基于TMS320LF2407A的48路舵机控制器研究

研究了一种新型数字舵机控制系统的设计问题。针对多关节机器人结构特征和运动控制特点,设计了一套基于TMS320LF2407A的DSP控制系统;分析了数字舵机控制系统的控制过程、结构组成、硬件软件实现方案。该系统具有外设简单、控制简单、运算能力强的特点。TMS320LF2407A支持多项式的高速、高效和全变速的先进控制技术,为关节机器人实现复杂运动提供了硬件的支持。系统采用分时译码方式实现六路控制信号控制最多48路舵机,满足作为多关节机器人的舵机控制系统的需要。     

混合遗传算法在结构参数标定中的应用

对多关节三维扫描仪的参数标定方法进行了研究。在准确推出三维空间坐标模型的基础上,提出了基于非线性最小二乘法思想的参数优化模型,继而提出了一种基于奇异值分解的最小二乘法的参数标定方法,在分析其适用范围之后,进一步提出了嵌入这种最小二乘法算子的混合遗传算法,这种算法综合了两者的优点,具有收敛速度快,精度高等优点,特别是其修正参数误差的范围比文献3、4的范围大大提高了。实验结果证明这种标定方法具有非常好的鲁棒性和工程应用价值。     

事件驱动多关节机械臂轨迹跟踪自适应鲁棒控制

针对具有不确定干扰和建模误差的多关节机械臂轨迹跟踪控制问题,基于自适应鲁棒控制算法提出事件驱动跟踪控制器。通过自适应鲁棒控制保证多关节机械臂轨迹跟踪精度,处理不确定干扰和建模误差带来的不确定性影响。利用事件驱动控制框架,以当前跟踪误差和期望状态等变量作为输入定义事件驱动系统的变量。根据Lyapunov稳定性理论获得了驱动条件,且证明了无Zeno现象发生,使系统在满足驱动条件时更新控制指令,从而减少系统能耗与通信频率,提高系统的可靠性,保证多关节机械臂跟踪控制系统半全局最终一致有界。通过仿真验证了理论结果的有效性。     

多关节自主游动机器鱼的设计与控制

为研究机器鱼设计过程中的关键问题(如密封、配重)以及机器鱼控制中的难点(如逼真的模拟鱼的游动),设计了四关节且可以自主游动的鲹科机器鱼研究平台,展示了机器鱼机械结构和控制系统的设计过程。水下实验证明此机器鱼平台可行而有效,能够真实地模拟真鱼的游动姿态和行为,可用于后续研究,如提高机器鱼的游动效率、优化机器鱼的控制算法等。     

基于多关节激光测量系统和GEOMAGIC QUALIFY的铸造件快速检测

在对复杂曲面的铸造件零件检测时,传统的检测方法无法对铸件曲面有效的检测,而且检测周期长,检测难度大,检测精度不高。本文采用多关节激光测量系统对一个复杂曲面铸造件进行数据采集,应用Geomagic Qualify软件与产品3D数据进行对齐,3D比对,快速得出误差分析表及误差色温图,实现了复杂曲面铸造件检测的数字化,可视化,有效的提高了复杂曲面铸造件的曲面检测质量和效率,对铸造件的制造工艺提供了可靠±据。     

多关节鱼水中救援策略

针对多关节鱼水中救援项目,在单关节鱼的基础上,对多关节鱼在尽可能短的时间内完成救援任务提出了一种救援策略.策略在多关节鱼能够全部撞击到目标物的前提下,保证了在规定时间内即使多关节鱼未能完成任务,也可以取得一个相对高效的救援效果.策略中设计出了迪杰斯特拉路径规划方案的救援路线,采用了直接撞击函数和鱼头甩动函数相结合的救援方法.实验结果表明:该策略能够灵活调用多关节鱼,大大缩短了救援用时,增加了策略的稳定性,提高了救援效率,在实际应用中取得了较好的效果.     

基于车内振动控制的多万向节相位优化

在简述传动轴扭转振动研究现状的基础上,针对万向节相位布置建立车内振动控制的平面多万向节传动的数学模型,并将该模型应用于实车优化方案的制定,仿真与试验结果表明优化方案是有效的与合理的,同时也在车内振动控制方面为平面多万向节相位布置的设计提供指导思路。     

基于平面表像法和多关节联动的刀具刃磨位姿调整

在工具磨床上刃磨刀具时,待刃磨面的位姿调整涉及复杂的空间平面联动变换,其角度调整的计算问题用一般方法很难解决。以平面表像法为基础,建立了刀具待刃磨面的平面像图,提出了一种将空间平面的旋转问题转化为射影平面内像点的移动问题,进而利用万向夹多关节联动旋转来实现刀具刃磨面位姿调整的方法,并给出了相应的计算公式。刃磨实验与建模仿真表明,所提方法能够方便地刃磨出具有不同切削角度组合的单点刀具。     

多关节外骨骼助力机器人发展现状及关键技术分析

外骨骼助力机器人突破了传统运载工具易受地形条件影响的限制,在军用领域和民用领域都展现了巨大的应用前景,是当前各国研究的热点。从负重外骨骼助力机器人和康复外骨骼助力机器人两个方面,综述了国内外多关节外骨骼助力机器人的发展现状。重点分析了人机匹配性设计、驱动方式、步态检测、人机协同行走控制策略以及助力效果评估等关键技术,并对多关节外骨骼助力机器人今后的研究方向及研究重点进行了展望。     

机械臂的自适应径向基函数神经网络双二次泛函最优控制

针对非线性机械臂系统中难以权衡控制能量与控制误差比重的最优控制问题,本文提出一种基于自适应径向基函数(RBF)神经网络二阶段叠加优化的双二次泛函最优求解模型,实现在非线性机械臂控制系统中用不大的控制能量来保持较小的控制误差的综合最优控制.在本文所提模型中,首先设计一种线性误差函数,作用于非线性控制方程,并采用自适应RBF网络逼近非线性控制方程中存在的不确定项,构成闭环反馈系统,实现对非线性系统的最优控制;其次,将待求参数复合成双二次泛函的解域,并设计一种新型的类递归神经网络求解该带约束条件的双二次型模型,实现模型求解的快速收敛并得其解.通过理论分析及数值仿真实例验证了所提模型能有效提高非线性系统的控制精度、稳定性、鲁棒性及自适应性,从而实现非线性系统的综合最优控制.