气动人工肌肉拮抗关节的力与刚度独立控制

针对柔性仿生关节难以实现力与刚度独立控制的问题,建立了一种新的气动人工肌肉等效弹簧模型及关节力和刚度模型,设计了一种双输入双输出滑模控制器,来实现对气动人工肌肉拮抗关节力与刚度的独立控制．最后,搭建了气动人工肌肉驱动的拮抗关节实验平台,在关节位置固定和开放两种状况下进行了实验研究,验证所提方法的有效性;在不同负载情况下进行了对比实验,验证所提方法的通用性．所提出的建模和控制方法综合考虑了仿生关节位置、力和刚度相对独立控制,在机器人与人或环境互相作用的场合有很好的应用前景．     

基于气动人工肌肉的双足机器人关节设计

介绍了一种由气动人工肌肉构建的双足机器人关节,该关节利用气动人工肌肉的柔性特性,可以有效控制双足机器人快速行走或跑步时的落地脚冲击问题。详细给出了气动人工肌肉的工作原理以及由其构成的关节系统的硬件架构。同时介绍了基于此硬件关节搭建的控制软件系统。     

气动人工肌肉驱动的机器人控制方法研究现状概述

随着机器人技术的飞速发展,传统执行器(如电机、液压驱动等)结构繁冗、体积庞大,越来越难以满足新一代智能机器人对轻质化与柔顺性的需求,具有更高柔顺性、更强安全性的气动人工肌肉日益受到广大学者的关注.气动人工肌肉结构简单、材料轻便、生物适应性好,在医疗康复、航空航天、水下作业、抢险救灾等领域均具有良好的适应性,可方便地用于驱动机器人完成多项复杂任务.然而,气动人工肌肉与生俱来的迟滞、高度非线性、蠕变等特性,为其驱动的柔性机器人精准智能控制带来了挑战.鉴于此,首先对气动人工肌肉的工作原理、优势缺陷、建模与应用现状等进行简要介绍;然后基于气动肌肉的主流模型,对近年来单、多气动人工肌肉驱动的机器人运动控制方法研究现状与最新进展进行重点阐述;最后根据当今研究现状与尚未解决的难题,简要分析气动人工肌肉驱动的机器人未来发展趋势.     

一种气动肌肉拮抗驱动机器人关节的类人运动控制方法

为了实现气动人工肌肉拮抗驱动机器人关节系统的类人运动控制,针对该系统严重非线性的特点,本文将其控制问题视为一个非线性最优控制问题,根据人体手臂关节运动的最小加加速度模型设定系统的最优控制性能指标,首先采用扩张状态观测器将机器人关节模型线性化得到积分器串联标准型,然后在线性化模型基础上设计最优控制律,使机器人关节具有与人手臂关节相似的无约束运动轨迹.仿真结果表明,采用本文算法,机器人关节能实现大运动范围(0～120°)的类人运动,关节运动轨迹对负载的改变(1 kg～5 kg)不敏感,并且关节运动具有较好的抗扰动能力.在机器人关节实验平台上通过实物实验验证了算法的有效性,并进一步讨论了控制器参数的设计规则.本文算法需要整定的参数只有2个,适用于气动肌肉拮抗驱动关节的类人运动控制,能够满足协作机器人在本质安全性、运动柔顺性以及类人运动模式等方面的要求.     

针对气动肌肉仿生肘关节抖振现象的Kalman-PID控制

本文为了抑制气动人工肌肉(PAM)抖振现象,首先利用PID控制律近似代替其数学模型,求得其离散状态方程并代入到离散卡尔曼递推公式中,进而提出基于PID控制参数的卡尔曼PID(Kalman-PID,KPID)控制算法.为了验证算法的有效性,以3自由度PAM仿生肘关节为控制对象,分别利用PID及KPID控制器对其进行位姿控制.由实验结果可知,该算法相较PID控制器拥有更高的控制精度,提升了系统的鲁棒性,能够有效抑制由系统过程误差及测量误差所引起的PAM抖振现象,从而使仿生肘关节运动更加平稳.此外,不同于传统卡尔曼滤波算法与控制算法相结合的方式,KPID控制算法无需事先知道被控对象精准的数学模型及噪音特性的先验知识,从而避免复杂的数学建模过程,扩大了卡尔曼滤波算法的应用范围.     

基于神经网络的气动肌肉迟滞建模比较研究

针对气动肌肉运动过程中产生的迟滞现象,采用神经网络方法对其位移/气压迟滞开展了建模比较研究。首先组建了气动肌肉的迟滞特性测试实验平台,采集其位移/气压迟滞实验数据。然后基于BP神经网络和RBF神经网络分别进行了迟滞环的整体和分段建模,并与经典PI模型的建模效果进行了对比。 研究表明,PI模型的建模精度比神经网络差,但计算时间短,神经网络整体建模时存在过拟合现象,而分段建模则可有效避免过拟合现象,BP神经网络的建模与预测精度均优于RBF神经网络。对于BP神经网络,分段建模的平均误差、均方差和最大误差相较于整体建模分别减小了9.07%、14.54%和24.68%,而采用RBF神经网络,其误差分别减小了8.89%、13.03%和19.49%,可见分段建模的预测精度优于整体建模。     

基于人工肌肉的仿生机器鱼关节机构设计与力学分析

在深入分析活鱼解剖结构的基础上,设计了一种人工肌肉驱动的鱼关节结构,介绍了形状记忆合金(SMA)人工肌肉元件的设计方法．对鱼的尾鳍摆动进行了力学建模,并加以简化．基于摆动过程的力矩平衡方程,对SMA驱动力矩与阻力矩、流体阻尼力矩及机构（流体）惯性力矩进行了分析,建立了各个参数之间的定量关系式．通过数据验证了模型的可靠性,为仿生机器鱼的研究提供了参考依据．     

气动肌肉主动悬架系统的仿真模型与分析

以气动肌肉作为新型执行器,创建基于1／4悬架模型的汽车主动悬架系统。并运用Matlab中的Simulink模块库建立此系统的仿真模型,着重讨论仿真建模以及仿真过程中所遇到的困难,诸如气动肌肉迟滞特性的实现、高频分量对仿真结果的影响等问题。经对系统机理模型的适当变换处理,促进了仿真系统的稳定。利用获得的仿真模型对气动肌肉主动悬架系统的动态特性进行仿真研究,结果分析表明所建立的仿真模型已能满足实用的气动肌肉主动悬架系统的研究需要。     

新型仿生六足机器人导航系统的建模与仿真

针对新型仿生六足机器人工作任务和作业环境的要求,设计了一种基于INS-GPS器件的专用组合式导航系统。该导航系统采用集中开环式组合方式,以INS和GPS器件输出的导航数据差作为滤波器的输入值,运用经典卡尔曼滤波理论对该导航系统进行了实时修正,并根据仿生六足机器人运动特性和测量任务的要求,建立了该导航系统的位置、速度组合测量方程,并运用MATLAB软件进行了仿真,仿真结果表明:采用该组合式导航系统可大大提高仿生六足机器人的导航精度,为仿生六足机器人实现智能化、实时化控制奠定了基础。     

导弹气动舵机系统的建模与仿真

目前国内外战术导弹上较多应用了高压冷气舵机系统作为执行机构操纵舵片，本文从舵机系统的机理出发建立了非线性数学模型，并上机仿真，仿真结果与实验对照表明所建立的数学模型能正确反映系统的工作过程和性能，并能探索宏观实验难以观察的系统内在性能及其变化过程；能综合分析系统的电气、气动、结构参数对系统性能的影响，从而优化设计出较优的参数来提高系统的静、动态性能。     

基于细径McKibben型气动人工肌肉的仿生手研发

以细径McKibben型气动人工肌肉作为执行器,研发了一种质量轻且具有良好柔顺性、灵巧性的仿生机械手.分别以直径为1.3mm和2mm的细径McKibben型人工肌肉模拟人手的内在肌和外在肌,以人手骨骼、关节、肌肉的生理构造为设计准则,设计并制作仿生手样机.该样机由35根人工肌肉驱动,与人手大小相仿,质量小于0.5 kg.通过实验,对该仿生手的运动性能、目标抓握能力和鲁棒性进行验证,该仿生手可以完成与人手相近的动作.     

汽车转向机构仿真及优化设计

研究汽车转向机构优化设计问题,传统转向机构设计忽略转向机构与悬架干涉,造成实际工况下前轮定位参数变化过大,导致操纵稳定性下降.为了提高实际工况下转向性能,针对原地转向及车轮跳动工况,根据阿克曼转角几何原理及前轮定位参数变化规律,采用多目标优化方法建立复合加权惩罚函数进行优化设计.并在建立优化模型时引入试验设计方法(DOE)进行设计变量筛选.应用ADAMS软件建立某车前悬架总成动力学模型进行仿真优化.仿真结果表明,优化后模型更好地满足了阿克曼转角几何原理,转向机构与悬架更加匹配,验证了改进方法在转向机构优化设计中的实用性与优越性.     

气动肌肉驱动的柔顺机器人操作手的设计和实现

以气动肌肉为主要驱动器,设计了一个柔顺机器人操作手,在腕部和手部两个不同的关节,使用了两种不同型号的气动肌肉,分别采取了两种不同的传动方式．给出了腕部俯仰关节的位置控制策略．建立了手指的静力学模型,以此为基础,分析了气动肌肉的输入压力与指端夹持力的关系．实验结果表明,该机器人操作手可实现对物体安全、柔顺的抓取操作．     

扁平气动人工肌肉的设计和分析

传统的气动人工肌肉受结构和制造手段的限制,很难同时满足高收缩率、高收缩力和全柔性等应用需求。针对这些问题,本文基于约束层、收缩层与扁平气囊正交混合编织的工艺,提出了一种扁平编织型气动人工肌肉（扁肌）。通过建模分析了最小收缩层长度、收缩率以及扁肌最大厚度与气囊层数及气囊手指数量之间的关系,并通过数值拟合获得了收缩力的近似解析解。扁肌的各主要部件均采用激光切割而成,组装完成的扁肌质量仅为8.1g,厚1.2mm。收缩实验表明,扁肌在5%的收缩率下最大收缩力可达280 N,是其自重的3527倍。在0.5 kg的负载下最大收缩率42.8%,最大收缩速度1216.2mm/s。迟滞实验表明,扁肌存在一定的位移迟滞,而力迟滞并不明显。在采用闭环控制时,扁肌对0.25 Hz的正弦信号具有良好的位置跟踪能力,最大位移误差2.5mm。当频率为0.5 Hz时,受放气速度的影响,扁肌存在较大位移延迟。     

气动人工肌肉驱动的肘关节辅助机器人迟滞补偿

面向上肢康复与辅助运动,研制了一款基于气动人工肌肉(PAM)柔顺驱动的肘关节辅助机器人.气动人工肌肉的迟滞非线性极大降低了系统的运动精度.常见的基于离线辨识的迟滞补偿方法不能很好地适应系统状态的变化.本文提出了一种将直接逆模型法与改进的自适应投影(MAP)算法相结合的自适应迟滞补偿策略:基于直接逆模型法,使用Prandtl-Ishlinskii模型创建系统的逆迟滞模型,并以该模型为迟滞补偿器;使用MAP算法实现逆迟滞模型参数的在线辨识.这种方法无须离线建模与求逆,且无须针对不同的轨迹调节控制器参数.实验结果表明,与PID(比例-积分-微分)控制器与自适应投影(AP)算法相比,该方法有效地补偿了系统的迟滞,暂态过程的调节时间与超调量明显优于前面2种方法,闭环系统能够很好地跟踪阶跃与幅值衰减的正弦信号等不同类型的运动轨迹.     

基于气动直缸驱动伺服控制动态系统仿真

气动直缸驱动的板球系统是一个多变量非线性控制系统,可说明气动控制元件的产品性能,对控制理论性能研究,具有很好的价值。为改善气动驱动的板球系统控制特性,提出了用模糊和滑模控制相结合,来控制气动伺服板球系统。采用MATLAB的仿真环境,对气动直缸伺服驱动的板球控制系统进行了仿真。仿真结果表明模糊—滑模控制一方面可以满足气动控制的鲁棒要求,另一方面可以为改善板球控制系统轨迹跟踪的控制精度,提高稳态特性提供依据。     

基于强化学习的数据驱动最优镇定控制及仿真

利用Q-学习算法,针对模型未知只有数据可用的非线性被控对象,解决最优镇定控制问题.由于状态空间和控制空间的连续性,Q-学习只能以近似的方式实现.因此,文中提出的近似Q-学习算法只能获得一个次优控制器.尽管求得的控制器只是次优,但是仿真研究表明,对于强非线性被控对象,相比线性二次型调节器和深度确定性梯度下降方法,文中方法的闭环吸引域更宽广,实际指标函数也更小.