一种爬壁机器人的动力学建模

City-Climber是1台爬壁机器人,为研究该机器人的3D路径规划问题,建立了City-Climber在方形房间内运动的运动学模型和动力学模型,该动力学模型包括3个子模型,机器人在地面、墙壁和天花板的运动分别用1个子模型描述.引入无量纲变量分别对3个子模型进行简化,再用Matlab软件对模型进行仿真,验证了动力学模型的正确性.该模型可用于解决City-Climber在3D环境下的路径规划和避障问题.     

基于混合整数线性规划的爬壁机器人路径规划

为研究City-Climber爬壁机器人在3D建筑物环境中的路径规划问题,基于混合整数线性规划(MILP,Mixed Integer Linear Programming),提出了一种适用于City-Climber的路径规划方法.为了用MILP方法解决避障问题,首先用限制机器人控制输入的方法对City-Climber的数学模型进行解耦和线性化,再介绍了用MILP方法对控制输入进行描述的数学表达式,并提出了适用于爬壁机器人的新型代价函数,最后以一个方形房间为运动环境,用AMPL和CPLEX优化软件,以及Matlab软件解算路径规划问题.仿真结果表明:MILP方法较好地解决了City-Climber在3D环境下的路径规划和避障问题.     

基于混合整数线性规划的爬壁机器人路径规划

为研究City-Climber爬壁机器人在3D建筑物环境中的路径规划问题,基于混合整数线性规划(MILP, Mixed Integer Linear Programming),提出了一种适用于City-Climber的路径规划方法.为了用MILP方法解决避障问题,首先用限制机器人控制输入的方法对City-Climber的数学模型进行解耦和线性化,再介绍了用MILP方法对控制输入进行描述的数学表达式,并提出了适用于爬壁机器人的新型代价函数,最后以一个方形房间为运动环境,用AMPL和CPLEX优化软件,以及Matlab软件解算路径规划问题.仿真结果表明:MILP方法较好地解决了City-Climber在3D环境下的路径规划和避障问题.     

基于导纳控制的空间精细操作半物理仿真

分析空间机器人精细操作动力学,建立空间漂浮基机器人动力学模型和空间接触碰撞模型.根据动力学模型及碰撞模型,建立了基于导纳原理的包含路径规划器、导纳控制器和运动估计器的空间精细操作半物理仿真控制模型.详细介绍用于验证精细操作控制模型的地面半物理仿真平台的构造和性能.在Simulink和UG软件中针对空间机器人抓捕对接环的典型作业过程进行联合仿真,结果表明,碰撞力被稳定控制在给定区间,验证了基于导纳原理的空间精细操作半物理仿真机理的有效性.     

动力学奇点在漂浮基双臂空间机器人姿态无扰运动规划中的应用

讨论了载体位置、姿态均不受控制的双臂自由浮动空间机器人的无扰运动规划问题．结合系统的动量及动量矩守恒关系，证明了动力学奇点的存在，并导出了动力学奇点的数学解析求解公式．在此基础上，利用动力学奇点给出了双臂自由浮动空间机器人载体姿态无扰运动路径的规划设计方法．该方法有助于空间环境下遥控机械手辅助航天器对接等任务操作的运动规划。     

被动冗余度空间机器人动力学控制

研究了被动冗余度空间站机器人的动力学控制问题，包括非完整系统的运动规划，渐进稳定的动力学控制规律；在动力学控制中，利用被动冗余度机器人“非完整自运动”的运动学优化方法完成机器人的动力学控制，构造的动力学闭环控制律保证机器人运动过程中末端跟踪期望的运动轨迹，通过三连杆空间站机器人模型进行了仿真，结果证明了得到的结论。     

基于粒子群算法的航天器姿态机动路径规划

研究航天器在星载设备受多种几何约束情况下,大角度姿态机动时的姿态路径规划问题.采用罗德里格斯参数描述姿态,将姿态机动路径规划问题转化为点机器人的三维路径规划问题.基于粒子群优化技术设计了航天器复杂约束下大角度姿态机动的路径规划算法.数值仿真结果表明,该方法对于复杂约束下航天器姿态机动的运动规划是有效的.     

曲面幕墙清洁机器人攀爬技术

针对国家大剧院超椭球外表面的清洗问题,设计了一种新型自攀爬机器人.机器人具有全方位运动能力,相对于擦洗运动而言,攀爬运动是影响机器人作业安全性的主要因素.分析了攀爬运动的运动学模型,利用拉格朗日方法对该状态下的动力学问题进行了研究,并针对攀爬运动的特殊性,对机器人前后俯仰支撑控制问题进行分析,结合建筑物表面特点并依靠仿真,得到机器人作业过程中俯仰机构受力分布曲线,为机器人攀爬支撑力的切换提供了理论依据.      

一种动态环境下空间机器人的快速路径规划方法

针对动态环境下空间机器人采用深度强化学习进行路径规划时存在的收敛速度慢问题,采用迁移学习算法设计了一种适应动态环境的快速路径规划器.首先,综合考虑空间机器人运动过程中存在的避障、时间和扰动约束,在静态环境下对深度神经网络进行预训练.其次,将上述训练后的权值作为动态环境下深度神经网络的初始权值,再经过动态环境下的训练进行参数微调.最后,以平面五自由度空间机器人为例对所设计的方法进行了验证,并与直接训练方法进行了比较.实验结果表明,该方法能够将训练收敛时间从1033回合缩短到450回合,在保证规划路径准确率的前提下,提高训练的收敛速度.