基于改进动态面技术的机械臂系统容错优化

为了提高机械臂系统的控制精度,建立了包含外界干扰、执行器失效故障和模型误差等不确定性的机械臂系统运动模型,通过引入动态面误差来构建改进动态面,设计了自适应律来补偿不确定性和执行器失效故障,从而提出了基于改进动态面技术的容错控制方法,并进行了稳定性分析.实验结果表明:提出的容错控制方法与传统动态面容错控制方法相比,具有更...     

机械臂自适应神经网络控制虚拟实现

针对机械臂自适应神经网络控制效果不能直观显示的问题,在深入研究各种虚拟仿真,可视化仿真方法的基础上提出了一种基于ADAMS和MATLAB的虚拟样机联合仿真方法.采用该方法对三自由度机械臂进行动态仿真,首先在ADAMS中建立机械臂模型,然后在MATLAB中实现自适应神经网络控制器和机械臂终端轨迹的设计,最后进行联合仿真.仿真结果非常直观地显示了机械臂的动态控制过程和控制器各参数的实时变化情况,验证了该方法的有效性,为机械臂的复杂控制算法的仿真研究提供了新的有效方法.     

基于群智优化小波神经网络的机械臂路径控制研究

为了提高机械臂路径控制的准确性,采用群智能优化的小波神经网络算法对机械臂路径进行跟踪,以便实现精准有效的控制。首先分析了二连杆机械臂动力结构,然后建立基于小波神经网络的机械臂路径控制模型,根据机械臂状态变量构建粒子群,通过粒子位置更新获得稳定的小波神经网络模型主要参数。在仿真过程中通过差异化设置隐藏层节点数M和粒子群速度权重ω主要参数,实验证明,当M=12,ω=1.2时,可以获得最优的机械臂目标路径跟踪性能,角度平均误差和位移平均误差均最小,相比于小波神经网络的机械臂路径跟踪,经过了粒子群优化后的跟踪性能提升明显。     

基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

带有输出约束机械臂系统的固定时间控制

针对具有未知非线性特性和输出约束机械臂的轨迹跟踪控制问题,提出了一种基于径向基神经网络(radial basis function neural network,RBFNN)的事件触发式固定时间控制算法。首先,将障碍Lyapunov函数引入到了反步控制框架中,并利用RBFNN处理系统中的未知非线性特性;其次,为了缓解系统通信压力,设计了事件触发机制以减小控制信号的更新频率。在上述基础上,基于固定时间稳定理论,构建了事件触发式固定时间稳定控制器。从理论上证明了系统可以在一个与初始系统状态无关的时间内实现稳定,且大幅地节约了系统的通信资源;最后,仿真实验验证了方法的可行性。     

机床冷却系统六自由度机械臂控制机构设计

六自由度机械臂控制机构包括吸附底座、主体架、机械臂和摆动头。其主体架与吸附底座相连,机械臂一端可转动地设于主体架下端,另一端与摆动头相连;摆动头包括电机支架、摆动伺服舵机、喷头和摆动机构,喷头通过摆动机构与摆动伺服舵机的输出轴相连。该机构能围绕主轴实现360°旋转,避免喷射死角、盲区;同时利用具有多自由度的机械臂,能准确定位喷头位置,提高灵活性和通用性。     

基于Speedgoat的dVRK机械臂控制系统开发

为提高dVRK外科机器人控制系统的快速响应性和控制实时性,开发一种基于实时目标机Speedgoat的机器人实时控制系统。通过搭建宿主机-目标机机器人控制平台,设计UDP Real Time通信模型块,建立宿主机、目标机的运行模型,实现对机器人的实时控制。结果表明：实时控制系统可准确地完成对dVRK机器人的数据采集和相关控制算法验证;搭建的Speedgoat实时控制平台具有在线调参、实时仿真、目标代码快速原型化、仿真精度高、可靠性好等优点,大大缩短了dVRK机器人控制算法的研制周期。     

基于自适应参数趋近律的机械臂滑模控制

针对图像采集机械臂在滑模控制过程中存在的精度较低、抖振幅度较大、运动过程易受干扰等问题,提出一种基于自适应参数调节趋近律的机械臂神经网络滑模控制方法。在经典的指数函数趋近律基础上,对等速项系数进行自适应控制。通过引入机械臂连杆长度与转动惯量等参数,构建机械臂名义模型。利用自适应RBF神经网络有利于实时控制和补偿的特点,将其与设计好的线性滑模面相结合。通过合理设计李雅普诺夫函数,对所构建的系统进行稳定性证明。同时,与神经网络自适应指数趋近律及神经网络自适应饱和函数趋近律等方法进行对比。结果表明：在相同条件下,该方法能有效抑制抖振并实现高精度轨迹跟踪。     

多柔性搬运机械臂机电系统DE-ADRC抑振控制及仿真

针对搬运过程中伺服机械臂因传动系统及臂杆柔性引发的机械谐振问题,以大型液晶面板搬运机械臂为对象,建立系统的刚柔耦合动力学模型,并对模型进行降阶处理;结合伺服串级控制思想,提出DE-ADRC控制算法模型,对伺服系统速度环采取基于模型的自抗扰控制策略;采用改进差分进化算法对控制参数进行寻优,在Simulink中搭建速度-电流双闭环伺服控制系统,开展仿真分析计算。结果表明：利用改进DE算法对ADRC参数进行整定后,臂杆末端最大位置偏差降低了55.40%,相比PID算法降低了10.41%,该方法可以有效抑制机械臂振动现象,具有较高的工程应用价值。     

基于RBF-BP算法的工业机械臂轨迹控制与跟踪

针对现有机械臂轨迹控制补偿算法偏差大、效率低的不足,提出一种基于RBF-BP的机械臂行进轨迹控制与跟踪算法研究.从机械臂各轴向的空间移动、角度旋转等6个自由度出发建模,描述机械臂末端的位置移动和姿态变化,并计算向量的移动距离和偏转角度;面对机械臂系统误差和摩擦扰动导致的轨迹偏差问题,利用RBF-BP算法局部逼近最优控制...     

Robust backstepping and neural network control of a low-quality nonholonomic mobile robot

A robust motion controller based on neural network and backstepping technique is proposed for a two-DOF low-quality mobile robot (MR). There are two main components in the motion controller. One is the tracking controller, which guarantees the MR follows the reference trajectory; the other one is the wheel-level inverse NN controller, which compensates the dynamics of the MR. Simulation results are provided to validate the proposed controllers. Experiments with a real low-quality MR, which were built from cheap drivelines, have been used to verify the effectiveness and robustness of the motion controller.     

任务空间内不确定性空间机器人智能控制方法

针对自由漂浮空间机器人首先给出其任务空间内的动力学模型,并由此利用GL矩阵推导出了空间机器人任务空间内神经网络模型。采用了只含有空间机器人系统尺寸信息的雅可比矩阵来近似代替广义雅可比矩阵,将此带来的影响视为一种不确定性的影响,设计了一种神经网络自适应控制律,利用神经网络去逼近整个系统的不确定项和系统的动力学模型,解决了任务空间内无需系统名义动力学模型和不确定性等先验知识的控制问题,并给出稳定性的证明。最后给出了两自由度空间机器人的仿真结果,其证实了该方法的有效性。     

基于神经网络的工业机器人力控制研究

针对工业机器人夹持工件进行磨削时的力控制问题,提出一种基于神经网络算法的机器人力控制方法,搭建一套工业机器人磨削系统,并在Visual Studio软件环境下开发了相应的上位机软件。通过分析神经网络算法的原理,设计神经网络结构,使用从实际磨削过程中获得的训练数据对神经网络进行训练;将力传感器实时采集的力信号输出给训练好的神经网络模型,预测出机器人磨削加工的轨迹修正值并传给机器人,对磨削轨迹进行实时修正,从而实现工业机器人的间接力控制。最后,在搭建的工业机器人磨削系统上进行了力跟踪实验和钛合金试件磨削实验,验证了所提出的力控制方法和机器人磨削系统的有效性和实用性。     

基于广域网的遥操作工程机器人神经网络控制

针对在广域网环境下因较大网络时延造成遥操作工程机器人系统操作性能下降甚至系统不稳定的问题,提出一种神经网络控制方法。借助于广域网模拟器,在局域网环境下进行了不同网络时延下的位置阶跃响应和稳态跟踪实验研究。结果表明:与常规PID控制方法相比,该方法具有更好的动态和稳态特性,对网络时延具有较好的适应性和鲁棒性。研究结果对提高广域网环境下的遥操作工程机器人系统的操作性能具有指导意义。     

基于动态面的并联式加注机器人反步鲁棒控制

针对一种并联式加注机器人,建立包含并联机构动力学方程、液压缸两腔压力动态方程和伺服阀流量方程的多阶动态系统数学模型。为解决系统存在的建模误差、外界扰动不确定性因素,以及递推控制出现的微分膨胀问题,提出一种基于动态面滤波方法的鲁棒控制策略。利用动态面滤波技术简化了控制器的设计,通过构造合适的Lyapunov函数,给出了控制器设计的完整方法,并证明了系统跟踪误差的一致最终有界。仿真结果表明:系统具有良好的轨迹跟踪性能,对于有界的系统模型误差和外界扰动具有较强的鲁棒抑制性能。     

基于神经网络的遥操作工程机器人力觉反馈技术

提出基于神经网络模型的摇操作主从式工程机器人的力觉反馈技术原理。首先根据机器人从动手机构的空载动力学特性,离线建立了空载神经网络模型,然后依此模型在线辨识空载驱动力以间接提取负载力。该方法可提高力觉反馈的准确性和同步精度,实验结果验证了其有效性。     

基于神经网络的含间隙串联机器人误差控制仿真研究

串联机器人大规模应用于工业生产中,提高机器人精度成为一个重要课题。在串联机器人中,各构件通过刚性铰链串联,铰链间隙对机器人运动精度的影响不可忽略。由于间隙对机器人运动的影响具有较强非线性,较难利用解析方法获得其逆运动学模型。利用遗传算法改进的神经网络建立含间隙串联机器人的逆运动学模型,并利用其构成内模控制,实现对含间隙串联机器人的控制。仿真结果证明,该控制方法具有一定的控制效果。     

一种用于控制工业机器人运动轨迹误差的观测控制策略研究

为了提高工业机器人运动轨迹的控制准确度,提出一种运动误差观测控制策略。分析机器人的组成结构,明确其工作原理。建立工业机器人的坐标系,并在该坐标系上求取机器人连杆间坐标系的变换矩阵;利用连杆间坐标系的变换矩阵,得到机器人末端执行器的运动学模型。以机器人的测量运动误差为依据,联合工业机器人的标称正向运动学模型,求取传感器架以及标称架与底座之间的变换模型;通过该变换模型,计算传感器架相对于标称架之间的位置向量及动态误差变换矩阵,得到测量运动误差值;通过测量运动误差值,构造运动误差观测器,用于获取机器人的估计运动误差,并将估计运动误差联合神经网络控制器,以实现对机器人运动轨迹的准确控制。利用此方法和滑模控制策略对平面和空间标定运动轨迹进行追踪,结果显示：此方法能准确地对平面和空间标定运动轨迹进行追踪,而且与滑模控制策略相比,此方法的追踪精度提高了34.25%。说明此方法能对工业机器人的运动轨迹进行精确的控制。     

柔性输电线-带电作业机器人刚柔耦合特性分析

输电线路带电作业机器人通过双轮行驶于高压电缆,刚性的机器人系统和柔性的输电线路之间构成了复杂的刚柔耦合系统,特别是在刚性系统和柔性系统的轮线接触处表现出较强的非线性复杂耦合特性。为保障机器人作业过程的稳定性,获取较好的作业动态性能,分别建立了柔性导线、刚性机器人以及柔性导线-刚性机器人的耦合动力学模型。基于该模型,在ADAMS中分几种不同典型工况对带电作业机器人线上作业行为的动力学特性进行了仿真研究。通过仿真特性曲线一方面验证了刚柔耦合动力学模型的有效性,另一方面通过仿真模型得到了合适的机器人动力学参数,从而实现机器人作业优化与控制。最后在带电线路进行现场引流板紧固作业试验,结果也验证了所提出的刚柔耦合动力学模型的工程实用性。