复杂环境下移动机器人路径规划与跟随

提出了一种基于改进A^*算法和PID控制算法的新型移动机器人路径规划与路径跟随控制方法,该方法适用于复杂的迷宫环境．在所提出的方法中,解决了A^*算法转折点过多的问题,并且通过拓展障碍物和四阶三次均匀B样条优化的方法使生成的预期路径安全且平滑;之后基于前视点的两轮差速机器人运动学模型设计了PID控制器．在专门设计的框架中测试了所提出方法的性能．作为验证,分别从路径规划与路径跟随两个方面做了详尽的实验,结果表明,规划路径转折点少且平滑,设计的PID控制器能够控制移动机器人实现较好的路径跟随效果．最后,在复杂的迷宫环境中验证了提出的方法,结果表明,所提出的方法能够使机器人无碰撞穿越迷宫．     

谐波驱动并联机器人的加速度反馈抑振控制

研制出一种结构紧凑、简单实用的平面并联机器人系统,采用谐波传动并且在其输出端位置反馈的驱动与控制形式,提高机器人系统的位置分辨率和定位精度;基于机器人驱动关节加速度反馈控制,抑制因系统高速运动引起的弹性振动,对机器人系统进行了数值仿真与实验研究,与不具备加速度反馈时的情况相比较,证明了该控制策略的可行性和有效性。     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

空间机器人的可变增益滑模控制方法

针对空间机器人抓捕目标的轨迹跟踪过程,提出了一种基于可变增益的滑模控制算法,并利用MATLAB/Simscape对空间机器人的理论动力学模型和控制算法进行了仿真校验。首先,基于拉格朗日法构建了空间机器人的动力学模型,并给出了系统参数不确定时的动力学方程。设计了一种滑模控制器,在控制器中引入了可变增益,该增益可根据系统的不确定性和系统的运动状态进行调整,从而使控制器具有很强的鲁棒性。基于Simscape Multibody软件模块,对空间机器人的理论动力学模型进行了验证。在此基础上,针对多关节运动和系统模型不确定两种情形,利用可变增益滑模控制算法进行了空间机器人的轨迹跟踪仿真实验。实验结果表明,与传统的计算力矩法相比,本文提出的控制算法呈现出更高的运动控制精度和误差收敛速度。     

基于速度观测器的移动机器人轨迹跟踪控制

提出了一种无需纵向速度测量的新的移动机器人轨迹跟踪控制方法,可以采用速度观测器替代纵向测量装置来确定移动机器人的运动速度.设计了一种基于速度观测器的轨迹跟踪控制器.控制器设计是以轮式及履带式移动机器人模型及其所采用的驱动电机数学模型为基础,具有两种实用性能：（1）控制器不需要很精确的移动机器人模型参数和驱动电机参数,就可以很好地在一个闭环控制系统中减小跟踪误差;（2）在理论上仅需要通过一个设计参数的设置就能够有效地控制跟踪误差范围.     

基于参数寻优的自学习算法在两轮机器人控制上的应用

针对两轮机器人现有控制算法的弊端,基于自学习参数寻优算法设计自适应控制器.该控制器结构简单,无需依赖精确数学模型,经过多次学习训练,即可获得最优控制参数.将该控制器应用于两轮机器人的平衡控制中,并与线性二次型(linear quadratic regulator,LQR)最优控制器进行对比,仿真结果验证了该算法的正确性、有效性,凸显出较强的鲁棒性和仿生学习性;将该控制器应用于两轮机器人物理系统,取得了良好的控制效果.     

Seam tracking control for mobile welding robot based on vision sensor

To solve the seam tracking problem of mobile welding robot, a new controller based on the dynamics of mobile welding robot was designed using the method of backstepping kinematics into dynamics. A self-turning fuzzy controller and a fuzzy-Gaussian neural network (FGNN) controller were designed to complete coordinately controlling of cross-slider and wheels. The fuzzy-neural control algorithm was described by applying the Gaussian function and back propagation (BP) learning rule was used to tune the membership function in real time by applying the FGNN controller. To make the tracking more quickly and smoothly, the neural network controller based on dynamic model was designed, which utilized self-learning and self-adaptive ability of the neural network to deal with the partial uncertainty and the disturbances of the parameters of the robot dynamic model and real-time compensate the dynamics coupling. The results show that the selected control input torques make the system globally and asymptotically stable based on the Lyapunov function selected out; the accuracy of the proposed controller tracing is within ±0.4 mm and can satisfy the requirements of practical welding project.     

履带轮椅机器人爬楼姿态控制的研究

提出一种采用履带结构的轮椅机器人方案,并对其爬楼姿态的控制方法进行研究. 利用6轴运动传感器获取机体爬楼时的姿态数据,超声波传感器采集机体两侧的距离数据,根据轮椅机器人自身特点与实际经验,使用模糊PID（Proportion Integration Differentiation）算法设计出模糊自整定PID控制器. 通过在MATLAB/SIMULINK下仿真,该控制器能将方向角稳定在预定角度,建立稳态时间为0.17 s,最大超调量不超过7.2%. 实际试验中,方向角稳定在预设值±0.2°内,具有很好的控制效果,实现了爬楼过程中的自动控制.     

一种改进的移动机器人运动控制算法

在传统的控制系统中,控制器修正信号通常选取为跟踪误差的线性函数,虽然运算量较小,但在跟踪误差较大时,系统的响应速度较慢,为此,提出一种改进的运动算法,控制器修正信号选取跟踪误差的三次函数,并且为了克服在跟踪误差较大对高阶误差修正容易出现不稳定现象的问题,提出了修正信号增益分段线性化的方法计算机仿真结果证明,在跟踪误差较小时该算法与传统算法具有相似的跟踪特性,但在较大跟踪误差时,该算法既提高了系统的响应速度,又保证了系统的稳定性。     

A new impedance and robust adaptive inverse control approach for a teleoperation system with varying time delay

This paper presents a new robust adaptive inverse control approach for a force-reflecting teleoperation system with varying time delay. First, an impedance control is designed for the master robot. Second, an adaptive inverse control is proposed for the slave robot. Finally, the slave side controller is modified such that the robust stability and performance are achieved. In addition, robust stability analysis has been performed and optimal behavior is ensured by using standard characteristic polynomials. It is shown that despite of presence of randomly-varying time delay, the proposed control algorithm compensates the position drifts efficiently. Demonstrable simulation studies confirm the effectiveness of the proposed control system and its advantages over the existing sliding mode control strategies.     

一种基于遗传模糊算法的足球机器人射门方法

为了提高足球机器人的射门成功率,给出了一种基于遗传模糊算法的足球机器人射门实现方法．通过建立一个多输入多输出模糊控制器,用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作,并采用遗传算法优化模糊规则和隶属度函数,增强了模糊控制系统适应动态变化环境的能力．实验结果证明了方法的正确性．     

基于二型模糊大脑情感学习控制器的双足机器人容错控制研究

为提高双足机器人行走的控制精度,提出利用二型模糊大脑情感学习控制器对双足机器人进行容错控制.该方法利用控制器的非线性估计模块估计双足机器人的系统故障和建模误差信息,并由计算转矩控制器和鲁棒控制器实现容错控制以解决外部扰动引起的系统不稳定问题.利用Matlab对两个案例进行仿真结果表明,该方法在双足机器人出现系统故障和外部出现扰动的情况下,仍能良好地估计出控制器的输入值,使双足机器人正常运行.因此,该方法对提高双足机器人的容错控制精度及轨迹跟踪的可靠性具有很好的参考价值.     

移动机器人智能避障算法仿真研究

针对轮式移动机器人运动过程中避免碰撞固定障碍物的问题,提出了一种基于预先检测位置的智能控制算法。该算法以障碍物边预先检测位置为运行过程的子目标,通过经由各子目标,实现移动机器人绕行障碍物,避免碰撞的目的。仿真结果显示:使用此智能控制算法,移动机器人能够实现平稳绕行障碍物,到达最终目的地。     

一种机器人的神经网络控制器

提出一种用前馈多层神经网络实现的控制器,此控制器通过学习系统的逆动力学特性,能直接由系统反馈回的输入、输出信息及未来的期望输出,“联想”到相应的应加在系统输入端的控制量．仿真及实时控制的实验结果均证实此控制器所具有的理想的控制效果和实用价值．     

基于遗传模糊算法的足球机器人射门动作控制

为了提高足球机器人的射门成功率，给出了一种基于遗传模糊算法的足球机器人射门实现方法。通过建立一个多输入多输出模糊控制器，用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作，并采用遗传算法优化模糊规则和隶属度函数，增强了模糊控制系统适应动态变化环境的能力。考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则内输出。在仿真和全局视觉足球机器人平台上对该算法进行了验证，实验结果证明了方法的正确性。     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题,提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点,通过扩展,逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明,即使在随机生成的复杂环境下,利用该算法也可以快速规划出一条全局优化路径,且能安全避障。     

不确定性扰动下双足机器人动态步行的自适应鲁棒控制

针对不确定性扰动下双足机器人动态步行的鲁棒控制问题,建立不确定性扰动下双足机器人的动力学模型. 将特定庞卡莱映射方法拓展到不确定性扰动下双足机器人的稳定性分析,将机器人随机系统的稳定性分析转化为确定性周期系统的稳定性分析. 基于滑模控制方法,提出自适应滑模控制器. 与以往滑模控制器相比,该控制器无需外部扰动的准确幅值信息. 考虑到双足机器人在实际应用中常会遭遇非平整路面,进一步将该自适应滑模控制器拓展到非平整路面的鲁棒控制：提出碰撞速度不变性条件,基于落地速度控制进行在线轨迹规划,基于自适应滑模控制器对机器人进行反馈控制. 基于三维（3-D）五杆双足机器人进行仿真实验,结果表明,所设计的控制器能有效实现机器人在不确定性扰动下的鲁棒控制.     

On set-point tracking control of dexterous robot hand

A model-free set-point tracking control approach of multi-fingered robot hand is presented.The set-point tracking controller,which has the structural form of PD controller,is composed with a combination of feedforward term,feedback term and saturation control term.The controller does not require the explicit use of dynamic modeling parameters.Experiments performed on the HIT/DLR hand demonstrate the effectiveness of the proposed approach in performance improvement and real-time application.     

基于切换增益调节的神经滑模控制的机器人位置跟踪

针对机器人的位置轨迹跟踪问题,提出一种基于切换增益调节的神经网络滑模控制方法。首先设计基于机器人位置的滑模控制器模块,然后通过神经网络来调节滑模控制器中的切换增益,使得切换增益能随着外界干扰作用等不确定项的改变而改变,从而能实时地估计切换增益,解决传统滑模控制中的抖振问题,最后,以双臂机器人为对象,采用MATLAB仿真软件对该控制算法进行了验证。结果表明,与传统的滑模控制相比较,该方法能使机器人更好地跟踪期望的位置轨迹,并有效地减轻了抖振。     

基于模糊控制的移动机器人路径跟踪

建立了履带式移动机器人的数学模型.模仿人工驾驶过程中的预瞄行为,提出了一种移动机器人路径跟踪的模糊控制方法.用距离误差和预瞄角度误差作为控制量建立角速度控制器,实现对匀速行驶移动机器人的路径跟踪控制.LabVIEW仿真结果表明,提出的模糊控制方法能够保证移动机器人快速、准确的沿规划路径行驶,具有良好的鲁棒性.