机构影响系数和并联机器人雅克比矩阵的研究

基于刚体运动学的原理，对机构影响系数进行了研究，用运动坐标系和拟牵连速度的概念给出了机构速度影响系数求解公式，揭示了机构影响系数的物理意义，明确地论证了机构速度影响系数只与机构瞬时位姿有关而与机构的真实速度无关的结论。并将该方法用于并联机器人的运动学研究，由此而给出了求解并联机器人的雅克比矩阵的方法。     

3R机器人机构速度与加速度计算机辅助分析

采用计算机辅助设计对 3R机器人机构进行正向运动分析 ,绘制出速度、加速度曲线并对其进行分析和讨论 ,动画模拟机器人机构工作状态     

状态受限的非完整链式系统的实际镇定

考虑了状态受限的非完整单链式系统的实际镇定问题. 利用链式系统的特殊结构设计了两步控制算法. 该方法能够使闭环系统的状态最终收敛到原点的任意小邻域中, 且若系统初值小于任意正数M, 那么除了一个收敛到零的状态变量外, 其余状态变量在整个实际镇定过程中均小于正数 (1+ε)M, 其中ε可事先任意小. 最后对平面移动机器人进行了仿真, 验证了所给方法的有效性.     

液压机器人的预测函数控制

针对液压机器人系统存在较大的不确定性及干扰 ,其特征参数将随工况的变化和外载及环境的影响产生大幅度变动的特点 ,提出一种预测函数控制 (PFC)和 PID相结合的新方法。该方法相当于一个 PFC- P控制结构 ,通过其本身内环来克服随机干扰 ,外环采用预测函数控制来获得优良的跟踪性能和鲁棒性 ,实现目标和控制的分层。仿真结果表明 ,该 PFC- P控制方法能兼顾跟踪性、鲁棒性和抗干扰性等性能指标 ,可获得满意的控制效果     

非完整移动机器人的轨迹跟踪控制

讨论基于运动学模型的非完整移动机器人的轨迹跟踪控制问题。在一定的假设条件下实现了全局指数跟踪，该假设允许参考模型角速度和平移速度均趋于零，并将该方法推广到 动力学模型。仿真例子证明了该方法的有效性。     

自组织映射神经网络量化机器人强化学习方法研究

强化学习一词来自于行为心理学，这门学科把行为学习看成反复试验的过程，从而把环境状态映射成相应的动作。在设计智能机器人过程中，如何来实现行为主义的思想，在与环境的交互中学习行为动作？文中把机器人在未知环境中为躲避障碍所采取的动作看作一种行为，采用强化学习方法来实现智能机器人避碰行为学习。为了提高机器人学习速度，在机器人局部路径规划中的状态空量化就显得十分重要。本文采用自组织映射网络的方法来进行空间的量化。由于自组织映射网络本身所具有的自组织特性，使得它在进行空间量化时就能够较好地解决适应性灵活性问题，本文在对状态空间进行自组织量化的基础方法上，采用强化学习。解决了机器人避碰行为的学习问题，取得了满意的学习结果。     

联动油缸机构的遗传优化设计

为使喷浆机器人纵向进给机构与巷道中线始终保持平行 ,采用了一组油缸联动机构 ,并用改进的遗传算法对其进行了优化设计。改进后的遗传算法采用浮点数编码 ,用惩罚函数处理等式和不等式的约束问题 ,使之适用于所有的非线性约束优化问题     

基于RT-Linux的实时机器人控制器研究

本文结合机器人控制器的特点，提出了采用RT-Linux操作系统改进机器人控制实时性的方法，并对机器人控制器任务采用多线程机制进行实时域和非实时域的划分。最后给出了一个在RT-Linux操作系统下实现硬件设备实时驱动程序的实例。     

神经网络在智能机器人导航系统中的应用研究

智能机器人在未知环境听 导航系统主要涉及3个主要方面：（1）对环境的感知；（2）局部路径规划；（3）全局路径规划，文章综述了神经网络技术在这些领域中的应用，探讨了在神经网络技术中引入学习机制的方法。     

基于神经网络的机器人操作手IKP精确求解

结合位置正解模型，利用BP网络求解了机器人逆运动学问题（IKP）．为提高求解 结果精度，采用迭代计算进行误差补偿，计算结果表明，该法迭代次数少，计算精度高且计 算速度接近机器人实时控制的要求．