具有动态领导者的多机器人系统包含控制研究

针对具有动态多领导者的多智能机器人包含控制问题,设计了一种基于一般连续时间线性动力学的多机器人系统模型与耦合增益自适应更新律包含控制方法。首先建立具有一般连续时间线性动力学的多机器人系统模型,其次使用图论描述多机器人系统中各机器人单体间的通信拓扑关系,然后设计了具有耦合增益自适应更新律的分布式包含控制协议实现所有跟随者最终都保持在领导者组成的凸包内并随其运动,此外该包含控制方法使得所有的跟随者只需参考邻居跟随者的信息而不需要接收全局信息,降低了系统的通信需求,增强了系统的稳定性和冗余性,仿真实验结果表明所提出的控制方法的有效性。     

基于深度相机的机器人室内定位技术研究

机器人在室内运动时,需要创建环境地图并估计位姿,以实现自主定位和导航。针对机器人的同时定位与地图创建(SLAM)问题,采用动态贝叶斯网络描述SLAM状态转移过程。通过不断迭代更新机器人的位置估计和修正估计值,完成机器人的室内定位。基于深度相机采集的RGB图像信息,进行相邻帧图像的特征提取与匹配,估算机器人当前位姿。然后使用迭代最近点算法优化初始位姿。以初始位姿为节点,相邻帧的约束关系为边创建节点图。进一步采用Hogman算法对整个节点图进行动态优化,得到全局一致的室内地图。最后根据优化后的节点图,多帧数据叠加就可得到三维地图。实验采用华硕Xtion Pro Live深度相机,实验室地点为目标,成功创建了环境的三维地图,验证了方法的有效性和可行性。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题,提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优;随后通过改进的灰狼优化算法先后两次求解遍历顺序,引导机器人规划搜索路径与排除隐患点路径;最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障,逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高,验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。     

六自由度工业机器人位姿误差的补偿方法

为了实现工业机器人的位姿误差补偿,在分析了机器人的位置误差和姿态误差的基础上,利用修正后的D-H算法建立了机器人运动学方程,并利用矩阵法建立了机器人的位姿误差分析模型。提出一种将机械结构参数综合映射到关节角度参数的补偿方法,并设计了一套适合此方法的补偿实验。通过对实验结果的分析与计算,验证了该方法适用于机器人位姿误差补偿,大幅度提高了机器人的绝对精度。     

微小型陆空两栖机器人地面移动控制方法

针对复杂环境中移动机器人的越障需求,设计一种微小型陆空两栖机器人,构建控制系统,建立机器人地面移动运动学模型。基于平方根球面单形无色卡尔曼滤波器进行位姿状态估计,采用模糊PID实现了机器人的运动控制。仿真实验结果表明,该控制方法能够有效地控制机器人的运动。     

应用多传感器激光视觉的焊接机器人变质心补偿控制

制造、安装、机械传动和温度变化等诸多方面的误差较大,产生补偿机器人变质心偏移度,任务执行途中失去期望位姿,为了提高焊接机器人工作效率,提出应用多传感器激光视觉的焊接机器人变质心补偿控制方法。建立焊接机器人变质心模型,应用激光传感器扫描焊接机器人实际轨迹和位姿的几何特征,获取激光视觉图像标定管道焊缝,结合PLC控制器,调整焊接机器人轨迹和位姿,消除惯性力对变质心位移的干扰,实现焊接机器人变质心补偿控制。实验结果表明,在X-Y坐标面、Z-X坐标面和Z-Y坐标面上的变质心补偿轨迹均与期望轨迹误差5 cm左右,高度重合;控制后,焊接机器人惯性位移在0.1 cm之内,近似于零,惯性力不再引导焊接机器人移动,可以稳定停靠在目标位置,变质心控制性能好。     

基于机器视觉的机器人运行自动化控制方法研究

由于传统机器人运行控制方法存在处理信息较多,导致实际机器人在应用环境中行动轨迹误差较大。因此,现提出基于机器视觉的机器人运行自动化控制方法。首先,基于机器视觉处理目标图像并定位,将识别的图像数据恢复成相应的灰度图再进行定位。其次,规划机器人位姿轨迹,得到其端部的位姿和杆件的相对位置关系。最后,控制机器人运动路径。实验结果 ：相较于方法 1的误差值最大减少了9.4mm,相较于方法 2减少了10.4mm,因此可以看出该方法对于机器人自动控制的有效性。     

基于距离约束的单领航者多智能体编队控制

针对多智能体领航跟随策略提出了一种基于距离约束的编队控制算法,同时实现了编队保持与速度跟踪.多智能体系统由单领航者及两个跟随者组成,单领航者以一常值参考速度运动,追随者无法测量自身及其他智能体的速度.为了跟踪单领航者的速度以实现编队保持,针对追随者设计了一种自适应控制律以估计领航者的速度并使各智能体保持理想距离,基于Lyapunov分析与Barbalat引理证明了闭环系统的稳定性,仿真结果验证了所提算法的有效性.     

自恢复蒙特卡罗定位算法

机器人定位技术作为智能机器人领域的重要技术,是机器人进行自主规划和导航的重要前提。为解决机器人运动过程中的绑架问题,在蒙特卡罗定位(Monte Carlo localization, MCL)算法的基础上,提出了基于激光雷达似然域模型的定位可靠度评判算法以及基于惯性导航单元的定位自恢复模型。定位可靠度评判算法对机器人是否发生绑架问题进行判定,当发生绑架问题后,首先基于惯性导航单元的测量数据进行位姿预估计,然后基于预估计的位姿构建粒子重分布模型,最后进行粒子滤波得到重定位的结果,达到了对机器人绑架判定和自恢复定位的目的。经过实验测试和对比,该算法可以对绑架问题进行高效的判断,具有更高的恢复效率和准确度。     

基于激光跟踪仪的协作机器人精度测量技术研究

本文选取AUBO-i5协作机器人作为实验对象,建立了 DH参数模型,设计了一套测量方法,并利用FARO激光跟踪仪对AUBO-i5机器人的位姿、距离、轨迹、稳定性等方面进行了性能测量,得到了其准确度和重复性.结果表明,该AUBO-I5协作机器人的位置准确度为1.021mm,使用前需要进行DH参数校准,其各项指标重复性均远小于准确度,且重复性较好,表明该机器人可以通过DH参数校准,提升准确度.