二自由度机器人轨迹跟踪误差控制优化研究

为了提高2自由度机器人控制系统响应速度,降低其输出误差,设计改进模糊PID控制器,并对2自由度机器人角位移跟踪效果进行仿真验证。给出多连杆机器人的动力学模型,设计模糊PID控制器。利用粒子的迭代搜索原理对模糊PID控制器参数进行优化,从而得到模糊PID控制器参数的最优值,使机器人控制系统具有更好的抗干扰能力。以2自由度机器人为例,利用Matlab软件对机器人角位移和转矩进行仿真,在不同环境中比较优化前和优化后的输出效果。结果显示：采用改进粒子群优化算法优化PID控制器参数,2自由度机器人控制效果明显优于模糊PID控制器。2自由度机器人优化后的模糊PID控制器,不仅响应速度快,而且抗干扰能力强。     

采用改进蝙蝠算法优化的并联机器人液压驱动误差控制研究

为了提高并联机器人运动平台轨迹跟踪精度,采用了改进蝙蝠算法优化并联机器人液压驱动控制机构,并对轨迹跟踪误差进行仿真.创建并联机器人液压驱动机构简图模型,给出液压驱动运动平台控制方程式,引用非线性级联控制并联机器人运动平台输出轨迹.设计并联机器人运动平台的参数变量,构造误差输出目标函数并且进行约束.采用差分进化算法融合蝙蝠算法优化目标函数,将优化后的参数输入到Matlab软件中进行误差仿真验证.同时,与蝙蝠算法优化级联控制仿真结果进行对比.仿真结果证明:采用蝙蝠算法优化级联控制,运动平台在x轴、y轴及z轴输出的最大误差分别为1.3×10~(-2),1.8×10~(-2),2.6×10~(-2) m;采用改进蝙蝠算法优化级联控制,运动平台在x轴、y轴及z轴输出的最大误差分别为1.5×10~(-4),1.9×10~(-4),2.5×10~(-4) m.采用改进蝙蝠算法优化并联机器人级联控制,能够提高运动平台定位精度.     

改进差分进化算法及其应用

将基于混合差分策略的改进差分进化优化算法应用在PID控制器在线优化中。MDE(改进差分进化算法)结合了差分策略DE/rand/1的多样性和DE/best/1的高收敛速度的优点,算法的寻优性能远超过两种策略单独作用时的性能。此方法充分利用了差分进化的进化寻优优势与PID控制器的简单方便,让控制器在系统运行过程中进行自我设计和优化。     

基于差分进化遗传优化的移动机器人轨迹跟踪控制

为了提高轮式移动机器人的轨迹跟踪精度,提出了一种基于差分进化遗传优化的轮式移动机器人轨迹跟踪控制器。首先,针对四轮机器人建立了运动学模型;接着,以移动机器人的侧向距离和航向偏角作为控制变量,构建了机器人的轨迹跟踪PID控制器;最后,利用差分进化遗传算法实现了控制器参数的整定优化。轨迹跟踪测试结果表明,与其他控制器相比,基于差分进化遗传优化的控制器的控制精度得到了进一步提高,从而验证了控制器的有效性。     

采用混合算法优化的并联机械臂能量消耗与误差仿真研究

针对并联机械臂存在能量消耗严重、运动轨迹跟踪精度较低等问题,采用了混合算法优化并联机械臂运动机构,并对优化结果进行仿真验证.建立并联机械臂运动机构简图模型,推导齐次变换矩阵运动方程式,给出并联机械臂8种运动模式.确定并联机械臂运动的设计变量,构造能量消耗优化目标函数,在约束条件下,采用混合算法优化目标函数.用PID控制方法,在运动模式1状态下,通过Matlab软件将优化结果进行仿真验证.同时,与优化前的仿真结果进行对比和分析.仿真结果表明,优化后主动连杆消耗的能量较少,被动连杆运动轨迹跟踪所产生的误差较小.并联机械臂采用混合算法优化后,能够减少并联机械臂运动机构能量消耗,提高运动轨迹的追踪精度.     

液压支架直线四杆机构综合的差分进化算法

为使液压支架铰链四杆机构在采高区内具有近似直线轨迹,可利用连杆平面上的拐点性质综合这类四杆机构。以指定采高区内直线偏差最小为目标,以满足Grashof准则、杆长协调、角度限制等为约束条件,建立综合液压支架近似直线导向四杆机构的6参数约束优化模型。结合Deb约束处理可行性规则,应用差分进化(Differential Evolution,DE)算法求解该约束优化问题。给出综合实例,仿真结果表明,该方法是可行有效的。还比较了DE算法与另外3种智能算法求解该机构综合实例的优化性能。数值试验显示,DE算法的收敛速度、收敛精度和稳健性等性能指标优于3种对比算法。     

混合驱动柔索并联机器人系统集成设计

混合驱动柔索并联机器人是机电高度集成系统,其动态性能由结构系统和控制系统共同决定。为了提高混合驱动柔索并联机器人整体系统的动态性能,并考虑到其结构系统和控制系统的密切耦合关系,对混合驱动柔索并联机器人的结构系统与控制系统进行集成优化设计。描述混合驱动柔索并联机器人系统的结构和运动过程;根据闭环矢量原理和机构的几何特征,对混合驱动柔索并联机器人进行运动学分析;基于Lagrange方程,推导出混合驱动柔索并联机器人的动力学模型;讨论优化过程中涉及的设计变量、约束方程表达式和目标函数,建立混合驱动柔索并联机器人系统的集成优化模型。结合实例,对混合驱动柔索并联机器人系统进行分离优化设计和集成优化设计的数值仿真比较研究,结果表明,集成设计方法能够使系统获得更好的动态性能。     

曲轴非圆磨削中基于差分进化算法的变参数交叉耦合轮廓控制

曲轴非圆磨削通常采用补偿单轴伺服跟踪误差的方法来提高连杆颈轮廓加工精度,但磨削运动中大惯量砂轮架会严重影响伺服系统的高速响应性,导致单轴伺服跟踪误差补偿轮廓误差效果不理想.因此引入双轴联动交叉耦合控制思想,首先工件旋转轴与砂轮架直线轴的联动运动被近似为两根直线轴联动,并建立曲轴非圆磨削轮廓误差模型,在此模型基础上设计交叉耦合控制系统.为了弥补这种近似对非线性轨迹控制带来的不足,研究分段变参数的交叉耦合控制策略,并以工件轮廓误差最小为目标,采用差分进化(Differential evolution,DE)算法逐段对控制器参数进行优化.仿真实例结合试验表明:在基于DE算法优化的变参数交叉耦合控制下,曲轴非圆磨削理论轮廓精度较普通比例微分和积分控制或交叉耦合控制有所提高.     

基于量子粒子群优化算法的机器人运动学标定方法

基于量子粒子群优化算法,提出一种同样适用于串联机器人和并联机器人的运动学标定方法。利用闭环矢量链方法和Denavit-Hartenberg矩阵法,分别建立并联机器人和串联机器人的运动学误差模型,将运动学误差模型内的几何误差源作为相应的机构参数修正量。由于机器人运动学误差模型表现有较强的非线性,因此确定模型内的机构参数修正量为优化变量,将机器人运动学参数标定问题转化为非线性系统的优化问题。采用量子粒子群优化算法对优化问题进行求解,利用优化获得的参数修正量更新运动学模型,以达到提高机器人运动精度的目的。以五轴并联机床的平面约束机构为研究对象,通过试验验证该标定方法的标定效果,并与模糊插值标定方法进行比较分析,结果表明在较大的工作空间内基于量子粒子群优化的运动学标定方法更为有效。     

并联机器人的粒子群优化神经网络自适应控制算法研究

针对传统控制算法对并联机器人的控制效果不好的问题,提出了一种并联机器人的粒子群优化神经网络自适应控制算法,该算法在基于神经网络的自适应PID控制算法的基础上,首先对粒子群优化算法进行惯性权重的优化和收缩因子的改进,然后将该改进算法应用于原算法上。仿真试验结果表明,提出的粒子群优化神经网络自适应控制算法,在性能上远远优于传统PID控制算法和基于神经网络的自适应PID控制算法。     

自适应模糊算法优化的足球机器人轨迹跟踪

为了提高足球机器人在运动控制过程中的轨迹跟踪性能和稳定性,将自适应模糊PID算法用于机器人运动控制环节中,对PID参数进行实时调整。建立足球机器人在场地上的控制系统模型,分析机器人在轨迹跟踪中由驱动方向、角度等时变因素导致的实际轨迹发生偏移的问题,分别在MATLAB-Simulink和SimRobot仿真平台对优化算法的性能进行仿真,同时与传统的PID控制进行对比。实验结果表明,自适应模糊PID算法相比传统的PID控制器在最大跟踪误差和平均跟踪误差方面分别减少20.18%和29.34%,同时提升了系统的稳定性。该控制算法提升了足球机器人的轨迹跟踪性能,满足机器人在运动过程中的动力学和控制要求,易于在工程中应用。     

改进粒子群算法优化的五连杆机器人分数阶PID控制器

针对机器人传统PID控制系统响应速度慢、输出不稳定性等问题,采用改进PID控制器,引入改进粒子群算法,将自适应加速器参数插入粒子群算法的原始速度更新公式,从而加快算法的收敛速度.采用改进粒子群算法优化分数阶PID控制器,将改进后的PID控制器用于五连杆机器人电机转速响应分析.仿真曲线表明:采用传统PID控制器,响应时间为0.5s,上下波动次数较多;采用改进PID控制器,响应时间为0.2s,上下波动次数较少.五连杆机器人采用改进粒子群算法优化分数阶PID控制器,能够快速地提高机器人控制系统运动的稳定性,降低输出误差.     

基于病态参数分离的机器人运动学标定测量构型优化

针对一种高灵巧性机器人及其连杆参数高敏感性与高定位精度需求,为解决机器人运动学标定随机测量构型存在绝对 定位精度低、参数辨识效果及标定结果鲁棒性较差的问题,提出一种病态参数分离与 DETMAX-改进差分进化(DETMAX-IDE) 算法的机器人运动学标定测量构型分步优化方法。 首先,建立机器人位置误差模型。 其次,建立一种可观性综合指标,评价不 同机器人标定测量构型的总体可观测性和灵敏度。 最后,分离机器人运动学位置误差模型的病态参数,建立测量构型优化目标 函数和约束条件,提出一种基于 DETMAX 算法与改进差分进化算法结合的分步迭代优化算法(简称为 DETMAX-改进差分进化 算法,简写为 DETMAX-IDE 算法),开展机器人运动学标定测量构型分步迭代优化。 通过机器人运动学标定仿真与实验,验证 了所提方法的有效性。 实验结果表明,与随机测量构型相比,所提方法对应的机器人绝对定位精度的平均值和均方差分别降低 了 62. 09% 和 62. 45% 。     

基于图像的机器人视觉伺服免疫控制

视觉传感器的引入增加了机器人对周围环境的自适应性,拓宽了机器人的应用领域。可以预见,具有视觉的智能机器人将得到越来越广泛的应用。本文根据机器人视觉伺服控制系统的特性利用图像雅可比矩阵的伪逆和免疫控制原理设计了视觉控制器,并将之应用于机器人视觉伺服控制中。两连杆机器人平面视觉跟踪控制仿真结果表明在控制系统的动态调节过程中,PI型免疫控制器的免疫反馈机制能使偏差迅速消除,控制性能优于常规的PID控制器。     

混合人工蜂群算法在并联机构尺度优化中的应用

以4-RUPaR并联机构为研究对象,以机构杆长为约束条件,利用解析几何中的坐标变换理论,得到其运动学反解模型,根据该模型,利用所有满足约束条件的"点集"描述并联机构定姿态工作空间大小。建立以并联机构驱动连杆长度、执行连杆长度和动平台尺寸为设计变量,以工作空间最大化作为优化目标的尺度优化模型。在求解多维优化问题时,为提高算法的搜索效率及解的质量,文中将差分进化(Differential Evolution, DE)算法融入人工蜂群(Artificial Bee Colony,ABC)算法,提出一种混合人工蜂群(Hybrid Artificial Bee Colony,HABC)算法,以增强算法的全局优化能力。应用HABC算法求解并联机构尺度优化设计,获得了较好的优化效果。     

3-RRRT并联机器人轨迹跟踪控制研究

为了实现3-RRRT并联机器人的轨迹跟踪控制,在运动学分析的基础上,应用拉格朗日方程建立了3-RRRT并联机器人的动力学模型。设计了基于计算力矩算法的控制律,并利用Matlab软件进行了控制器仿真。仿真表明计算力矩控制可以使3-RRRT并联机器人实现全局稳定的动态轨迹控制。     

基于计算力矩法的3-RRRT并联机器人控制研究

为了实现3-RRRT并联机器人的轨迹跟踪控制,在运动学分析的基础上,应用拉格朗日方程建立了3-RRRT并联机器人的动力学模型.设计了基于计算力矩算法的控制律,并利用Matlab软件进行了控制器仿真.仿真表明计算力矩控制可以使3-RRRT并联机器人实现全局稳定的动态轨迹控制.     

一种并联机器人误差综合补偿方法

针对并联机器人轨迹规划和轨迹跟踪过程中,同时存在机构误差引起的期望轨迹与理想轨迹之间的偏差和非线性摩擦、负载变化等扰动因素引起的动态误差,提出一种并联机器人误差综合补偿方法:在轨迹规划过程中,基于并联机器人位姿误差模型将位姿误差补偿转化为驱动杆参数组合优化问题,进而利用粒子群算法寻优驱动杆参数,修正并联机器人期望轨迹;在轨迹跟踪过程中,设计基于自适应迭代学习控制算法的动态误差补偿策略,实现对期望轨迹的有效跟踪。在Stewart平台下基于ADAMS和Matlab进行仿真试验,在轨迹规划和轨迹跟踪过程中,分别修正期望轨迹偏差并补偿轨迹跟踪动态误差,实现并联机器人误差综合补偿。进一步,基于混联机床进行工件加工试验,验证方法对于提高并联机器人工作精度的有效性。     

基于PSO优化Fuzzy-PID的全电调节无级变速器速比控制研究

全电调节无级变速器(EM-CVT)采用单电机作为动力源,通过控制电机转角实现速比调节。从提高EM-CVT速比控制系统稳定性和控制精度出发,设计了粒子群优化模糊PID速比控制策略;建立模糊PID速比控制器的模型,引入粒子群优化算法优化模糊PID控制器中的因子,实现速比控制系统的优化。仿真结果表明,采用粒子群优化模糊PID控制系统,可以提高系统的控制精度,改善速比跟踪性能。     

混合驱动柔索并联机器人自适应迭代学习控制

以一种兼容混合驱动机构与柔索并联机构特点的新型混合驱动柔索并联机器人为研究对象,对其动力学建模及轨迹跟踪控制进行了研究;应用Lagrange方法建立了混合驱动柔索并联机器人系统的动力学模型;针对具有非线性、时变特性以及带有可重复时变干扰的混合驱动柔索并联机器人动态系统模型,设计了一种控制增益随迭代次数变化的自适应迭代学习控制策略,并采用Lyapunov函数证明了该控制器的稳定性;数值仿真结果表明,在该控制器的作用下,混合驱动柔索并联机器人控制系统能够完成高精度跟踪期望轨迹,进一步验证了所建系统动态模型的正确性及控制策略的有效性。