基于环境刚度模糊自适应估计的机器人力控制

在未知环境中为实现精确的接触力控制,需要力控制器能够适应环境的变化。该文将多模型模糊控制器引入到机器人力控制中来适应未知环境的变化,针对几种典型的接触环境刚度设计相应的模糊控制器。由于在环境变化时,很难得到精确的环境刚度值,该文对环境刚度进行模糊自适应估计,进而确定各个模糊力控制器的加权系数,模糊力控制器生成机器人位置控制系统的输入指令。仿真研究表明所设计的控制器是可行和有效的。     

未知环境下基于模糊神经网络的机器人力控制研究

机器人力控制是机器人研究的一个热点和难点.在未知环境中为实现精确的接触力控制,需要力控制器能够适应环境的变化.本文将模糊神经网络引入到机器人的力控制中来适应未知环境的变化,首先用一个神经网络根据机器人对未知环境的动态响应来对未知环境进行分类,然后选择一个合适的模糊神经网络力控制器对其控制.实验研究表明所设计的控制器是可行和有效的.     

基于改进自适应算法的机械臂位置/力控制研究

传统机械臂末端与环境接触时对位置和接触力单独控制,造成控制不精确,收敛时间较长,针对这一问题,提出一种改进自适应控制策略。首先,考虑了实际存在的环境刚度,对机械臂系统从关节空间到笛卡尔空间进行坐标变换,将两个控制信号整合到同一坐标下;其次,在同一笛卡尔空间下,将坐标分为切向位置空间和法向接触力空间,实现由控制位置和力两个物理量到控制一个轨迹物理量的简化;然后,在改进自适应算法的自适应律中引入参数误差,设计动力学控制器修正机械臂参数,并利用Lyapunov理论证明了闭环系统稳定性;最后,经过仿真验证,不仅在位置跟踪和力控制方面缩短收敛时间,而且参数估计方面也能缩短收敛时间,提高收敛精度,说明了该方法的实用性和有效性。     

基于阻抗控制的飞机清洗臂主动柔顺控制研究

针对飞机清洗臂清洗飞机蒙皮过程中的接触力控制问题,提出了基于位置的模糊自适应阻抗控制策略,开展了相关的理论分析和仿真验证研究。在阻抗控制的基础上引入自适应控制,解决了传统阻抗控制难以精确跟踪位置的问题。同时,加入模糊控制器,通过力误差实时调节阻抗参数,提高位置跟踪的准确性和稳定性。搭建MATLAB仿真平台,仿真结果表明,该方法可以准确地实现对清洗臂末端的位置控制,提高了清洗臂的跟踪效果。     

基于PLC的一维力控制系统研究

介绍利用模糊控制与阻抗控制策略相结合对一维运动机构进行力控制.给出了系统硬件结构,采用模糊控制理论对PID参数,和进行在线自整定,设计了力控制器.实验结果表明,该方法可以有效地控制执行机构末端与环境的接触力.     

一种数控力/位置控制半实物仿真系统的构建

针对数控系统的力位置控制实现难度大、参数调整复杂的问题,研究了一种基于Quanser Q8卡和Si mulink的半实物仿真系统。以X-Y-Z三轴运动平台为对象,对该系统中软硬件的具体构成进行了设计。通过以Z轴的恒接触力控制为目标,在Si mulink软件中设计了含有位置环和力环的控制器,给出了实际仿真曲线。结果表明,该系统控制器设计合理,参数调整简单,控制效果观察直观。     

基于视觉的机器人灰色预测模糊力控制研究

提出一种未知环境下基于视觉反馈的机器人灰色预测模糊力控制策略。该控制策略使用BP神经网络确定被跟踪曲线图像特征与机器人关节角度的映射关系,并根据接触力的变化进行灰色预测模糊调节。末端固定安装单摄像机和力传感器的六自由度机器人的跟踪曲线实验结果表明,该控制策略具有较高的力控制能力和曲线跟踪能力。     

基于自适应变阻抗的工业机器人双机械臂控制

为了实现对工业机器人双机械臂位置/力的精准控制,提出了一种自适应变阻抗控制算法。首先建立了阻抗模型,并对双机械臂系统进行了受力分析,将接触力分解为外力和内力,并分别针对外力和内力设计了自适应变阻抗控制算法来实现对位置/力的协同控制;然后通过仿真验证了自适应变阻抗控制算法能够实现对工业机器人双机械臂位置/力的协同控制,运动轨迹跟踪最大误差仅为0.3 cm,接触力跟踪最大误差仅为0.2 N,表现出了更优的控制效果;最后在定点控制测试平台上得到位置定位的最大误差仅为0.17 cm,接触力跟踪最大误差仅为0.22 N,表现出了更优的工程实用性。     

基于多点力约束的视网膜手术机器人的导纳控制

在视网膜血管注药手术中,手术器械与眼球巩膜刺入孔和视网膜目标血管处产生接触.为保证手术过程中这两处组织的受力在安全阈值内,提出了一种基于多点接触力的机器人约束控制算法.以手术器械轴部与眼球巩膜的接触力(巩膜力)和器械尖端与视网膜血管的接触力(尖端力)为输入,设计了机器人的导纳控制器.导纳控制器输出机器人坐标系下器械尖端...     

未知环境下机器人力/位自适应模糊控制

机器人力控制是机器人研究的一个热点和难点。在未知环境中为实现精确的接触力控制,需要力控制器能够适应环境的变化。提出一种基于神经网络训练模糊控制规则的自适应模糊控制器应用于机器人的力控制中来适应机器人末端接触环境的变化,首先用递推最小二乘算法根据机器人对未知环境的动态响应来在线估计环境参数,然后选择一个合适的模糊控制规则调整因子对力控向量进行控制。仿真试验研究表明所设计的控制器是可行和有效的。     

预测步长自调整舰载武器消摇摆控制系统设计

针对以舰船为射击平台的舰载火箭炮,由于海上风、浪、流等多种因素的作用,射击线受到舰船摇摆而影响射击精度的问题,应用模糊控制理论和灰色预测理论,设计了一种基于预测步长自调整的灰色预测模糊控制器,通过对实时状态的模糊判决,实现对灰预测步长的自适应调整,从而改善控制效果。陆上及海上实验表明,系统达到了规定的动静态技术指标。     

电动助力转向与主动悬架集成系统动态性能智能控制

针对汽车电动助力转向与主动悬架集成系统控制的复杂性、不确定性及非线性,应用灰色预测理论、模糊控制理论和神经网络控制理论,提出电动助力转向与主动悬架集成系统动态性能灰预测模糊神经网络控制策略,研究集成系统的动态响应,设计以单片机LPC2138为内核的集成系统控制器。在仿真的基础上,进行实车道路试验。结果表明,采用灰预测模糊神经网络控制可对汽车电动助力转向与主动悬架的集成系统进行实时协调控制,汽车行驶平顺性改善的同时,缓解汽车转向时安全性与操纵稳定性之间的矛盾,提高整车综合性能。     

力控法兰的模糊PID恒力控制方法

针对工业机器人进行接触式作业过程中对末端接触力的要求,提出了一种基于力控法兰的末端恒力控制方法。对力控法兰进行了分析建模与参数辨识,设计了模糊控制与比例积分微分(proportion integral derivative,简称PID)控制并行的模糊PID控制器,通过Matlab仿真对纯模糊控制与模糊PID控制效果进行了对比,并研究了模糊PID控制器各参数对控制性能的影响。最后,搭建了基于Labview和外部设备互连(peripheral component interconnect,简称PCI)总线数据采集卡的实验平台,对力控法兰末端输出力进行了实验验证。仿真结果表明,纯模糊控制可提高系统响应性能,但存在一定的稳态误差。加入PID控制与模糊控制并行控制后,仿真与实验证明,阶跃响应的稳态误差消除,正弦跟随效果明显改善,恒力控制输出力在期望力F=10N时波动误差为±0.8N。因此,通过模糊PID控制可实现力控法兰末端的恒力控制,具有较好的动态响应性和跟随鲁棒性。     

电液伺服力控系统的自适应滑模控制

针对存在不确定性的非线性电液伺服力控系统的跟踪控制问题,基于等价控制的概念,提出了一种自适应滑模控制律综合方法,应用参数自适应的方法,消除不确定性对控制性能的影响,以达到鲁棒跟踪控制的目的。为了证明这种控制器可行性,利用微机实现的该控制器被应用于某疲劳试验机电液伺服系统,实时控制的结果验证了所提方法的有效性。     

具有滑移的摇臂式月球车建模与控制

研究了具有滑移、六轮独立驱动的摇臂式月球车建模与控制问题。利用拉格朗日法分析了该月球车受力状况及其动力学模型,并得出在考虑小滑移率、小失配角时的摇臂式月球车动力学模型可表示为以车轮支撑力及其作用位置、地面力学特性、摇臂位形为参量,以月球车平动速度及转动速度、车轮转动速度为状态,以电动机驱动电流(电压)、方向轮位形为输入的仿射性微分方程组的定性结论。从而可以根据实时检测月球车车轮支撑力运用模糊变结构控制方法对月球车动力学系统控制律进行实时修改达到对月球车伺服控制的目的。     

基于两级气压伺服系统的高速受电弓主动控制研究

针对弹性链型悬挂接触网利用有限元法建立接触网模型,采用多体动力学建立受电弓模型,通过接触力元将接触网和受电弓进行耦合建立弓网耦合模型.然后建立气压伺服系统数学模型,根据车速信号采用比例控制策略控制升弓气囊提供弓网静态接触压力,根据采集得到的动态接触力信号采用模糊控制策略控制空气弹簧提供动态接触压力的补偿力.作动器分别作用于下臂杆和弓头悬挂,通过底架上的低频调节和弓头上的高频调节两级方式,主动控制接触压力,实现高速受电弓的稳定受流.     

车削切削力不确定性的模糊—灰色预测

为了定量预测车削力的不确定性范围 ,基于对称模糊数、线性规划理论和灰色理论 ,提出了一种切削力不确定性的模糊—灰色预测方法 ,建立了用于获取评价数据的车削力测量系统以验证该方法的有效性。预测与实测结果的对比分析表明 :对于给定的切削条件 ,预测值是可变力的一个范围 ,而不是用传统方法所得的一个确定点 ,实测力以较小的相对误差落在预测范围内     

基于模糊PID控制器的流量控制设计

现今流量控制系统很多都使用常规PID控制器,这样虽然比较方便,但不能在线整定参数,因而不能很好地控制非线性等复杂系统.在本系统中,采用模糊PID控制器来设计控制流量.模糊PID控制器将PID控制和模糊控制两种方法结合起来,既能消除稳态误差,又能对复杂系统进行简单有效的控制,从而达到控制要求.     

Fuzzy logic versus a PID controller for position control of a muscle-like actuated arm

This study compares three different control algorithms for a muscle-like actuated arm developed to replicate motion in two degrees-of-freedom (df): elbow flexion/extension (f/e) and forearm pronation/supination (p/s). Electromyogram (EMG) is employed to help determine the control signal used to actuate the muscle cylinders. Three different types of control strategies were attempted. The first algorithm used fuzzy logic with EMG signals and position error as control inputs (Fuzzy Controller). The second algorithm incorporated moment arm information into the existing fuzzy logic controller (Fuzzy-MA Controller). The third algorithm was a conventional Proportional-Integral-Derivative (PID) controller, which operated solely on position and integration error (PID Controller). Overall, moment arm scaling aided the fuzzy logic control algorithm by improving movement accuracy as determined by relative error and correlation. The PID controller resulted in the most accurate movement tracking after fine tuning the control gains. This study implies that moment arm scaling is an effective tool for improving motion tracking accuracy of the fuzzy controller in the mechanical arm. The study also implies that PID controller can be used as a substitute for the fuzzy based controller once the desired motion is prescribed.