基于自适应边界能量法的柔顺力控制研究

阻抗控制方法是有效的机器人接触控制方法,但是该方法只能在预估的环境参数范围内保证系统的稳定性。针对这一问题,该文提出一种新的自适应边界能量（Energy Boundary Method-EBM）方法,通过在线估计控制参数提高系统整体性能,保证系统的稳定性。在该控制方法下,系统在与超出预估范围内的不确定环境相接触时,仍可保持期望的稳定接触力,同时具备较强的鲁棒性。为证实该方法的可行性及有效性,以气液联控柔顺力控制系统为例,进行理论及仿真研究,理论性能及仿真结果分析证明了该方法的有效性。     

基于阻抗模型的卧式康复机器人柔顺控制

为满足脑卒中患者早期卧床康复需求,结合临床康复手法与人机工程学,设计了一款卧式康复机器人。该卧式康复机器人可以提供单腿屈髋屈膝运动、卧式步态运动、桥式运动等多种有效的康复动作。为确保训练的安全性以及改善在训练过程中由人机交互作用带来的舒适度和柔顺性差等问题,采用一种基于阻抗模型的柔顺控制方法。将人与机器人之间的交互视为一种虚拟的阻抗模型,即二阶质量-弹簧-阻尼模型,并基于该阻抗模型进行康复机器人的柔顺控制研究。该柔顺控制策略由外环阻抗控制器和内环PID控制器组成,外环的阻抗控制器通过将人机交互力作用在阻抗模型上,实现根据人体意图对运动轨迹进行改变,而内环的PID控制器主要实现对生成的期望轨迹进行稳定跟踪。通过实验证明了基于阻抗模型的卧式康复机器人柔顺控制的有效性。     

基于线性平均的强化学习函数估计算法

提出了一种基于最小线性平均的强化学习算法,用于解决连续空间下强化学习函数估计的非收敛性问题。该算法基于梯度下降法,根据压缩映射原理,通过采用线性平均法作为值函数估计的性能衡量标准,把值函数估计的迭代过程转化为一个收敛于不动点的过程。该算法利用强化学习算法的标准问-题Mountain Car问题进行了验证,仿真结果验证了算法是有效的和可行的,并且可以快速收敛到稳定值。     

双叶片液压关节主被动联合柔顺控制分析

双叶片液压被动柔顺回转关节在受到外界环境的碰撞时,关节的被动柔顺性会使关节阀体输出转角产生回调,碰撞结束后,输出转角又会迅速恢复。为了有效吸收剩余的冲击能量,本文将自适应阻抗控制作为回转关节的主动柔顺控制,与关节的被动柔顺控制相结合,实现对关节的主被动联合柔顺控制,增大了回转关节在受到碰撞时的回调角度,能够更好地化解环境碰撞力。同时在关节的控制系统中设计并添加了一个模糊自适应PID（比例-积分-微分）控制器,作为自适应阻抗控制中的位置控制器,能够减小回转关节输出转角恢复后的稳态误差,提高了关节与外界接触时的安全性。     

利用分解加速度方法的机器人柔顺控制

机器人手臂在装配和制造生产上的应用,需要柔顺控制。意思是控制和监视机器人手臂的位置和力。本文提出了在作业空间基于分解运动加速度的稳定的精确的柔顺控制方法,在此系统的研制中使用了机器人手臂的动态模型,这种方法是通过把分解运动加速度方法和Raibert-Craig混合控制方法结合起来而导出的。对此方法的系统稳定性给予了分析,并对各种作业条件进行了仿真研究,结果表明所提出的柔顺控制方案具有满意的性能和较好的实用前景。     

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。     

基于卡尔曼滤波的巡视机器人能耗估计

为了对机器人巡检完预定杆塔所需的能耗进行准确的估计,对巡视机器人进行受力分析,利用积分法得到基于线路的环境参数(档段的水平档距、档段高差等)的单档段内的能耗模型;通过实验验证了模型的可行性.通过分析可知,需要巡检的杆塔越多,经过每个档段误差的积累,从起始杆塔截止到终止杆塔的能耗理论值与测量值之间的相对误差越来越大,导致无法准确地估计巡检完预定杆塔所需的能耗.基于自适应卡尔曼滤波器对由能耗模型得到的能耗理论值进行迭代修正,将相对误差控制在1.05%左右,提高了估计精度.     

容差柔顺手的设计与研究

分析了机器人手爪刚度对轴孔装配作业中装配力的影响,在此基础上设计了一种原理和结构全新的柔顺装配装置一容差柔顺手,并在ＰＵＭＡ－２６２机器人上,完成了精密配合轴孔的装配作业。     

基于下肢病情估计的康复机器人自适应阻抗控制

针对康复患肢的病情变化,提出了一种自适应阻抗控制方法。在患肢康复过程中,患肢的病情是进行康复训练的基础。首先采用周期参数来估计患肢病情,然后建立以符合生理学特征的标准函数为基础的轨迹参数,采用超代遗传算法,对下肢轨迹参数和阻抗参数优化,接着设计了自适应阻抗控制器,最后进行仿真实验,通过与传统方法比较,结果验证了超代遗传算法的有效性。     

基于源数估计的无约束欠定盲源分离算法

信源数目的估计是欠定盲源分离的前提条件,为了提高混合信号分离的准确性,提出一种Hough加窗法。利用Hough变换的思想将观测信号转变为角度变量,对变换域中的角度直方图进行加窗获得变换量的聚类区域,其峰值数即为信号源的数目。在此基础上,通过寻找变换量与混合矩阵列向量的关系可得到混合矩阵的估计值。提出一种无约束分离算法,由内点法从散点图分布中选取合适的初始迭代值,通过梯度下降法实现信号的分离。仿真实验结果表明,Hough加窗法具有较高的估计精度、较强的抗噪声性以及较低的稀疏敏感性,无约束分离算法具有较好的分离效果。     

基于估计概率密度函数的独立分量分析方法

基于最优估计函数,给出了一种估计得分函数的方法．通过使用高斯混合模型,给出了估计信号概率密度的EM算法和进行独立分量分析优化的梯度算法．为了提高算法的精度和稳定度,发展了迭代估计概率密度的方法,该方法可以针对超、亚混合信号进行分离．     

基于短信模块的环境参数检测系统设计

基于手机网络的环境数据传输方法具有网络覆盖广、可靠、无需组网等优点,有较大的应用价值和前景。为满足环境参数的远距离无线检测的需求,设计了一种基于短信模块的环境参数检测系统,实现了环境参数的采集、短信发送等功能,并通过串口连接上位机,配合上位机软件作为远程环境参数的征询端使用。对所设计软硬件的测试结果表明,该系统能较好地完成环境参数的采集和短信发送,实现环境参数的手机网络采集功能。     

机器人多指手的优化抓取力计算

由于机器人灵巧手与物体接触所产生的摩擦力约束为非线性约束,导致实时计算手指抓取力受到了极大的限制。提出了一种计算多指手优化抓取力的通用方法,其关键是利用拉格朗日乘子法,通过自动调节各手指法向接触力的权值系数来获得满足非线性摩擦锥约束的初始抓取力,并结合梯度流的方法对初始抓取力进行优化。对于任意的干扰外力,在满足抓取稳定性的情况下,可快速地计算出各手指的优化抓取力。仿真结果证明了该方法的有效性。     

基于柔顺机构的扑翼飞行机器人研究

介绍了扑翼机器人的研究现状,给出了一种基于柔顺机构的新型扑翼飞行机器人的设计方案.建立了机构的伪刚体模型并进行分析.用ANSYS有限元分析软件建立机构模型,并对机构的运动进行了数值模拟,对数值模拟结果和理论结果进行了对比分析.     

基于滑觉传感器和模糊控制的软抓取研究

介绍了一种基于滑觉传感器及模糊控制实现电液伺服机械手软抓取的控制策略,建立了滑动程度判别模型,并进行了实验研究。     

欠驱动假手手指抓取力的研究

为了满足欠驱动手进行复杂作业的需要,基于欠驱动原理建立了手指对物体的抓取力模型和基于力的阻抗控制策略.对应于任一手指姿态,抓取力模型可以准确得到基关节抓握力矩和手指各指节抓取力的关系;采用基于力的阻抗控制策略,实现了基关节抓取力控制.实验证明,手指能够稳定地抓取鸡蛋这样比较滑、容易碎、形状复杂且有一定质量,需要稳定和平衡抓取力的物体,其成功率达80%以上.而这是单纯用手指的基关节力控制很难做到的(成功率只有不到20%).手指抓取力模型和阻抗控制策略的建立大大增强了假手进行复杂作业,抓取复杂物体的能力.     

基于前馈径向基网络的动态抓取参数估计方法

针对机器人抓取非匀速运动物体过程中需要估计目标运动参数的问题,提出一种基于前馈径向基网络的物体运动参数估计方法．该方法首先采用核相关滤波算法实时跟踪目标位置,建立目标的运动模型;然后,通过径向基网络预测目标的运动参数,动态调整卡尔曼滤波运动估计方程的采样时间,大幅降低了计算耗时,同时提高了机器人对运动参数估计的准确性;最后,利用UR5机器人开展了抓取平面自由运动物体的实验．结果表明,与前馈感知机网络相比,所提出方法将抓取所需的时间缩短了20%,能较好地解决机器人抓取物体过程中,由于物体运动或方向变化造成的抓取失败问题．     

大地电磁阻抗估计方法研究进展

由于在大地电磁测深中所观测的电磁场信号很微弱,信号容易受到各种噪声的干扰,从而导致视电阻率计算不准确,观测的重复性差。因此,要从存在复杂干扰的信号中获得无偏阻抗估计,是电磁测深数据处理的重要任务之一。为此,首先概述了几种常用的阻抗估计方法的发展现状及最新进展,然后重点介绍了近两年提出的阻抗估计方法——基于Stable分布的最大似然阻抗估计法。该方法相比几种传统方法,是根据数据自身的噪声分布进行加权,而不是人为设定某一标准,因此能更合理地给出阻抗估计值。     

基于神经网络算法的电力谐波分析方法的研究

目前常用的谐波分析算法存在着计算精度低,计算量大等缺点,本文提出并研究了一种基于傅立叶基神经网络的谐波分析方法.利用傅立叶基神经网络模型进行谐波分析可以有效地提高神经网络的收敛速度和计算精度,减小了计算量.并通过仿真,验证了利用该算法进行谐波分析可快速获得电力系统的基波及各次谐波高精度的幅值和相位.     

基于神经网络算法的电力谐波分析方法的研究

目前常用的谐波分析算法存在着计算精度低、计算量大等缺点,本文提出并研究了一种基于傅立叶基神经网络的谐波分析方法.利用傅立叶基神经网络模型进行谐波分析可以有效地提高神经网络的收敛速度和计算精度,减小了计算量.并通过仿真,验证了利用该算法进行谐波分析可快速获得电力系统的基波及各次谐波高精度的幅值和相位.