基于神经网络补偿的机械臂轨迹控制策略的研究

建立了二维机械臂的动力学方程,分析了控制机械臂轨迹应考虑的不确定量.考虑到机械臂动力学模型的非线性和参数的不确定性,提出了采用神经网络作为补偿器的机械臂轨迹控制策略.该策略结构简单,采用标称值确定神经网络初始权值,易于工业实现.仿真研究表明了所提控制策略的有效性及神经网络补偿器的泛化能力和自适应能力.     

基于Kinect的机械臂增强现实示教研究

机械臂广泛地应用在工业自动化生产以及人们日常生活中,机械臂而示教学习作为一种重要的运动规划方式,是机械臂研究领域的一项重要研究内容。鉴于此,设计了一种基于Kinect的虚拟机械臂增强现实示教系统,通过Kinect传感器采集人手位置数据,利用机械臂逆运动学模型驱动虚拟机械臂跟踪人手运动,实现对机械臂的虚拟示教;利用增强现实技术,将虚拟机械臂叠加到真实环境中,实现对机械臂的增强现实示教。实验结果表明该系统能够将虚拟机械臂准确地叠加到真实环境中,并实时跟踪人手运动,系统具有良好的交互性。     

基于双向LSTM神经网络的机器人机械臂智能轨迹控制系统

针对机械臂智能轨迹控制易受其不确定性与外部扰动影响的问题,设计基于双向LSTM神经网络的机器人机械臂智能轨迹控制系统,实现对机器人机械臂轨迹的实时控制,使其能够快速响应环境变化和执行新任务。利用远程控制模块输入用户设定的机械臂运行参数;主控制模块的主控单元利用双向LSTM神经网络,估计机械臂的不确定性数据,并依据用户设定的相关参数,结合自适应滑模控制器,设计机械臂智能轨迹复合控制律,由主站通讯板卡传输至伺服模块;伺服模块接收智能轨迹复合控制律后,利用伺服驱动器启动直流力矩电机,按照复合控制律驱动机械臂运动,完成机械臂智能轨迹控制。实验证明：该系统可有效完成机器人机械臂智能轨迹控制,且控制后的运行轨迹与设定轨迹非常接近;经过控制后的机械臂关节角度变化曲线较平滑,且连续,具备较优的智能轨迹控制效果。     

机械臂轨迹跟踪控制研究进展

综述了近年来刚性机械臂轨迹跟踪控制研究领域的最新进展.根据应用于机械臂的不同控制算法进行分类,从自适应PID控制、神经网络自适应控制、模糊自适应控制、滑模变结构控制和鲁棒自适应控制5种主要控制方法进行阐述.重点从关节空间出发,论述了各种控制算法在提高机械臂轨迹跟踪性能方面的各自优缺点,并分析了它们之间的相互联系.对机械...     

基于三步法的机械臂轨迹跟踪控制

考虑机械臂末端轨迹跟踪控制问题,以跟踪逆运动学求解出的末端期望轨迹对应的各关节期望角度为控制目标.设计了一种基于三步法的控制器,该控制器由类稳态控制、可变参考前馈控制和误差反馈控制3部分组成.证明了该控制器可以通过控制机械臂的各关节力矩实现各关节实际角度对期望角度的状态跟踪,进而使得末端轨迹渐近跟踪期望轨迹,并且跟踪误差是输入到状态稳定的.仿真表明基于三步法控制器的空间机械臂末端可以渐近跟踪期望轨迹,并且该算法可以克服系统的末端负载质量变化等不确定性的影响.     

基于滑模控制的机械臂轨迹跟踪控制

针对多自由度机械臂轨迹跟踪存在的外部干扰和系统抖振问题,设计了一种干扰观测器结合滑模控制的轨迹跟踪方法.针对干扰问题,采用干扰观测器对系统的外部干扰进行观测;针对控制系统存在的抖振问题,设计滑模控制器进行补偿.采用二自由度机械臂为控制对象进行仿真实验,结果表明,该方法能有效克服外部扰动的同时,有效地削弱了系统抖振,提高...     

基于SSVEP的空间机械臂脑机交互方法

为实现航天员与空间机械臂的脑机交互,针对稳态视觉诱发电位脑机接口(SSVEP-BCI),提出一种基于卷积神经网络的SSVEP信号分类方法。该方法以SSVEP信号经过快速傅立叶变换的特征为输入,经过三层卷积层、全连接等操作实现信号的分类识别。采用清华大学Benchmark数据集对该方法进行测试,在1秒的时间窗口下,平均分类准确率为99.07%,平均信息传输率为149.24b/min,均明显高于采用典型相关分析或滤波器组典型相关分析的方法。实验对比分析表明,该方法针对短时间窗口的SSVEP信号具有较好的目标分类效果。最后,使用分类后的信号作为控制信号,对仿真环境下的空间机械臂进行操作,实现人和空间机械臂的脑机交互。     

基于参数不确定机械臂系统的自适应轨迹跟踪控制

针对机械臂系统惯性参数及运动学参数不能准确测量进而影响轨迹跟踪性能的问题,提出一种任务空间自适应轨迹跟踪控制方法,通过定义关节角速度参考误差,并将任务空间的轨迹跟踪误差及运动学参数误差反馈给控制器,以改善系统稳定性,设计电机参数传输矩阵及电机参数自适应率,以抵消电机发热引起参数漂移对跟踪性能影响,并给出了稳定性证明.实验结果表明,该方法能够较好地克服电机参数漂移对跟踪控制性能的影响.     

基于动力学约束的机械臂最优关节轨迹规划

本文提出了基于机械臂关节驱动力矩约束方程规划其关节最优运动轨迹的一种有效方法.该方法运用矩阵范数理论简化机械臂的动力学约束方程;在机械臂的关节空间内采用归一化的无因次量运用非线性规划法优化其运动轨迹.将所规划的无因次量轨迹方程作为机械臂产生实际运动轨迹的发生器,通过给定机械臂各运动段的起始和终止关节坐标,由系统的动力学约束方程计算出整个运动段所允许的最短运行时间,即生成所期望的运动轨迹.本文的轨迹规划方法计算效率高,可用于在线轨迹规划,文中通过算例证实了该方法的实用性.     

基于能耗优化的深海电动机械臂轨迹规划

由于深海电动机械臂动力学模型较为复杂,难以基于动力学模型构建精确的能耗优化目标函数,因此,本文提出一种利用径向基函数(RBF)神经网络构建机械臂功耗模型的方法.首先,利用机械臂水下运动实验数据集训练所构建的RBF神经网络.利用基于该神经网络的功耗模型,结合机械臂关节空间轨迹规划多项式,建立机械臂能耗目标函数.然后,采用自适应粒子群优化(PSO)算法求解最优轨迹参数.结果显示,RBF功耗网络均方根误差(RMSE)为20.89 W;经过优化的轨迹的能耗比实验轨迹的能耗均值降低410.8 J(18.3%).实验结果表明基于自适应PSO算法的轨迹规划方法实现了能耗优化的目标.     

柔性机械臂基于观测的逆动力学轨迹跟踪控制

本文探讨了稳定逆动力学与基于观测的状态误差反馈镇定器集成实现柔性机械臂 末端轨迹跟踪的控制策略．基于观测器可以充分利用由稳定逆动力学生成的理想状态轨迹信 息,实现全状态误差的反馈镇定以消除末端轨迹跟踪的扰动误差．     

一种基于遗传算法的空间机械臂避障轨迹规划方法

针对空间机械臂系统的一系列特殊需求,提出了一种空间机械臂轨迹规划方法.假设机械臂在关节空间下存在一条可以用两段高次样条曲线分段描述、满足所有空间机械臂运动特性要求的理想轨迹.这两段样条轨迹之间的连接点参数能够影响两段样条函数在空间中的扭曲形状,从而使机械臂在遵从样条轨迹运动的同时避开所有障碍.首先建立理想轨迹的分段描述方程,将方程中的未知量用与中间点有关的参数进行描述,将不能够确定的中间点相关参数提取出来作为待定参数,从而将空间机械臂轨迹规划问题转变为一个多目标优化求解问题;其次应用遗传算法进行求解,在分析空间机械臂控制需求和障碍的笛卡儿空间描述的基础上,通过加权系数法建立关于笛卡儿空间机械臂末端轨迹长度、关节空间机械臂运动角度、运动过程中关节最大扭矩、机械臂总运动时间和碰撞情况的遗传算法适应度评定函数.最后应用遗传算法在关节空间下规划出一条无碰撞、动力学特性满足裕度要求、轨迹长度和运动时间较短的理想轨迹.另外,上述方法具有拓展性,通过多次分解轨迹求取中间点,能够使机械臂避开非常复杂的障碍.利用该方法在通过C语言建立的空间机械臂仿真平台上进行验证,结果表明该方法稳定、有效,生成的轨迹满足空间机械臂的性能要求.     

基于机器视觉的多机械臂煤矸石分拣机器人系统研究

现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值,利用图像处理和模式识别技术对煤矸石进行识别分选,分选的煤矸石粒度为25～150mm,而对于150mm以上的煤矸石仍依靠人工进行分选。为了对大粒度煤矸石进行分拣,设计了一种基于机器视觉的多机械臂煤矸石分拣机器人系统。该系统采用机器视觉采集煤矸石信息,应用深度学习方法实现煤矸石识别和抓取特征提取;在获取煤矸石序列信息后,根据煤矸石位置进行排序工作,并通过多目标任务分配策略将抓取任务下达给相应机械臂控制器;机械臂获取任务后,根据获得的任务对目标进行动态监测,当目标进入机械臂工作空间后由视觉伺服系统驱动机械臂完成煤矸石分拣。试验结果表明,该系统可对粒度为50～260mm的煤矸石进行高效、快速分拣,所采用的煤矸石识别方法和分拣策略在不同带速下具有良好的稳定性和准确性,煤矸识别与定位的综合准确率可达93%,验证了该系统的可行性。     

基于改进蚁群算法的六自由度机械臂轨迹规划

为了解决六自由度械臂末端轨迹的平稳性和效率的问题,针对多关节机械臂末端轨迹提出了一种基于改进蚁群算法的多关节机械臂轨迹规划。采用了关节空间轨迹方法包括B样条插值、三次多项式插值和五次多项式插值进行实验分析论证,同时根据改进的蚁群算法对机械臂的轨迹进行规划,对比位置的准确性、轨迹的连续性、加速度的变化率,确定最后的轨迹规划算法为改进的蚁群算法与多项式轨迹规划相结合效果最好。     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

基于信赖域算法的机械臂时间最优轨迹规划

为了提高机械臂的工作效率,提出了一种新的时间最优轨迹规划方法.通过逆运动学运算得到与任务空间轨迹对应的关节空间位置序列,采用7次B样条曲线构造关节空间插值轨迹,将运动学约束转换为对B样条轨迹曲线控制顶点的约束,并适当放大约束条件,然后采用信赖域方法求解时间优化问题,从而规划出速度、加速度和脉动均连续且满足运动学约束的时间最优轨迹.仿真结果验证了所提出时间最优轨迹规划方法的有效性.     

基于GA的时间最优机械臂轨迹规划算法

由于多项式插值轨迹规划具有阶次高、没有凸包性质等特点,传统优化方法难以应用的特点,根据机械臂运动学约束,提出了关节空间基于遗传算法(GA)的3-5-3多项式插值轨迹规划算法。利用运动学约束,以最优时间为目标,针对关节型机器人在静态环境下的点到点的轨迹规划问题,利用GA算法解算多项式插值的时间。通过与基于PSO的3-5-3多项式机械臂轨迹规划运动位置、速度、加速度曲线对比,证明该方法在运行时间和运行平稳度上都有突出优点。