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。     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于蚁群算法的Hopfield神经网络在多空间站路径规划的应用研究*

空间机器人每次携带的燃料有限,提高空间机器人的工作效率以及延长其在轨寿命研究具有重要意义,分析了空间机器人多空间站访问问题。为了弥补传统路径规划方法容易陷入局部极小点的问题,提出利用基于蚁群算法的Hopfield神经网络来解决空间机器人多空间站访问问题。仿真实验结果表明,基于蚁群算法的Hopfiled神经网络用于多空间站访问问题,收敛速度要比Hopfield神经网络快,且比Hopfield神经网络易于跳出局部极点,该算法有利于解决多空间站路径规划问题。     

基于约束满足的多目标双足机器人动态步态参数优化*

目前的步态优化算法仅仅实现了对单一目标的优化,把双足机器人步态优化看做是多目标优化问题,构建了衡量稳定性、能量消耗、步行速度三个目标评价函数。考虑到直接对多个目标加权求和的方法不能很好地处理多目标问题,提出一种新的基于约束满足的多目标步态参数优化算法,其思想是把基于惩罚函数的SPEA2(strength Pareto evolutionary algorithm2 )应用到多目标双足机器人动态步态参数优化问题上,规划出了同时满足这三个目标的动态优化步态。通过仿真实验表明了算法的有效性。     

Online gait programming of humanoid walking via NMPC

In order to satisfy the requirement of realtime gait programming of humanoid walking with foot rotation,a kind of modified Nonlinear Model Predictive Control (NMPC) scheme was proposed. Based on setting suitable kinetic and kinematic virtual constraints of Single Support Phase (SSP) and three subphases of Double Support Phase (DSP) ,complex realtime gait programming problem was simplified to four online NMPC dynamic optimization problems. A numerical approach was proposed to transform the dynamical optimization problem to the finite dimensional static optimization problem which can be solved by Sequential Quadratic Programming (SQP) . It can be concluded from simulation that using this method on BIP model can realize online gait programming of dynamic walking with foot rotation and the biped stability can be satisfied such that there is no sliding during walking.     

6-PRRS并联机器人的动力学建模研究

为解决并联机器人动力学模型的计算复杂性与实时准确控制之间的矛盾,采用虚功原理建立6-PRRS并联机器人各构件随参数变化的完整动力学方程,对6-PRRS并联机器人动力学模型在各种工作情况下进行仿真分析,对机器人各部分质量和转动惯量对驱动力的影响进行研究,提出动力学模型简化策略,减小了动力学计算量,提高并联机器人动力学的计算速度,为并联机器人的控制和参数识别奠定了基础.     

基于MAS的多机械手协调工作控制

为了解决全自动化晶体切片角分类机三个机械手协调工作的控制问题,设计了以MAS理论为基础的分布式网络控制器.系统利用黑板结构来实现全局动态目标下的状态信息的共享,采用多Agent理论对三个机械手进行协调工作控制,解决了机械手之间的运动耦合问题,使之能够在同一个时间和不同的空间内协调与配合工作,完成整体工作任务.基于此设计的设备可改善工人的劳动环境、提高生产效率、确保晶体切片切角的测量与分类准确.     

MOTOMAN-HP3型机器人运动学建模

根据MOTOMAN-HP3型机器人具体结构特点,建立机器人的运动学模型,求出正逆解.并在机器人运动学建模过程中,对关节运动范围的转换规律进行了研究.为机器人运动分析、离线编程、轨迹规划等打下了基础.     

基于ZMP的双足机器人稳定性分析

引入双足机器人研究中一个重要物理量——零力矩点ZMP（zero Moment Point）,研究其计算和测量方法,利用其分析双足机器人在单腿和双腿支撑时的作用范围,最后在二维和三维平面内对机器人的ZMP计算进行探讨,为稳定步态的设计做了理论铺垫。     

基于群体智能的多机器人任务分配

针对具有松散和紧密耦合型任务的大规模多机器人系统,研究了基于群体智能的任务分配方法。系统采用层次结构,高层用蚁群算法实现松散耦合型任务分配的寻优,提出逆转分配思想让蚂蚁代表任务,为每个任务选择任务的承担者。底层分别提出了基于蚁群、粒子群蚁群和量子蚁群实现机器人联盟的形成——产生紧耦合型任务解,并进行仿真。仿真结果表明,基本蚁群算法得到的解质量最差;粒子群蚁群算法得到的分配解最好,但是运算时间最长;量子蚁群算法得到的解稍次于粒子群蚁群算法,但分配时间比另两种算法减少了一半。因此,在大规模的多机器人任务分配中,量子蚁群算法具有更强的适用性。