新型6-PRRS并联机器人运动学和动力学研究

利用旋量理论和指数积方法求解了6-PRRS并联机构主动关节与被动关节的位置逆解。根据该并联机构的输入输出映射关系,推导出一种基于速度投影的雅可比矩阵求解方法。提出一种解决新型6-PRRS并联机器人逆动力学问题的系统方法,采用Lagrange法建立并联机器人的刚体动力学关系,应用虚功原理最终获得动力学模型。解决了6-PRSS并联机器人一系列运动学和动力学问题,这些方法具有一定的通用性,适用于类似并联机构的分析与研究。     

用图论方法建机械手动力学方程

本文通过建立人臂形机械手动力学方程,论述了图论方法在机器人动力学分析中的应用,并就该方法的优越性、实用性等有关问题作了进一步讨论。 采用经典方法对机器人进行动力学分析,困难之一是系统结构复杂多样,描述难且方程建立过程繁杂。如何解决这个问题?本文采用图论的概念和方法通过对一个人臂形机械手的具体分析,展示一种适用于各种机器人动力学分析的简洁实用、程式化的方法。     

空间机器人关节空间轨迹跟踪的补偿学习控制

讨论了具有不确定性的漂浮基空间机器人系统的控制问题。在载体位置不控、姿态受控情况下,结合系统动量守恒关系对系统进行了运动学、动力学的分析,得到了漂浮基空间机器人的系统动力学方程。由系统的闭环动态误差方程,设计了漂浮基空间机器人的控制方案,提出了一种补偿学习控制方法,给出了漂浮基空间机器人系统的数值仿真,验证了该方法的有效性。     

闭链级联式机器人基于旋量理论的动力学分析

闭链级联式机器人是一种复杂型式的机器人,对其进行动力学分析是实现对其进行运动控制的必要前提.闭链级联式机器人的结构特点是:任何一个闭链级联式机器人都存在一条主运动链,且主运动链为开链机器人;主运动链的各个关节均为被动关节或被测量关节,分别由相应的闭链驱动或测量.基于旋量理论的动力学分析方法是通过使用运动螺旋和指数积公式等数学工具建立起机器人的动力学方程,从而求取机器人的驱动力矩.由于闭链级联式机器人存在闭链,其动力学分析方法不同于传统的开链机器人,用旋量理论建立闭链级联式机器人的动力学方程的要解决两个关键问题:其一是闭链的分解,其二是惯性矩阵的求取.该方法也为解决单闭链机器人的动力学分析问题提供了基础.     

空间柔性机器人动力学分析的快速积分算法

以空间柔性机器人为研究对象,分析了机器人柔性多体系统动力学建模过程,研究了根据广义动力学方法所建立的大型微分-代数方程的快速数值积分算法.本文采用Lagrange方法研究了空间柔性机器人的动力学模型,通过判断系统中铰的类型(主动关节和被动关节),建立机器人系统的微分-代数动力学方程,最后采用线性多步积分算法对建立的大型微分-代数方程进行高效率求解. 仿真算例的结果表明,本文研究的线性多步积分算法对求解大型微分-代数方程速度快,效率高,为空间机器人实时动力学仿真打下坚实的基础.     

6-PRRS并联机器人的动力学建模研究

为解决并联机器人动力学模型的计算复杂性与实时准确控制之间的矛盾,采用虚功原理建立6-PRRS并联机器人各构件随参数变化的完整动力学方程,对6-PRRS并联机器人动力学模型在各种工作情况下进行仿真分析,对机器人各部分质量和转动惯量对驱动力的影响进行研究,提出动力学模型简化策略,减小了动力学计算量,提高并联机器人动力学的计算速度,为并联机器人的控制和参数识别奠定了基础.     

PWM在科技馆机器人展品电路设计中的应用

为提高机器人在科技馆展示时的灵活性和协调性,对科技馆展品中机器人的直流电机的调速电路进行分析．通过改变脉冲的占空比控制电机的转速输出稳定的电压,使机器人在接到指令后更准确、灵活、协调地完成任务．实践表明,该改进方法可以解决机器人在展示表演时存在的问题,为参观的观众更好地了解和认识机器人起到积极的作用．     

基于电路模拟解决多杆机构弹性动力学建模问题

多杆机构的弹性动力学的传统建模方法采用拉格郎日第二类方程、虚功原理和有限元方法建立,针对传统建模方法相对复杂等问题,提出了应用电路模拟方法解决多杆机构的弹性动力学建模问题。从研究电学与机械振动学数学相似性入手,研究了一个等值电路,归纳了电路模拟建模方法的一般规则,并应用上述原理解决了多杆机构的弹性动力学建模问题,给出了一般求解公式。     

太阳能电池自动布贴机器人动力学分析与仿真

对空间太阳能电池片自动布贴机器人的大尺寸机构系统进行了深入研究,考虑关节运动为全约束运动,利用Eu ler变换法和Lagrange方程对机器人的两个主要运动系统导向定位系统和布贴系统进行了运动学和动力学建模分析,导出了描述两运动系统的雅可比矩阵以及显示形式的动力学方程,通过仿真证明了数学模型的正确性,为进一步研究该机器人的运动控制和轨迹规划问题打下了基础.     

微小研抛机器人动力学仿真分析与运动实验

针对所提出的一种可以在大型模具曲面上进行自主研抛作业的机器人结构,考虑其具有非完整约束的特点,建立了机器人的运动学关系。通过输入附加约束方程,利用Lagrange方法建立了微小研抛机器人多体系统动力学模型。通过动力学仿真分析,得到了比较稳定的机器人动力学特性。运动实验结果表明,该微小研抛机器人在轨迹行走过程中具有较好的稳定性和准确性。     

机器人打磨自适应变阻抗主动柔顺恒力控制

为解决工业机器人打磨过程中存在复杂时变非线性耦合与不确定性扰动导致机器人柔顺恒力打磨自适应调节能力不足的问题，首先给出了一种可实现沿轴向平移与旋转运动解耦的力控末端执行器，其次设计了一种自抗扰控制器和一种粒子群神经网络变阻抗控制器分别作为内环控制和外环控制，在此基础上，提出了一种机器人自适应变阻抗主动柔顺恒力控制方法，用于在线自适应优化阻抗参数，动态调节打磨力修正量，实现机器人打磨作业自适应主动柔顺恒力控制。最后采用Lyapunov稳定性理论分析证明了所提出方法的闭环稳定性。通过机器人打磨系统虚拟样机联合仿真实验和机器人平台实物实验，验证了所提出方法的有效性。实验结果表明，所提方法能够较好实现静态与动态期望打磨力跟踪，减小了打磨力波动、力超调量以及打磨初期打磨工具处的冲击力，提高了打磨力控制系统抗扰动稳定性、恒力跟踪性能和动态响应能力，对复杂多变工况机器人打磨作业具有较强的适应性与鲁棒性。     

双足机器人鲁棒轨迹跟踪控制

根据机器人的动态特性和鲁棒控制理论,利用拉格朗日法建立了Robonova-1机器人的动力学模型。针对机器人系统的跟踪轨迹控制问题,考虑该系统实际存在的不确定性,基于机器人系统中存在的不确定性的上界设计了一个鲁棒控制器。仿真实验结果证明,该鲁棒控制方法对模型的不确定性或外部干扰对机器人系统产生的影响具有一定的抑制作用,对双足机器人的控制是有效的。     

基于BP神经网络的结构系统跟踪辨识方法

针对人工神经网络在结构系统辨识中存在的问题,提出一种基于BP神经网络的跟踪辨识方法.通过将实际结构模型分为一个机理模型和一个实时误差模型,前者基于常规的BP神经网路通过离线训练而成,而后者通过小型的BP神经网络实时辨识系统误差,进而使这种经过改进的系统识别网络能够具有动态递阶识别系统的能力.计算机仿真分析表明,这种方法可有效地减小由于不同外荷载作用引起的结构系统辨识误差,提高人工神经网络在系统辨识中的精度和可靠度.     

双连杆柔性机械臂动力学方程仿真

研究了机械臂系统动力学方程的数值解法。通过拉格朗日方程建立了考虑关节弹性变形的双连杆机械臂系统动力学方程。由于系统中存在着高频振荡,使微分方程变为难解的高阶层非线性微分方程组。本文对此方程组采用四阶龙格－库塔法进行数值分析,得到了较好的数值结果。     

神经网络预测器在铝电解过程控制中的应用

目的采用神经网络预测控制方法来解决铝电解过程中存在的时变和大时滞问题，提高其控制性能．方法提出了一种基于铝电解过程的神经网络预测控制算法，建立了神经网络预测模型，将神经网络和预测控制算法相结合，结果实现了铝电解过程的最优控制．神经网络预测模型的输出能够很好地跟踪铝电解生产过程，预测效果好．结论笔者提出的控制方案能够使铝电解过程很快进入稳态，超调量较小，提高了铝电解过程的动态和稳态性能．     

基于动态贝叶斯网络的煤粉加压输送系统可靠性分析

为解决煤粉加压输送系统动态失效问题,提出一种基于动态贝叶斯网络的可靠性评估方法。首先,在分析煤粉加压输送系统的结构与功能的基础上构造事故树模型,并根据事故树模型向动态贝叶斯网络转化的规则,建立煤粉加压输送系统的可靠性分析模型。然后,引入维修因素、时间序列,利用动态贝叶斯网络的两向推理能力,确定煤粉加压输送系统的薄弱环节和可靠度的动态变化规律。结果表明,该方法可有效描述煤粉加压输送系统的动态特性,分析结果符合实际工况。     

基于Hopf振荡器的仿生机器魟鱼胸鳍波形控制算法

为了获得与生物魟鱼胸鳍相近的推进波形和游动性能,提出基于Hopf振荡器的仿生中枢模式发生器（CPG）胸鳍波形控制策略. 针对仿生机器魟鱼的结构与游动特征,利用20个Hopf振荡器耦合构建中心式CPG拓扑网络模型;通过输入参数幅值、频率和波数,控制该拓扑网络模型输出仿生机器魟鱼定常巡游、加速游动和机动转弯3种游动模式下胸鳍波形的动态位置信号. 通过仿真验证了该拓扑网络模型能够快速响应输入参数的变化,稳定输出平滑、连续的动态位置信号. 通过试验研究该拓扑网络模型控制仿生机器魟鱼胸鳍波动的可行性以及网络的输入参数对仿生机器魟鱼游动性能的影响. 试验结果表明,该模型能够稳定地输出耦合的波形信号,控制仿生机器魟鱼鳍面形成与生物鱼相似的推进波形,实现各游动模式以及各游动模式间灵活平滑地切换.     

基于递归小脑神经网络的模糊自适应控制

为解决一类不确定非线性系统控制问题,提出了小脑神经网络模糊自适应算法.将系统分为标称模型、参数不确定部分以及包含建模误差、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒控制消除混合干扰,并设计了递归小脑模型关节控制器作为观测器来对混合干扰的上界进行实时逼近.李亚普诺夫理论证明了控制算法可使系统一致有界稳定,微飞行机器人姿态控制仿真结果表明,控制算法改善了系统的动态性能及鲁棒性,研究结论对复杂非线性系统的有效控制提供了依据.     

基于LAMMPS系统的集群运算系统架构

为解决分子动力学计算系统LAMMPS（Large-scale Atomic/Molecular Massively Parallel Simulator）运算数据量大、不易控制的问题,应用云计算方法,设计了智能化、高效化的集群LAMMPS运算系统架构。该架构将FTP（File Transfer Protocol）存储技术、UDP（User Datagram Protocol）快速网络传输、LAMMPS分子动力学计算技术相结合,降低了运算过程中的人工干预,提高了分子模型处理效率,并为分子级别物理、化学的计算机仿真研究提供了新的集群化解决方案。     

一种基于动态递归神经网络的交通流量实时预测方法

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施，实时、准确的交通流量预测是智能交通系统实现的关键技术之一。提出了一种基于改进型Elman神经网络的交通流量实时预测方法，由于预测模型中采用的递归神经网络具有动态记忆能力，因而可在网络规模较小的情况下实现对交通流量的快速、准确预测，并用实例验证了所提出的交通流量预测方法的有效性。