一种并联四足机器人机电耦合多能域系统动力学参数优化设计

采用平面冗余驱动并联四足机器人为研究对象,并且结合拉格朗日方程和键合图等两种方法,建立该四足机器人的机电耦合多能域系统动力学模型。而且还针对该机构的特点,提出了一种将动力学模型线性化的待定系数法,并且通过该方法,经过严密的数学推导,就得到了机电耦合多能域系统动力学模型的线性化形式,将能很好地避免传统的简化方法得到的动力学模型线性化形式带来的误差。     

球面二自由度冗余驱动并联机器人系统动力学参数辨识及控制

以伺服电机驱动的球面2-DOF冗余驱动并联机器人为研究对象,首先,建立了机构惯性参数辨识模型,并规划了惯性参数辨识轨迹;其次,建立了机构运动副摩擦参数辨识模型和驱动系统的摩擦参数辨识模型,分别分析了二者的辨识原理,并规划了摩擦参数辨识轨迹;再次,通过辨识实验得到了机构惯性参数、机构转动副摩擦参数和驱动系统摩擦参数的辨识结果,利用辨识结果对原机构参数进行修正,获得了更为准确的机器人系统动力学模型,并通过轨迹测试实验,对辨识结果进行了验证;最后,制定了基于机器人系统动力学模型的前馈控制策略,与传统的机构运动学闭环控制策略进行实验对比,验证了该控制策略的可行性。     

多能域过约束并联机器人系统动力学建模方法*

采用旋量键合图建立球面2-DOF过约束并联机器人机电两种能量并存系统动力学模型,该方法相对传统力学原理动力学建模方法的优点是建模过程规则化,能够得到适合于现代控制理论的空间并联机构状态方程。所建动力学模型只有36个方程,但由于被动过约束(公共约束和冗余约束)和主动过约束(冗余驱动)的存在,共有43个未知量需要求解。为此,针对被动过约束问题,分析三个分支变形引起末端相对于球心O的位移量,增加了6个变形协调补充方程;针对主动过约束问题,提出了采用输入力优化的方法,增加了1个补充方程,最终得到了该机器人完整的多能域系统动力学全解模型。通过数值算例,验证了该方法的可行性和合理性。该方法可以推广到其他包含机、电、液、气的多能域过约束并联机器人系统,为该类多能域机器人系统动力学建模分析提供了一种新的思路。     

一种改进的机器人动力学参数辨识方法

机器人动力学模型是机器人相关研究的基础,而动力学参数辨识是获得动力学模型的有效途径之一.针对机器人动力学参数的辨识问题,提出了由外关节向内关节逐一辨识的方法.并以傅里叶级数作为激励轨迹的基本函数形式,设计了关节激励轨迹.然后利用粒子群优化方法 PSO(Particle Swarm Optimization),以最小化辨识系数矩阵的条件数为目标函数,优化设计了激励轨迹,以提高辨识过程中的抗干扰能力.最后在Simulink中借助SimMechanics模块仿真验证了文中方法的有效性,同时也验证了文中的激励轨迹优化方法可增强辨识过程的抗干扰能力,提高辨识精度.     

并联机构机电耦合动力学计算

并联机构动力学模型是一个多输入、多输出、非线性、强耦合的复杂机电系统,目前还没有一个成熟的并联机构动力学建模和仿真计算方法.针对三自由度并联机构,建立了包括机械机构、伺服电机一体化的动力学模型.最后在设计好的运动平台轨迹下,计算了移动腿的位移、驱动电机的负载转距;分析了移动腿的误差.计算机仿真结果展示了控制器对机构位移和伺服电机转距良好的控制.     

一种改进的SCARA机器人动力学参数辨识方法

针对SCARA机器人动力学参数辨识问题,提出了一种基于优化改进傅里叶级数的辨识方法。根据SCARA机器人完整动力学方程,推导得到动力学模型的线性形式。采用改进傅里叶级数作为机器人关节的激励轨迹,使得关节角度满足连续周期性,并且关节角速度和角加速度在轨迹起始和停止时刻为零。为进一步提高辨识精度,以SCARA机器人观测矩阵的条件数为目标函数,采用基于排挤机制的小生境遗传算法对激励轨迹的系数进行优化。考虑到测量噪声的影响,采用加权最小二乘法（WLS）作为参数估计方法。实验结果表明,采用所提方法能准确辨识出SCARA机器人的动力学参数,两关节力矩测量值和预测值的残差均方根分别减小了11.50%和26.35%。     

4-DOF混联机器人多能域动力学全解模型及试验

以4-DOF混联机器人为研究对象,分析了混联机器人的运动学,接着基于传统键合图建立了系统驱动部分（电动机和气动部分）键合图模型,基于旋量键合图建立了系统机械本体动力学模型,由于系统的并联部分引入冗余驱动,提出了采用输入力矩优化的方法,增加了1个补充方程,最终得到了该机器人完整的机、电、气耦合的多能域系统动力学全解模型。冗余驱动分支在随动和施加优化得到的力矩（力/位混合控制）两种情况下,借助键合图自动化仿真软件（20-sim）进行多能域动力学仿真;并进行样机的控制试验,将仿真与试验得到的驱动力矩进行对比,验证了所建机器人系统多能域动力学模型的正确性。通过试验可以证明：力/位混合控制时样机运行更加平稳且能有效提高机构的运动精度。     

一种新型并联动力头动力学参数辨识方法研究

以一种一平动两转动自由度的新型三坐标并联动力头为对象,研究这类系统的动力学参数辨识方法。在运动学和刚体动力学分析的基础上,提出一种通过在运动构件上设置特征点构造适合参数辨识的动力学模型。根据不同工况下负载力矩的特点,提出一种具有分层递阶格式的动力学参数辨识策略。该策略可通过选择适当轨迹,有效消除或抵消库仑摩擦力矩的影响,进而可有效提高运动构件的动力学参数。通过不同工况下的试验验证了所提出辨识策略的正确性和有效性。     

一种并联机器人的运动学及动力学仿真

以3-RRRT并联机机器人为研究对象,应用ADAMS软件建立其样机模型并利用该模型对并联机器人的运动学和动力学进行了仿真,实现了3-RRRT并联机器人运动学及动力学性能在计算机上的仿真与分析,为实际的样机调试和控制提供了有意义的借鉴。     

刚柔耦合并联机器人动力学建模及仿真研究

并联机构在运动过程中存在弹性变形和刚柔耦合效应,对机构的运动及其稳定性具有较大影响。针对上述问题,以3自由度刚柔耦合并联机器人为研究对象,基于线性多体系统传递矩阵法(线性MSTMM)建立了刚柔耦合并联机器人多体系统模型和拓扑结构模型,推导了整体系统的空间转换方程和动力学方程;通过Matlab软件建立了机器人SimMechanics仿真模型,并基于PID控制策略对机器人进行了轨迹跟踪的仿真研究。结果表明,机器人末端输出的实际运动轨迹与期望轨迹基本吻合,机器人系统运动相对稳定,验证了该建模方法的正确性和有效性,为进一步对并联机构进行研究提供了一定的理论依据。     

空间刚柔耦合并联机器人动力学建模及仿真

为研究柔性构件对系统运动特性的影响,对空间3-RRRU并联机器人进行了动力学建模及耦合特性的仿真分析。应用矢量闭环法对空间并联机构的逆运动学进行求解,推导出各个构件位置、速度、加速度的变化规律;根据第一类Lagrange方程建立空间全刚性并联机器人的逆动力学模型;运用MATLAB软件对空间并联机构进行仿真,并对动力学数值结果和仿真结果进行对比,以验证模型的正确性。基于ANSYS软件和ADAMS软件,对空间并联机构中的空间梁单元进行柔性替换,通过建立空间刚柔耦合并联机器人模型,分析机构在运动状态下展现出的耦合特性,并与空间全刚性并联机器人进行比较。结果表明:两类模型的末端执行器的运动趋势一致,轨迹误差在0.000 7～0.419 4 mm范围内;梁单元产生的弹性变形对系统运动性能产生了重要影响,因此,建立正确的刚柔耦合动力学模型具有重要的指导意义。     

一种水平机器人动力学模型辨识方法

机器人动力学模型的辨识方法往往涉及多个参数变量,在控制应用中步骤繁琐,实施难度大.鉴于此,提出了一种水平机器人动力学模型简化的方法.通过拉格朗日原理建立水平机器人完整的动力学模型;采集本体轨迹和电流实时数据,通过理论的机械惯量参数,采用最小二乘法辨识本体的摩擦/转子惯量系数,最后进行了实验效果的验证.通过此方法,可降低动力学参数辨识过程的复杂度,可用于估算轨迹规划中的电机扭矩分布情况,从而便于优化轨迹处理.     

轻载机器人动力学参数辨识中的关节摩擦力辨识

在轻载机器人低速应用场合,利用库仑-黏性摩擦力模型进行关节力矩计算时,机器人关节摩擦力有明显的周期性纹波误差。针对这一问题,提出一种改进的库仑-黏性摩擦力模型,包括由库仑-黏性摩擦力模型表示的稳态摩擦力,以及与位置和速度相关的位置依赖项。对模型进行分步辨识,利用库仑-黏性摩擦力模型的特性,对稳态摩擦力参数进行辨识,通过K-means聚类算法、支持向量回归(SVR)以及最小二乘法求解超定方程组,进一步对模型中的位置依赖项进行辨识,实验结果验证了该模型以及辨识方法的有效性。     

3-RPS并联机器人动力学分析及控制

运用牛顿—欧拉方法建立3-RPS并联机器人机构的逆动力学模型。通过使用Simmechanics将并联机器人物理模型导入Matlab/Simulink中,利用Simulink对机构进行动力学仿真以及验证机构的逆动力学模型。针对并联机器人的建模不确定性,提出一种基于不确定性系统的鲁棒控制方案,即分别通过基于标称模型设计系统的计算力矩控制器,来镇定标称系统;通过构建Lyapunov函数来构建系统的鲁棒补偿控制器,来消除由于建模不确定性引起的跟踪误差。通过将控制模型导入Simulink中对其控制效果进行验证,其具有较低的稳态误差精度,效果优于计算力矩控制策略。     

上肢康复机器人动力学模型参数辨识

上肢康复机器人是一个非线性、多耦合的系统,对其建立精确的动力学方程较为困难,故无法直接应用于控制系统中。基于拉格朗日法建立康复机器人动力学方程,设计一条激励轨迹,并运用激励轨迹得到的关节力矩和关节角度等相关数据进行动力学参数辨识。使用递归最小二乘法辨识法得到较为精确的上肢康复机器人动力学方程,并通过设计相应的验证轨迹,证明了辨识得到的动力学方程的有效性。     

3-RRR并联机构动力学参数辨识模型

根据运动学模型,推导了3-RRR并联机构的雅可比矩阵.在每一个运动构件上选择一个适当的关键点,从而使运动构件的偏角速度矩阵和关键点的偏速度矩阵中不包含基本动力学参数.相对于这些关键点,计算出每一个运动构件的惯性力和力矩.基于虚功原理,从惯性力和力矩中提取基本动力学参数,推导出3-RRR并联机构动力学参数辨识模型.     

机器人动力学参数辨识方法的研究

在不解体情况下,采用ＣＡＤ方法计算各动力学参数值,基于多体系统动力学模型及ＰＵＭＡ机器人单关节运动试验结果修正相应动力学参数,并考虑各关节摩擦与阻尼特性。通过ＰＵＭＡ机器人各臂联动试验验证辨识参数的正确性。     

一种基于神经网络的双足机器人混合动力学系统辨识方法

针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神经网络辨识双腿的连续摆动阶段,利用动态模糊神经网络辨识离散的足地碰撞阶段;依据两阶段同一变量的耦合、转换关系,实现了对双足机器人整体混合系统的准确辨识。仿真实验结果表明,该方法辨识和预测结果具有较高的准确度。     

机器人动力学系统的神经网络辨识

应用动态前馈神经网络结构和基于非线性最小二乘的学习算法,对两自由度机器人动力学进行神经网络模型辨识研究。闭环控制模态下的仿真结果表明,所采用的神经网络结构可有效地代表实际机器人的动态特性。     

工业机器人动力学参数分步辨识与零力控制示教

针对复杂工况下,工业机器人直接示教柔顺性欠缺的问题,这里在传统零力控制算法中加入动力学惯性项补偿以降低示教过程的牵引力。首先,在综合考虑重力、关节摩擦和科氏力等因素的情况下,建立了一种6轴工业机器人线性动力学模型。针对该动力学模型参数辨识高维度、强非线性、多参数的特点,提出了一种分步辨识方法,此方法能有效地降低辨识方程系数矩阵维度,减少计算量。然后,根据辨识结果设计基于力矩控制的惯性项补偿零力控制器。最后,进行动力学参数辨识结果验证与直接示教实验。实验结果表明所提出的分步辨识方法结果较为精确;相比传统的零力控制算法,增加惯性项补偿的零力控制算法能使示教过程的牵引力幅值降低28.6%,显著改善示教过程的柔顺性。