冗余机器人的任务优先级轨迹规划方法

当机械臂末端沿期望轨迹运动时,若障碍物影响机械臂末端运动,则末端会与障碍物发生冲突,使其偏离期望运动轨迹。针对这一问题,提出了一种任务优先级轨迹规划方法,使机械臂末端避障后能够继续跟踪期望轨迹。当机械臂末端运动轨迹中含有障碍物时,赋予避障运动作为优先控制,通过计算末端位置增量使机械臂末端产生逃离速度,进而避开障碍物;反之,赋予轨迹跟踪作为优先控制,通过对机械臂期望轨迹与实际位置进行误差控制,达到提高末端轨迹跟踪精度的目的。最后,对冗余机器人进行了仿真及试验验证。结果表明,当障碍物与机械臂末端运动轨迹发生冲突时,基于任务优先级的轨迹规划方法可以使机械臂末端有效地避开障碍物,同时,末端避障后机械臂仍能跟踪到期望轨迹运动。     

双工业机器人不同约束下协同运动轨迹规划

针对双工业机器人协作过程中的轨迹规划问题,对IRB200机器人进行建模,并求解机器人的正逆运动学。结合求解的正逆运动学提出紧约束下耦合运动和松约束下叠加运动算法。紧约束将机器人末端执行器之间建立不变的约束关系,实现机器人末端执行器之间产生耦合运动;松约束将机器人末端执行器之间建立随时间变化的约束关系,实现机器人末端执行器之间产生叠加运动。最终在MATLAB中分别进行协同搬运、协同绘制“铜钱”仿真实验验证算法,从姿态图、轨迹图及从机器人理论位置和实际位置对比能够看出,在不考虑机械误差、标定误差及机器人制造误差的情况下能够满足相关任务要求,实现从机器轨迹的自适应规划,避免对双工业机器人分别进行轨迹规划。     

工业机器人轨迹精度力-位置复合补偿方法

工业机器人关节刚度较低,在外负载干扰下加工精度较低,阻碍机器人在加工系统中的进一步推广和应用。为解决该问题,提出一种力前馈控制-位置反馈控制复合补偿方法,其中力前馈控制可超前补偿由外部负载力引起的位置偏差,位置反馈部分用于补偿机器人内部因素导致的位置偏差。利用六维力传感器和激光跟踪仪构建了轨迹误差在线补偿闭环控制系统,进行轨迹精度在线补偿试验,验证该方法的轨迹误差补偿效果。综合考虑机器人因内部参数和外部环境因素引起的误差,提高机器人的轨迹精度,能够实现机器人的精准控制。试验结果表明,该方法具有较强的鲁棒性,在外负载下依然可保持较高的轨迹跟踪精度,200 N冲击载荷下路径轨迹误差峰值为0.082 mm,稳态误差为0.047 mm,为复杂工况下高精度机器人加工奠定了基础。     

基于主从任务转化的闭环控制避障算法

冗余度机械臂避障算法研究一直是机器人领域的研究热点之一。针对传统算法的不足提出一种基于主从任务转化的闭环控制避障算法。主从任务转化通过监测机械臂各杆件与障碍物之间的最小距离变化实现避障任务和期望轨迹跟踪任务的主从切换,从而解决当障碍物位于机械臂末端期望轨迹上时避障运动和期望轨迹跟踪运动存在的相互冲突问题。考虑到机械臂避障时其末端跟踪精度差的问题,引入对冗余度机器臂末端期望位置和实际位置的误差控制,使得机械臂末端跟踪精度显著提高。同时,该算法还适用于多障碍物避障和动态避障且具有计算量小和躲避速度变化连续等优点。通过三自由度平面冗余度机器臂的仿真试验,验证了该算法的正确性。仿真结果表明,该算法能够有效解决当障碍物位于机械臂末端期望轨迹上时存在的冲突问题,而且机械臂在避障的同时也能够高精度跟踪末端期望轨迹,且能够完成多障碍物避障和动态避障。     

基于扰动观测器的工业机器人高精度闭环鲁棒控制

工业机器人具有很高的重复定位精度但绝对定位精度较低,这限制了其在高精度加工中的应用。提高绝对定位精度的传统方法有几何参数标定和离线误差补偿,但它们的绝对定位误差仍有数百微米,往往不能满足要求。更有效的绝对定位精度提升手段是在线补偿,但目前相关研究大多基于简单的PID控制,难以在复杂工况下实现精确的轨迹跟踪。因此提出一种高精度鲁棒控制方法以提高工业机器人在线补偿中的位置控制精度和对于外界扰动的抵抗能力。该方法使用激光跟踪仪实时测量机器人末端位置,通过二阶扰动观测器识别外部扰动,并在扰动观测的基础上以滑模控制器完成机器人的鲁棒控制,其中扰动观测器观测误差的有界性和闭环系统的渐进稳定性均通过李雅普诺夫方法得到证明。该方法在COMAU工业机器人上得到验证,试验结果表明使用基于扰动观测器的闭环鲁棒控制进行在线补偿时,笛卡儿空间内追踪误差模值的方均根值为0.037 mm,仅为基于PID在线补偿方法的39%。     

一种基于位姿反馈的工业机器人定位补偿方法

为了提高工业机器人的绝对定位精度,提出了一种基于末端位姿闭环反馈的机器人精度补偿方法。该方法通过激光跟踪仪测量实时跟踪机器人末端靶标点的位置来监测机器人末端的位姿,并通过对靶标点的实际位置和理论位置进行匹配获得机器人末端的位姿偏差。工业机器人系统与激光跟踪测量系统通过局域网进行数据通信,并根据位姿偏差数据对机器人末端的位姿进行修正。最后通过实验对基于末端位姿闭环反馈的机器人精度补偿方法进行验证,实验表明,经过位姿闭环反馈补偿后机器人末端位置误差最大幅度可以降低到0.05mm,姿态误差最大幅度可以降低到0.012°。     

基于双模糊滑模控制的机器人运动轨迹跟踪误差仿真

当前,机器人运动轨迹在受到外界干扰因素情况下,不仅控制精度较低,而且抖动现象较为严重,不能很好地实现轨迹的跟踪任务.对此,创建了双关节机器人简图模型,采用双模糊滑模控制机器人的运动轨迹.推导了等效控制和切换控制组成的双模糊滑模控制方程式,根据模糊规则对切换增益系数进行在线补偿,引用李雅普诺夫函数对控制系统的稳定性进行了证明.通过具体实例,借助于Matlab软件对机器人运动轨迹的跟踪误差进行仿真.同时,与单模糊滑模控制方法进行对比和分析.仿真结果显示,机器人采用双模糊滑模控制方法,实际运动轨迹与期望运动轨迹误差较小,输入转矩的波动幅度较小.机器人末端执行器采用双模糊滑模控制方法,提高了运动轨迹的控制精度,改善了抖动现象.     

蛇形机器人跟踪误差预测的自适应轨迹跟踪控制器

为了满足蛇形机器人轨迹跟踪运动的精度需要,消除外界干扰对机器人跟踪误差的影响,提出了一种蛇形机器人跟踪 误差预测的自适应轨迹跟踪控制器。 所提出的控制器实现了机器人干扰变量、摩擦系数和控制参数的预测,并用预测值和虚拟 控制函数来补偿系统的控制输入,抵消了蛇形机器人在轨迹跟踪过程中的侧滑角,避免了干扰变量对机器人带来的负面影响, 提高了轨迹跟踪的误差稳定性与控制精度。 在建立蛇形机器人模型后,利用积分形式的侧滑角补偿项改进了视线法,并设计了 蛇形机器人的自适应轨迹跟踪控制器。 使机器人的位置误差在 10 s 内实现收敛,角度误差小于 0. 03 rad,预测值误差在 5 s 内 收敛。 通过仿真实验,验证了所提出的控制器的有效性和优越性。     

基于粒子群算法的双臂机器人运动轨迹优化研究

当前,双臂机器人末端执行器运动轨迹协调能力较差,导致执行器输出误差较大,不能很好地满足高精度场合的需要。对此,创建了双臂机器人简图模型,推导出机器人动力学方程式,采用运动学方程结合粒子群算法进行双臂机器人协调轨迹优化,引用B样条曲线对关节轨迹进行参数化设计。在满足特定目标和约束条件的情况下,采用自适应惯性权重约束粒子群算法求解关节轨迹的最优解,通过Matlab软件分析机器人末端执行器输出误差大小。结果显示:随着末端执行器角速度的增大,优化前的末端执行器输出最大误差就会增大,但是,优化后的末端执行器输出最大误差保持不变。采用粒子群算法优化双臂机器人协调轨迹,能够克服机器人动力学奇异性问题,提高机器人末端执行器运动精度,更好地执行高精度场合任务。     

6自由度液压机器人末端执行器控制策略

为提高6自由度液压机器人末端执行器位置跟踪精度,设计了增量式非线性逆控制方法,并对机器人末端执行器位置跟踪误差进行仿真验证。创建了6自由度液压并联机器人简图,对液压驱动系统进行建模,推导出液压流量方程式。针对传统非线性逆控制方法进行改进,设计了增量式非线性逆控制方法。采用Matlab软件对6自由度液压机器人末端执行器跟踪误差进行仿真,并与传统非线性逆控制方法对比。结果显示：采用非线性逆控制方法,机器人末端执行器运动位置跟踪误差较大;采用增量式非线性逆控制方法,跟踪误差较小。采用增量式非线性逆控制方法,可提高机器人末端执行器运动的稳定性和输出精度。     

冗余度机械臂零初始关节速度的运动规划方案研究

对一种基于伪逆的冗余度机械臂的运动规划方案进行研究。首先,根据机械臂结构和末端运动规划问题,建立速度层的运动学伪逆算法求解模型。其次,通过在关节速度上加约束,可实现关节速度从零开始平滑变化,并能快速趋近其最小范数解。再次,利用了位置误差补偿方法改善了运动学方程,有效消除或减小机械臂执行任务期间末端执行器的位置误差,保证轨迹跟踪的精度。最后,利用MATLAB软件对平面四连杆机械臂跟踪圆形和螺旋线曲线轨迹进行了仿真实验。仿真结果表明,该运动规划方案具有指数收敛性质,运动误差能达到较高的精度等级。     

一种并联机器人误差综合补偿方法

针对并联机器人轨迹规划和轨迹跟踪过程中,同时存在机构误差引起的期望轨迹与理想轨迹之间的偏差和非线性摩擦、负载变化等扰动因素引起的动态误差,提出一种并联机器人误差综合补偿方法:在轨迹规划过程中,基于并联机器人位姿误差模型将位姿误差补偿转化为驱动杆参数组合优化问题,进而利用粒子群算法寻优驱动杆参数,修正并联机器人期望轨迹;在轨迹跟踪过程中,设计基于自适应迭代学习控制算法的动态误差补偿策略,实现对期望轨迹的有效跟踪。在Stewart平台下基于ADAMS和Matlab进行仿真试验,在轨迹规划和轨迹跟踪过程中,分别修正期望轨迹偏差并补偿轨迹跟踪动态误差,实现并联机器人误差综合补偿。进一步,基于混联机床进行工件加工试验,验证方法对于提高并联机器人工作精度的有效性。     

指定初始关节速度的冗余度机械臂运动规划方案设计

设计了一种指定初始关节速度的冗余度机械臂运动规划方案.首先,根据机械臂关节角状态和末端执行器运动状态,在速度层上对机械臂建立伪逆算法求解模型;其次,为实现关节速度从指定初始速度连续趋近于执行任务所期望的速度解而在关节速度上加约束函数进行调整;再次,为减少机械臂执行任务期间末端执行器的位置误差而采用误差补偿方法以保证轨迹跟踪的精度;最后,将运动规划方案在MATLAB软件上对平面四连杆机械臂进行了仿真实验.仿真结果表明,该运动规划方案能消除机械臂在任务切换过程中的速度跳变,且末端执行器跟踪路径能达到较高的精度.     

指定初始关节速度的冗余度机械臂运动规划方案设计

设计了一种指定初始关节速度的冗余度机械臂运动规划方案.首先,根据机械臂关节角状态和末端执行器运动状态,在速度层上对机械臂建立伪逆算法求解模型;其次,为实现关节速度从指定初始速度连续趋近于执行任务所期望的速度解而在关节速度上加约束函数进行调整;再次,为减少机械臂执行任务期间末端执行器的位置误差而采用误差补偿方法以保证轨迹跟踪的精度;最后,将运动规划方案在MATLAB软件上对平面四连杆机械臂进行了仿真实验.仿真结果表明,该运动规划方案能消除机械臂在任务切换过程中的速度跳变,且末端执行器跟踪路径能达到较高的精度.     

运动助力机械臂轨迹跟踪误差校正方法

运动助力机械臂的轨迹跟踪控制是实现高精度工作的关键。由于运动助力机械臂参数存在的不确定性等因素，导致运动助力机械臂轨迹跟踪误差较高，为此，提出了运动助力机械臂轨迹跟踪误差校正方法。分析运动助力机械臂空间位置和变换关系，根据运动助力机械臂关节与连杆之间的空间坐标矩阵变换过程，构建齐次坐标变换矩阵，获取机械臂末端执行器的空间位姿矩阵。通过定义机械臂轨迹的相关性特征集，得到机械臂轨迹跟踪误差的校正指标。基于置信概率计算，确定机械臂轨迹跟踪误差校正的约束范围，构建约束参量分析模型。采用遗传算法的原理，求解运动助力机械臂轨迹跟踪误差校正参数，实现运动助力机械臂轨迹跟踪误差校正。实验结果表明，所提方法的运动助力机械臂轨迹跟踪误差校正效果较好，能够有效提高运动助力机械臂轨迹跟踪误差校正精度。     

基于扰动观测器的SCARA机器人运动误差补偿控制设计与仿真

在外界干扰下,为获得SCARA机器人的高精度运动控制,对机器人建立运动学模型,通过设计一种带扰动观测器的PID控制系统,对机器人运动过程中不可测项进行在线观测和补偿,然后运用MATLAB与ADAMS对提出的控制系统进行联合仿真研究。结果表明,相比常规的PID控制系统,该控制系统能够降低机器人手臂跟踪误差,实现良好的轨迹跟踪效果。     

基于干扰观测器的机械臂自适应模糊滑模控制

机械臂在轨迹跟踪控制中存在建模误差和外界干扰等问题。为了提高机械臂轨迹跟踪的精度和速度,设计了一种基于干扰观测器的机械臂自适应模糊滑模控制策略。首先,使用新型趋近律来减小机械臂滑模控制系统中抖振的影响;其次,采用干扰观测器对机械臂建模误差和外界干扰进行估计,根据干扰观测器的观测值对机械臂的输入力矩进行补偿;最后,对于无法观测的部分,采用模糊系统中的万能逼近原理对未知的干扰进行估计,进一步提高机械臂的轨迹跟踪性能。通过仿真试验表明,该控制策略不仅可以克服建模误差和外界干扰所带来的影响,还可以有效地削弱系统的抖振,保证了机械臂各关节位置跟踪的精度和速度。同时也说明了该控制策略的有正确性和有效性。     

扩展卡尔曼滤波和配准算法的工业机器人误差补偿

针对现有工业机器人误差,特别是工业机器人末端轨迹精度低、实时监测计算复杂等问题,提出利用扩展卡尔曼滤波器和配准算法组合提高机器人末端轨迹精度的算法,解决了机器人末端精度低、控制补偿不准确等问题。建立SCARA机器人数学模型,同时建立基于扩展卡尔曼滤波和配准算法的机器人误差补偿模型,通过扩展卡尔曼滤波、配准算法进行误差补偿,实现了末端精度的提高。通过仿真验证,分析对比机械手末端轨迹补偿前后的误差,证明了算法的可靠性与准确性。     

基于视觉反馈的机器人全调节RBF神经网络自适应反演控制

针对具有参数不确定刚性机器人系统的跟踪控制问题,提出了一种基于视觉反馈和全调节RBF神经网络的自适应反演控制器设计方法。根据安装在末端执行器的CCD摄像机提取的特征点确定期望位置,利用与一般设计不同的全调节RBF神经网络逼近系统的不确定项及外界干扰。在调节RBF神经网络权值的同时调节中心点值和影响范围,使得全调节RBF神经网络具有了更强的在线逼近能力。应用Lyapunov稳定性理论,证明了系统的所有信号均有界,控制器可以保证机械臂的运动按指数收敛到期望位置。仿真结果验证了所提控制器的有效性。     

机械臂滑模控制算法研究

针对机械臂轨迹跟踪控制中传统滑模控制需估计其建模误差及外界干扰等不确定性,当建模不确定性及外界干扰较大较复杂时,将会导致出现抖振现象。该文在以传统滑模控制为主控制器的基础上,通过对传统干扰观测器进行改进,对外界干扰进行反馈补偿,同时利用神经网络对其建模误差进行逼近。通过机械手仿真实验结果表明,所提方法能够有效抑制系统抖振现象,提高响应速度及其轨迹跟踪精度。