉伺服系统建模为关于视觉伺服误差和驱动的不确定系统.其次,对约束的视觉伺服误差子系统,设计基于半正定规划的速度规划预测控制算法.该算法分为离线计算和在线调度两个部分,降低预测控制算法的在线计算量.而对...     

基于全局视觉的轮式移动机器人轨迹跟踪控制

将视觉伺服控制思想引入到全局视觉条件下的轮式移动机器人轨迹跟踪控制中,提出一种基于消除图像特征误差的控制方法.讨论并推导了包含电机模型的非完整移动机器人动力学方程,设计了鲁棒速度跟踪控制器.实验结果证明了文中方法的有效性.􀁱     

State-feedback stabilisation for stochastic non-holonomic mobile robots with uncertain visual servoing parameters

The stabilising problem of stochastic non-holonomic mobile robots with uncertain parameters based on visual servoing is addressed in this paper. The model of non-holonomic mobile robots based on visual servoing is extended to the stochastic case, where their forward velocity and angular velocity are both subject to some stochastic disturbances. Based on backstepping technique, state-feedback stabilising controllers are designed for stochastic non-holonomic mobile robots. A switching control strategy for the original system is presented. The proposed controllers guarantee that the closed-loop system is asymptotically stabilised at the zero equilibrium point in probability.     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

Simultaneous tracking and regulation visual servoing of wheeled mobile robots with uncalibrated extrinsic parameters

This paper presentsa global adaptive controller that simultaneously solves tracking and regulation for wheeled mobile robots with unknown depth and uncalibrated camera-to-robot extrinsic parameters. The rotational angle and the scaled translation between the current camera frame and the reference camera frame, as well as the ones between the desired camera frame and the reference camera frame can be calculated in real time by using the pose estimation techniques. A transformed system is first obtained, for which an adaptive controller is then designed to accomplish both tracking and regulation tasks, and the controller synthesis is based on Lyapunov's direct method. Finally, the effectiveness of the proposed method is illustrated by a simulation study.     

软体机械臂水下自适应鲁棒视觉伺服

水下仿生软体机器人在水底环境勘测, 水下生物观测等方面具有极高的应用价值. 为进一步提升仿章鱼臂软体机器人在特殊水下环境中控制效果, 提出一种自适应鲁棒视觉伺服控制方法, 实现其在干扰无标定环境中的高精度镇定控制. 基于水底动力学模型, 设计保证动力学稳定的控制器; 针对柔性材料离线标定过程繁琐、成本高, 提出材料参数自适应估计算法; 针对水下特殊工作条件, 设计自适应鲁棒视觉伺服控制器, 实现折射效应的在线补偿, 并通过自适应未知环境干扰上界, 避免先验环境信息的求解. 所提算法在软体机器人样机中验证其镇定控制性能, 为仿生软体机器人的实际应用提供理论基础.     

基于镜面反射型视觉传感器的车窗装配系统

机器人视觉伺服系统是机器人领域的一个重要研究方向,它的研究对于开发手眼协调的机器人在工业生产、设备制造等方面的应用有极其重要的意义。该文介绍了一种基于镜面反射型视觉传感器的车窗装配系统,着重介绍了该系统的设备构成、设计方案。最后分析了目前研究中存在的问题及今后的研究方向。     

基于视觉SLAM–伺服框架的移动机器人指令滤波反步控制

针对移动机器人位姿镇定问题, 本文提出基于视觉同时定位与建图(simultaneous localization and mapping, SLAM)–伺服框架的指令滤波反步控制策略. 具体而言, 通过加速度层控制器设计进而积分得到的光滑速度信号, 减小SLAM视觉模块的预测位姿误差; 继而应用指令滤波器简化控制器设计的复杂求导运算, 减轻计算负担; 此外, SLAM模块利用运动信息与视觉信息的融合解决未知尺度问题, 降低未知深度造成的控制器设计复杂度. 通过李雅普诺夫理论可以证明闭环系统的稳定性. 仿真和实验结果最终验证了本文算法的有效性.     

一种多非完整移动机器人分布式编队控制方法

本文研究了多非完整移动机器人编队控制算法。在该算法中,参考轨迹被视为虚拟领导者,只有部分机器人可以接收到领导者信息,机器人之间只能进行局部信息交互。利用坐标变换将机器人系统的编队问题转化为变换后系统的一致性问题,在持续激励的条件下,设计了一种分布式控制算法,通过图论与Lyapunov 理论证明了该分布式控制算法可以使移动机器人队伍指数收敛于期望队形,并使队形的几何中心指数收敛到参考轨迹。最后,数值仿真验证了该控制算法的有效性。     

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.     

含未校准摄像机参数的非完整移动机器人自适应动态反馈跟踪控制

研究基于视觉伺服的不确定非完整移动机器人的跟踪控制问题.基于视觉反馈和状态输入变换,提出一类非完整运动学系统的不确定模型,并运用两个新的变换,对3种不同情况分别设计自适应动态反馈控制器来跟踪不确定系统的期望轨迹.利用李雅普诺夫方法和推广的Barbalat引理,严格证明了误差系统的收敛性.仿真结果验证了所提方法的有效性.     

基于2D三焦点张量的移动机器人视觉伺服镇定控制

针对单目视觉移动机器人系统, 本文提出了一种基于二维三焦点张量(2D trifocal tensor, 2DTT)的视觉伺服镇定控制方法. 具体而言, 首先描述了2D三焦点张量的导出过程, 并给出了基于图像特征点的估计方法. 在此基础上根据2D三焦点张量的元素, 设计了一种反馈线性化控制器以实现机器人的位置镇定, 以及一种比例控制器来实现姿态镇定, 因而在场景信息与平移信息均未知情况下完成了移动机器人的视觉镇定控制. 通过理论分析证明了本文设计的镇定控制算法具有指数收敛性能. 相比现有方法, 这种基于2D 三焦点张量的方法在图像特征识别方面具有更强的鲁棒性, 并且在平面场景与立体场景情况下均适用. 最后利用仿真与实验结果验证了本文提出的视觉伺服方法的优良性能.     

含未知信息的轮式移动机器人编队确定学习控制

本文研究含未知信息的轮式移动机器人(wheeled mobile robots,WMR)的编队控制问题.首先,基于领航–跟随法和虚拟结构法,将WMR编队控制问题转化为跟随机器人对参考虚拟机器人的跟踪控制问题.然后,利用径向基函数神经网络(radial basis function neural networks,RBF NN)对WMR的未知系统动态进行学习,以及根据李雅普诺夫稳定性理论设计了稳定的自适应RBF NN控制器和RBF NN权值估计的学习率.依据确定学习理论,闭环系统内部信号在对回归轨迹实现跟踪控制的过程中满足部分持续激励(persistent excitation,PE)条件.随着PE条件的满足,RBF NN权值估计收敛到其理想权值,实现了对未知闭环系统动态的准确学习.最后,利用学习结果设计了RBF NN学习控制器,保证了控制系统的稳定与收敛,实现了闭环稳定性和改进了控制性能,并通过仿真验证了所提控制方法的正确性和有效性.     

乒乓球机器人的视觉伺服系统

视觉伺服的乒乓球机器人系统作为典型的"手眼系统",是研究高速视觉感知和快速伺服运动的理想平台,其涉及的高速物体识别跟踪、快速精确轨迹预测及机械臂伺服准确回球等关键技术在工业、军事等领域有广泛的应用前景.本文提出了乒乓球机器人的高速视觉伺服系统实现方法,包括基于特征直方图统计和快速轮廓搜索的目标识别算法,基于模型参数学习和自适应模型调整的物体运动状态估计和轨迹预测算法,及基于轨迹预测的灵巧臂回球规划算法.通过实验验证了各算法的实时性和高效性,并在165cm高的仿人机器人"悟"和"空"上成功实现了双机器人对打和与人对打任务.     

带有未知参数和有界干扰的移动机器人轨迹跟踪控

针对模型参数未知和存在有界干扰的非完整移动机器人的轨迹跟踪控制问题,本文提出了一种鲁棒自适应轨迹跟踪控制器方法.非完整移动机器人的控制难点在于它的运动学系统是欠驱动的.针对这一难点,本文利用横截函数的思想,引入新的辅助控制器,使得非完整移动机器人系统不再是一个欠驱动系统,缩减了控制器设计的难度,进而利用非线性自适应算法和参数映射方法构造李雅谱诺夫函数.通过李雅普诺夫方法设计控制器和参数自适应器,从而使得非完整移动机器人的跟随误差任意小,即可以任意小的误差来跟随任意给定的参考轨迹.仿真结果证明了方法的有效性.