六圆柱轮式月球车动力学建模与仿真

为了实现月球车的运动控制与自主避障, 对六圆柱轮式月球车的动力学进行了建模与仿真研究.根据该六轮月球车的机构原理和结构特点, 分析了车轮的受力情况, 并根据车辆动力学理论给出了简化计算公式.利用凯恩方法建立了月球车的动力学方程, 并提出了基于动力学模型的车轮计算力矩控制方案, 利用MATLAB/Simulink完成了动力学模型和控制方案的仿真分析.研究结果表明,基于动力学模型的车轮计算力矩控制方案是可行的, 可以使月球车跟踪期望轨迹, 并按轨迹跟踪的精度要求来选择控制器的参数, 使得轨迹控制既满足位置精度, 同时也满足速度精度.     

基于自适应模糊滑模的柔性机械臂控制

针对柔性关节机器人控制系统中存在的扰动力、摩擦力、参数变化以及建模误差等导致的控制器精度降低、鲁棒性差的问题,提出了1种基于自适应模糊滑模的鲁棒控制器.控制器由2部分组成,控制器的计算力矩和前馈补偿部分用于控制系统的标称部分,即机器人自身结构相关量、确定性扰动以及摩擦力的线性部分;控制器的自适应模糊滑模部分用于克服系统存在的不确定部分,包括外界不确定性扰动、摩擦力的非线性部分、参数变化以及建模误差等.最后在HIT四自由度柔性机械臂上进行了控制器的相关实验.实验结果表明该控制器具有良好的位置跟踪性能和较强的抗干扰能力.     

基于动态反馈的AUV水平面路径跟踪控制

针对离散自治水下机器人水平面的路径跟踪控制问题,利用水下机器人的位置和姿态角量测信息,提出神经网络自适应输出反馈控制器.所设计的控制器包括3部分,镇定水下机器人动态系统线性部分的动态反馈控制器;神经网络控制器,用来补偿水下机器人受到环境干扰引起的水动力系数变化的不确定非线性结构;补偿环境扰动和神经网络带来的重构误差的鲁棒控制器.基于离散非线性系统理论,对水下机器人水平面跟踪误差系统进行分析,得到系统的跟踪误差最终一致有界.所提出的控制方法具有对模型精确度要求低的优点,利用INFANTE水下机器人模型进行仿真分析验证了提出的控制算法的有效性.     

NAO机器人手臂的运动建模与控制

针对机器人手臂抓取物体时的控制问题,以NAO机器人为操作对象对手臂的运动进行了建模与控制。采用D-H运动学建模机理,建立机器人手臂的运动学模型,并通过分析NAO机器人左臂的结构得到D-H运动学模型参数。对模型输出与NAO机器人手臂的实际运动轨迹进行了比较分析,验证了机器人手臂运动学模型的精确性。依据运动学模型获得了手臂的动力学模型,并基于该模型设计了自适应PD控制器,仿真结果表明,当系统存在较大扰动时,自适应PD控制器比PD控制器对机器人手臂运动具有更好的跟踪性和鲁棒性。     

高压双分裂输电线路四轮机器人动力学 建模与仿真研究

电力机器人服役于超高压强电磁特种作业环境下,机器人动力学模型是机器人机械结构设计、电气系统设计及控制器设计的关键,且动力学模型的精确度和复杂度直接影响机器人控制性能和机器人的运行速度。针对高压双分裂输电线路四轮移动带电作业机器人常规动力学建模方法计算量大、复杂、不利于机器人机构和控制器设计的问题,提出了一种基于分层递推结构的机器人动力学建模方法。通过分解作业过程中机械臂的运动,利用拉格朗日动力学建模方法对机器人的机械臂基本动作进行了动力学建模,得到了机械臂基本动作的统一动力学模型,通过递推得出了四轮移动机器人的完整动力学模型,最后,通过机器人作业现场获取的关节电机实时数据,在MATLAB软件中进行仿真实验,结果验证了本文机器人动力学模型的正确性,为机器人物理样机开发、控制器和关节驱动机构的设计与选型提供了理论依据。     

基于双生成函数的步行机器人最优步态生成

将最优控制理论中的双生成函数方法应用到双足步行机器人的在线最优步态生成中.针对线性化的机器人模型,分别以关节角度和力矩为状态和输入变量,考虑能量消耗,构造线性二次型最优控制问题.基于一对生成函数推导得到该问题的解,可以参数化为线下计算系数和边界条件,相对应的求解过程由线下数值积分部分和线上代数运算部分组成.通过设置多步仿真实例进行计算.结果表明,利用该方法可以显著地提高机器人步态的在线生成效率.设计比例微分控制器,当机器人以合理的步长和适当的时间段行走时,由线性化引起的建模误差可以被控制在较小范围之内,非线性模型的轨迹可以很好地跟踪线性化模型的轨迹.     

基于变结构PID的仿生机器人机电控制算法

通过对仿生机器人机电控制设计的优化提高仿生机器人电动机运行的稳定性和可靠性,提出了一种基于变结构PID模糊神经网络的仿生机器人机电控制算法.仿生机器人机电控制单元模型主要由DC/AC逆变器模型、微型同步电动机、内环控制器模型和电压外环控制器模型组成.采用变结构的前向三层自适应PID神经网络模型为学习器,实现了机器人机电控制算法的优化设计.仿真结果表明,采用该方法进行仿生机器人的机电控制,输出状态响应的稳健性较好、适应度较高,有较好的控制品质.     

两足机器人的SimMechanics建模

建立机器人的电脑模型,对机器人的整体运动进行模拟仿真.针对机器人数学描述复杂、机器人运动学、动力学分析较为困难的问题,大部分两足机器人采用基于模型的控制方法.该方法需要对机器人自身及周围环境建模.在复杂模型下控制器计算的实时性难以保证,控制难度较大,从而限制了机器人的性能.使用Matlab中的SimMechanics 工具箱建立两足机器人的电脑模型,对机器人的整体运动进行模拟仿真.通过仿真验证了模型的合理性, 得到了机器人运动的模拟图.     

下肢外骨骼康复机器人的灵敏度放大控制研究

针对课题组研发的下肢外骨骼康复机器人中的患者主动训练模式,提出了灵敏度放大的控制方法,建立弹簧阻尼模型更好的模拟出人机交互时的交互力,并通过Matlab/Sim Mechanics和BP神经网络建立逆动力学模型,用Sim Mechanics和Simulink模块进行了计算机仿真实验,仿真结果表明采用灵敏度放大控制方法能减小患者训练时体能的消耗,实现了患者以较小的力矩带动外骨骼实现共同运动,同时可以采集到患者腿部的数据进行康复评价.     

计算力矩法的CMAC同步轨迹跟踪控制与仿真

为了平面二自由度冗余驱动并联机器人更好地跟踪目标轨迹,在已有计算力矩控制的基础上加入CMAC神经网络作为补偿.CMAC结构中,轨迹跟踪误差与同步误差构造的耦合误差及其变化率组成网络的输入,经过学习后得到补偿力矩.Matlab的仿真结果表明:加入了CMAC网络补偿后,轨迹的跟踪误差与支链的同步误差都能够收敛到0,与经典的计算力矩法比较,精度有较大的提升.在计算力矩法的基础上加入CMAC网络,确实能够实现目标轨迹精确的同步跟踪.     

空间机器人的可变增益滑模控制方法

针对空间机器人抓捕目标的轨迹跟踪过程,提出了一种基于可变增益的滑模控制算法,并利用MATLAB/Simscape对空间机器人的理论动力学模型和控制算法进行了仿真校验。首先,基于拉格朗日法构建了空间机器人的动力学模型,并给出了系统参数不确定时的动力学方程。设计了一种滑模控制器,在控制器中引入了可变增益,该增益可根据系统的不确定性和系统的运动状态进行调整,从而使控制器具有很强的鲁棒性。基于Simscape Multibody软件模块,对空间机器人的理论动力学模型进行了验证。在此基础上,针对多关节运动和系统模型不确定两种情形,利用可变增益滑模控制算法进行了空间机器人的轨迹跟踪仿真实验。实验结果表明,与传统的计算力矩法相比,本文提出的控制算法呈现出更高的运动控制精度和误差收敛速度。     

自平衡立方体机器人动力学建模

针对立方体机器人自平衡控制问题,对其以棱边为支点的动力学建模问题进行了研究.以所设计的立方体机器人样机为具体研究对象,分别采用拉格朗日方法和凯恩方法建立起相应的动力学模型,通过比较2种方法的建模结果和数值仿真分析,从理论上验证了所建立模型的正确性.基于建立的模型设计了平衡控制器,并将其应用于立方体机器人样机控制,取得了预期的效果,再次验证所建立模型的正确性.所建立的动力学模型,为进一步研究立方体机器人的平衡控制奠定了基础.     

GA优化的RBF神经网络外骨骼灵敏度放大控制

为改善外骨骼机器人灵敏度放大控制(SAC)性能,结合遗传算法(GA)与径向基函数(RBF)神经网络建立在线计算外骨骼机器人的精确动力学模型.用GA优化RBF神经网络的中心矢量与基宽度,并对RBF网络的权值实时更新,在线学习外骨骼机器人动力学模型中的参数矩阵,进一步推导出SAC控制律.仿真结果表明:GA优化后的RBF网络,可以在线学习外骨骼的动力学模型,基于该模型的SAC能够实现精确的人体轨迹跟踪,相比于优化前,人体轨迹跟踪误差以及人机交互信息会快速减小并收敛到0的微小邻域内,可实现人机协调运动.     

一种无模型的机器人非线性输出反馈控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,在传统PID控制器的基础上,设计带观测器的无模型连续控制器.控制器由PD控制部分和非线性积分部分组成,其中PD控制部分用于镇定系统,非线性积分部分用于提高算法的收敛速度,同时考虑到速度信号不易获取,引入线性观测器估计机器人关节的速度,并在理论上证明了观测误差和跟踪误差最终趋向于零.在SCARA机器人的两个旋转关节上进行轨迹跟踪试验,结果表明,采用该控制算法得到了理想的控制性能,在同样的反馈增益下,采用观测器后的平均跟踪误差和最大跟踪误差降低了30%以上,而控制输出的震荡程度只有无观测器时的60%.     

基于神经网络模型的拱泥机器人控制

拱泥机器人是为打捞沉船的关键工序—水下攻打千斤洞而设计的特种机器人.分析了拱泥机器人在水下泥土环境中受力情况,建立了基于MATLAB的拱泥机器人头部的动力学模型.针对拱泥机器人工作环境的不确定性,将传统PID控制与神经网络相结合,建立了一种应用BP神经网络实现PID参数自整定的自适应PID控制模型.控制器由PID控制器、神经网络NNC和NNI组成.神经网络NNC能够根据拱泥机器人动态特性的变化,自动整定PID参数,从而改善了控制性能.神经网络NNI为NNC提供学习的梯度信息.计算机仿真结果表明该方法是有效的.     

3-RRRT并联机器人解耦控制

研究一种3-RRRT新型高速搬运机器人解耦控制方法.依据第一类拉格朗日方程建立了3-RRRT型并联机器人的动力学与系统机电模型,根据其动力学模型特点,提出一种改进的计算力矩解耦控制方法.在运用违约修正约束稳定法对动力学模型进行求解的基础上,利用Matlab中的Simulink软件平台进行了并联机器人解耦控制数值仿真,结果表明所采用的解耦控制方法达到了较高的控制精度,适合于3-RRRT型并联机器人.     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

一类非线性MIMO系统鲁棒自适应神经网络DSC设计

为了研究一类多输入多输出强非线性系统的自适应跟踪问题,采用RBF神经网络逼近模型不确定性,外界干扰和建模误差采用非线性阻尼项进行补偿,并将动态面控制与Nussbaum增益技术结合,提出了一种鲁棒自适应神经网络跟踪控制算法.该算法不仅能够解决系统中控制方向完全未知问题和可能存在的控制器奇异值问题,而且能够避免传统后推方法的计算膨胀问题,从而大大降低了控制器的复杂性,使之易于工程实现.同时,该算法保证了闭环系统的稳定性,并具有良好的鲁棒性.仿真结果验证了控制器的有效性.     

基于混合遗传算法的机器人改进摩擦模型辨识

为了解决机器人运动过程中库伦+黏性摩擦模型不能真实反映关节摩擦的非线性特性的问题,采用改进Stribeck摩擦模型对机器人关节摩擦进行建模,提出基于混合遗传算法与余弦轨迹的模型参数辨识方法. 采用不同的余弦轨迹对机器人关节进行激励,利用已知的机器人动力学方程确定关节摩擦力矩,从而建立机器人关节速度与关节摩擦力矩之间的映射关系,并利用模拟退火混合遗传算法对摩擦参数进行辨识. 为了验证所提方法的有效性,以多关节串联型机器人为研究对象,进行摩擦参数辨识实验. 实验结果表明,与传统的库伦+黏性摩擦模型相比,改进的Stribeck摩擦模型可以减少17.7%~33.6%的关节力矩计算误差,并能够进一步提高机器人动力学模型的准确性.     

平面关节型机器人关节力矩的卡尔曼估计

为了解决常用测电流获取机器人关节力矩方法中,各种噪声干扰使所得关节力矩波动较大,影响机器人控制信息可靠性的问题,提出基于机器人动力学模型的卡尔曼滤波方法对关节力矩进行估计.运用牛顿欧拉方法对平面关节型机器人（SCARA）进行动力学建模,获得非线性连续的机器人关节力矩方程.通过多元函数一阶泰勒展开将非线性连续的关节力矩方程转换为关于关节力矩的线性离散状态空间模型.利用卡尔曼滤波方法对关节力矩进行估计.实验结果表明,该关节力矩估计方法对机器人前两轴的关节力矩估计精度较好,与均值滤波方法相比均方根误差分别减少了2.9%和14.7%;且实时性较好,完成一次估计平均需时不超过1 ms.但关节力矩值的估计精度受动力学模型精度的影响.