基于干扰观测器的不确定线性多变量系统控制

针对不确定线性多变量系统,提出一种基于干扰观测器(Disturbance observer,DOB)的保证系统内部稳定性的控制策略.以简单的结构和少量的计算代价实现鲁棒的控制效果,补偿外界干扰以及内部模型误差.通过引入一个闭环稳定性等价系统,辅助分析基于干扰观测器的多变量控制系统的内部稳定性,探讨在存在外部扰动及内部模型不确定性的情况下系统保证内部稳定的充分条件,指导外环控制器及内环干扰观测器中Q滤波器的设计.通过数值模型上的仿真验证了提出的控制方法的有效性.     

基于H∞范数优化的干扰观测器的鲁棒设计

研究干扰观测器的鲁棒优化设计方法, 应用H∞范数定义干扰观测器的优化性能评价函数, 把低通滤波器的设计问题转换为H∞闭环回路成形问题. 通过适当处理相对阶次条件等约束, 把带有约束的回路成形问题转换成无约束的H∞标准问题, 然后利用H∞标准问题的求解算法设计滤波器. 此外, 探讨了性能与频率加权函数的关系, 并在此基础上提出了加权函数的选取方法. 实验结果证明该方法设计简单, 且具有最优性和系统性.     

基于概率路标的机器人狭窄通道路径规划

针对机器人工作空间中存在狭窄通道时,基于概率路标图的路径规划法不能有效提高狭窄通道中路标分布的合理性,研究一种基于狭窄通道辨识的混合路标规划法的混合路标采集策略,利用星形试验法辨识出狭窄通道形状,增加狭窄通道中的路标密度,使全局路标分布合理化,提高了路径规划的效率.二维和三维配置空间中的仿真实验验证了该算法的有效性.     

网络机器人的可调整自主性

Internet上数据传输的不确定延时妨碍了机器人和操作者之间迅捷而透明地交互, 严重限制了遥操作机器人的性能和应用. 本文研究了机器人的可调整自主性(Adjustable autonomy, AA), 通过改善人机交互来补偿网络通讯存在的不确定延时对系统性能的影响. 机器人的自主性根据当前形势和环境动态调整, 操作者和机器人以适合网络状况和任务需要的模式进行交互和合作, 使得整个系统的效率大大提高. 实验结果证明了所提方法的有效性和可行性.     

力矩受限的机器人吸引域估计方法

针对力矩受限的机器人组合非线性反馈控制的局部稳定区域描述问题,研究了吸引域的估计方法.利用不变集属性和椭球性质,定义两种不同意义的最大椭球不变集来逼近吸引域,分别采用设置初始状态法和参考形状集法求解.通过带有约束的优化问题描述,所有条件均能转化为线性矩阵不等式条件,易于求解.由于采用优化技术,能够减小吸引域估计的保守性.数值算例验证了所提方法的有效性.

     

力矩受限的机器人吸引域估计方法

针对力矩受限的机器人组合非线性反馈控制的局部稳定区域描述问题,研究了吸引域的估计方法.利用不变集属性和椭球性质,定义两种不同意义的最大椭球不变集来逼近吸引域,分别采用设置初始状态法和参考形状集法求解.通过带有约束的优化问题描述,所有条,件均能转化为线性矩阵不等式条件,易于求解.由于采用优化技术,能够减小吸引域估计的保守性.数值算例验证了所提方法的有效性.     

基于自抗扰控制的机器人定位策略

机器人定位即需根据传感器测量对自身位置进行估计. 由于机器人系统模型的复杂非线性, 工况环境中的不确定干扰, 定位结果不可避免地会受到系统内外扰动的影响. 现有的定位算法往往仅能依赖模型或传感配置以及算法自身的鲁棒性被动抗扰, 这使得定位系统的抗扰能力有限、应用场景受限. 本文基于自抗扰控制思想提出一种 能够主动补偿系统内外扰动的机器人定位策略. 该策略将系统中所有能够影响最终定位结果的不确定因素统一视为总扰动, 并设计扩张状态观测器实现对总扰动的观测, 在此基础上构建控制器补偿总扰动影响, 以使定位结果更加准确. 与传统的定位抗扰策略相比, 本文所提出的抗扰定位策略并不依赖于模型或特定的传感配置, 能够处理任意有界的扰动类型, 理论上能够成为定位抗干扰的终极解决路径. 最后, 基于李雅普诺夫理论证明了系统的稳定性. 仿真和实车实验验证了本文提出的基于自抗扰控制的机器人定位策略能够有效地观测系统总扰动, 并补偿扰动影响, 提高定位结果的准确度.     

双机器人系统的基坐标系标定

多机器人协调系统研究中，机器人基坐标系之间的关系标定是一个重要而困难的问题，本文研究一种基于视觉传感的双机器人基坐标系关系的标定方法，通过一个机械手持有的摄像机观察另一个机械手末端的主动运动来实现．该方法独立于机器人系统中的其它关系的标定过程，可由系统自动完成，且不需要任何人工标定辅助．文中还给出了消除标定误差的直角坐标系坐标轴正交归一化的方法．仿真研究表明所给方法的有效性．     

基于耦合ADRC原理的机器人无标定手眼协调

研究机器人的无标定手眼协调问题．基于耦合的自抗扰控制器思想，通过对系统建 模的不确定性及其未知外扰进行非线性补偿，完成了相互耦合的不依赖于系统特定任务的无 标定手眼协调控制器的设计，实现了广泛意义的机器人无标定手眼协调，最后的仿真和实验 说明了该方法的可行性．     

一种基于分布式智能的网络机器人系统

提出了一种基于网络智能的分布式智能体系,构建并实现了基于分布式智能的网络机器人系统．通过赋予传感器以智能,将网络环境中的不同个体抽象为不同的智能节点．传感智能节点处理和传输多种层次的传感信息,实现传感智能的交互与共享．机器人节点以自主感知能力和“网络即插即用”机制为基础,根据任务的需要以及网络的传输状况,主动从网络中获取相应层次的智能和信息．实验表明,该体系有效地减轻了网络通信负担,提高了网络机器人系统的整体性能和智能水平．