基于模型预测控制的排爆机器人轨迹跟踪算法研究

排爆机器人在复杂、危险环境下代替人作业拥有非常重要的地位。排爆机器人对期望轨迹的跟踪是避免发生危险最重要的环节。基于模型预测控制算法提出了排爆机器人末端轨迹跟踪算法。给出了机械臂状态空间的离散模型,已知当前时刻位置状态和下一时刻位置输入状态,预测未来某时域内的输出状态;然后根据给定性能指标和约束条件,求解未来一段时域内的输入序列,对实际输出进行反馈校正;最后,采用实验仿真对比测试,验证了该算法的有效实时性,结果表明,基于模型预测控制的机器人末端轨迹跟踪算法具有良好的动态实时跟踪能力,实现了目标轨迹的有效跟踪。     

SCARA机器人的自适应迭代学习轨迹跟踪控制

为了减小执行重复运动任务机器人的末端位置误差,提出了自适应迭代学习轨迹跟踪控制算法。根据拉格朗日方程得到SCARA机器人的动力学模型,设计了控制力矩的迭代算法,利用Lyapunov函数对该算法的稳定性进行了理论证明,搭建了具有典型机械结构的SCARA机器人实验平台。通过实验验证了自适应迭代学习控制算法能有效减小SCARA机器人的末端位置误差,具有较强的可执行性。     

柔性和摩擦力不确定条件下RBF神经网络自适应轨迹跟踪方法

提出一种基于径向基神经网络(Radial basis function, RBF)的力/位置混合自适应控制方法并用于机器人轨迹跟踪控制,解决机器人柔性末端执行器轨迹跟踪过程中柔性和摩擦力模型难以精确描述的问题。RBF神经网络是一种高效的前馈式神经网络,具有其他前向网络所不具有的非线性逼近性能和全局最优特性,并且网络结构简单,训练速度快。设计一种基于RBF神经网络非线性逼近能力来估计模型中的不确定参数的自适应控制器,给出控制器中神经网络权值更新规则,并证明所设计控制器输出力和位置误差的最终一致有界性。将该控制器应用于风管清扫机器人仿真试验,结果表明该自适应控制器能很好地用于柔性和摩擦力不确定条件下轨迹跟踪控制,与传统自适应控制方法相比具有更精确的跟踪特性和更强的鲁棒性。     

未知时变环境下机器人自校正阻抗控制研究

针对未知、时变环境下机器人力位控制需求,基于非线性接触动力学模型进行了阻抗控制的位置自校正修正算法研究.通过建立基于Hunt-Crossley非线性接触动力学模型的阻抗控制系统,构建了在刚性或柔顺作业环境下机器人末端位置与接触力之间的动态关系;在自校正控制系统中引入自扰动递推最小二乘辨识算法,以接触力误差最小为设计指标,设计了阻抗控制的位置自校正修正算法,在预测控制同时进行接触动力学参数在线跟踪辨识,解决了在材料力学特性未知或存在时变的环境下,力跟踪的实时性和准确性问题;仿真实验模拟了环境力学特性参数事先未知且在不同作业区域间存在差异的应用场景,结果表明,该算法能够实时进行阻抗控制的自适应位置调整,保证了力位跟踪控制的快速响应性和收敛性,稳态力跟踪误差控制在2％以内,环境力学特性发生变化时的控制调整时间仅约7个采样周期,相较对比算法减少约70％.     

柔性机器人轨迹跟踪的逆动力学分析

基于绝对坐标,以期望轨迹而不是名义刚性位置作为机器人末端点的边界条件,建立了具有柔性关节和柔性杆的机器人的逆动力学模型,此方法可使柔性机器人非常准确地跟踪期望轨迹。最后,提出了求解此类非线性方程的数值算法。通过对３Ｒ机器人进行仿真,表明本方法优于通常的方法。     

基于变预测时域MPC的自动驾驶汽车轨迹跟踪控制研究

为了保证自动驾驶汽车轨迹跟踪的精度及行驶过程中的稳定性,提出一种基于车辆横向稳定状态在线识别和模糊算法的变预测时域模型预测控制（MPC）方法。针对车辆稳定状态的在线识别,采用k-means聚类算法对车辆行驶状态参数进行聚类分析,得到聚类质心,通过在线对比当前车辆状态量与不同聚类质心之间的欧氏距离获取车辆的实时安全等级。同时计算出当前车辆的轨迹跟踪横向偏移量,以这二者为输入,通过模糊控制算法在线计算出预测时域的变化量并输出给MPC控制器实现预测时域的自适应调整,最后求解出自动驾驶车辆跟踪轨迹的最优的控制序列,以达到在保持车辆稳定的前提下实现高精度轨迹跟踪控制的目的。CarSim/Simulink联合仿真结果表明,改进后的变预测时域MPC算法在提高自动驾驶汽车轨迹跟踪精度及横向稳定性方面的表现优于传统MPC控制器。     

基于非线性优化算法的工业机器人轨迹跟踪自动控制

为完成机器人高效率工业生产任务，提出一种基于非线性优化算法的工业机器人轨迹跟踪自动控制方法。考虑杆件运动重力因素，从角速度、加速度等方面明确工业机器人动力学规律；使用具备非线性优化性质的蚁群算法规划运动轨迹，引入人工势场法计算待选节点和目标节点的间距，评估当前路径是否为最佳路径并更新信息素，输出最优工业机器人运行路线；计算机器人相对功率因数校正控制量，运用粒子群算法求解轨迹跟踪预测控制序列，通过支持向量机构建轨迹跟踪自动控制模型。实验结果表明，所提方法的轨迹跟踪稳定性强、精度高，能满足工业生产的实时动态需求，实用性强。     

基于MPC的智能车轨迹跟踪算法

针对前轮转向的智能汽车,设计了一种轨迹跟踪控制算法。基于车辆运动学模型,建立了车辆轨迹跟踪状态空间方程,采用模型预测控制算法,以考虑乘坐舒适性下动态跟踪偏差最小为控制目标,同时考虑车辆实际情况对模型添加了控制约束和状态约束,通过滚动优化和反馈校正实现了带约束的智能车轨迹跟踪的最优控制。为了验证该算法的性能,将该算法在常用于自动驾驶仿真的PreScan上进行了硬件在环仿真试验,并与LQR算法作比较。结果表明,该算法能有效适用于约束条件下的智能车轨迹跟踪控制。     

基于输入-输出稳定性理论的手术机器人控制

手术机器人通常采用独立的PD控制或基于重力补偿的PD控制,但两种模型的控制律引入之后,系统的闭环误差方程是线性方程,而且不能充分考虑机器人的动力学特性。针对这个问题,提出一种基于输入-输出稳定性理论的控制模型,该模型使系统的闭环误差方程为非线性方程,体现了机器人的非线性本质。通过Matlab软件比较了重力补偿PD控制与基于输入-输出稳定性理论的控制所得末端的位置偏差,该方法得到的末端位置最大偏差为0.15 mm。     

基于模型预测控制的工业机器人曲面跟踪方法研究

工业机器人执行接触性作业任务时,通常需要稳定控制接触力,比如在磨抛过程中,不平稳的法向接触力容易影响表面质量。为解决力跟踪控制时法向控制速度易超调和不确定环境造成法向接触力不平稳的问题,提出一种基于模型预测控制的工业机器人曲面跟踪方法。首先,根据工件模型几何信息计算出末端工具的运动轨迹,再结合机器人当前位姿求解末端工具的笛卡儿速度;然后,建立末端工具与工件接触时的状态空间模型,并依据末端工具的姿态变化对法向阻尼系数进行在线调节;最后,根据实时力信号的反馈,利用模型预测控制算法对法向速度进行修正,实现曲面恒力跟踪。基于Staubli TX90工业机器人,在末端工具姿态不变和姿态改变的情况下分别进行了曲面跟踪实验,结果显示法向接触力波动范围分别为±1 N和±2 N,方差分别为0.038 1 N²和0.105 9 N²,能够达到较好的力跟踪效果。     

基于视觉反馈的机器人末端轨迹跟踪控制研究

工业机器人受机械本体间隙误差及外界干扰,在进行焊接、喷涂等工作时难以精确跟踪期望轨迹,严重影响工作效率和质量。根据视觉反馈控制原理,提出一种基于视觉反馈的末端位置动态补偿方法,设计视觉及末端执行器补偿机构,通过高速相机检测机械臂末端与期望轨迹的图像位置偏差,利用末端执行器进行位置补偿,可以快速高精度跟踪期望轨迹。通过实验对提出的方法进行验证,结果表明即使有外界干扰的情况下,机器人末端的跟踪误差最大为1.45 mm,显著提高了轨迹跟踪精度和跟踪速度,满足工业机器人末端快速、高精度的轨迹跟踪工况要求。     

一种基于多轴工业机器人的非线性同步控制方法

为了提高机器人的末端轨迹精度,提出了一种基于六轴工业机器人的包含位置误差和同步误差的非线性PD偏差耦合控制策略。该策略无需考虑机器人精确的动力学模型参数,避免了不精确动力学参数的影响。首先建立了基于IRB120型虚拟样机的动力学模型,再利用Simulink和Adams进行联合仿真验证该策略的合理性。仿真结果表明,利用该方法与基于相同规划轨迹的传统非同步控制的力矩前馈算法和PD同步控制算法进行比较,有效地降低了关节同步误差,提高了末端的轨迹精度。     

基于优化ADRC的单臂机器人轨迹跟踪研究

针对机器人在不确定环境下受到内外界挠动的影响，末端执行器不能跟踪已规划的轨迹运行，以Kinova MICO2机器人为例，研究轨迹自抗挠跟踪模型。建立了机器人关节空间运动模型，根据挠动特点构造了二阶ADRC框架模型，解决了末端执行器偏离规划轨迹的问题。分析了机器人ADRC参数对轨迹跟踪的意义，为了确保系统跟踪的动态稳定性，建立GA-RBF网络优化了原始ADRC。最后分析轨迹跟踪前后的离散点绝对误差，验证机器人轨迹跟踪的可靠性。实验结果表明，GA-RBF优化的ADRC使得机器人实际轨迹能较好收敛于理想的规划轨迹，为工业应用中对轨迹要求较高的任务提供算法参考。     

一种并联机器人误差综合补偿方法

针对并联机器人轨迹规划和轨迹跟踪过程中,同时存在机构误差引起的期望轨迹与理想轨迹之间的偏差和非线性摩擦、负载变化等扰动因素引起的动态误差,提出一种并联机器人误差综合补偿方法:在轨迹规划过程中,基于并联机器人位姿误差模型将位姿误差补偿转化为驱动杆参数组合优化问题,进而利用粒子群算法寻优驱动杆参数,修正并联机器人期望轨迹;在轨迹跟踪过程中,设计基于自适应迭代学习控制算法的动态误差补偿策略,实现对期望轨迹的有效跟踪。在Stewart平台下基于ADAMS和Matlab进行仿真试验,在轨迹规划和轨迹跟踪过程中,分别修正期望轨迹偏差并补偿轨迹跟踪动态误差,实现并联机器人误差综合补偿。进一步,基于混联机床进行工件加工试验,验证方法对于提高并联机器人工作精度的有效性。     

合作机器人轨迹规划及实验研究

为实现合作机器人(Cobot)的虚拟轨迹控制,提出了基于操作力的轨迹规划方法;根据操作力、期望轨迹和Cobot末端当前位置,对Cobot进行了轨迹规划,建立了Cobot的轨迹规划模型,并对Cobot跟踪直线和圆弧轨迹进行了实验研究。结果表明,基于操作力的轨迹规划方法能在人机合作的条件下使Cobot跟踪期望轨迹,且操作力的大小不影响Cobot的运动轨迹,Cobot的运动速度随着操作力的增加而增大,符合人机合作要求。基于操作力的轨迹规划模型可应用于外科手术、物料搬运和零件装配的人机合作机器人中。     

无迹信息滤波耦合交互式多模型的多传感器机器人轨迹控制

为了实现对包装运输过程中机器人的轨迹跟踪,基于无迹信息滤波技术(UIF)和交互式多模型技术(IMM),提出了一种新的多传感器数据融合算法(UIF-IMM),融合了单个IMM滤波器、每个UIF的信息状态贡献和信息矩阵等信息.通过对机器人轨迹跟踪可知:在4种轨迹跟踪算法中,提出的算法跟踪效果最好,均方根位置误差和角度误差均最小,分别为0.047和0.9.在分布式传感器节点(UIF-IMM 2)中,采用模型似然函数组合的多传感器融合算法,其位置精度和角度精度均优于不进行组合的多传感器融合算法(UIF-IMM 1).提出的滤波方法可以很好地解决分布式多传感器环境下机器人的跟踪问题,在机动目标定位领域具有一定的参考价值.     

基于输入整形技术的柔性关节机械手控制研究

柔性机械手具有双时标特性,现有控制策略中需要对电机转角及机械臂转角的状态反馈,增加了控制策略的复杂性.建立了柔性关节机械手动力学模型,针对目前控制策略存在的算法复杂问题,提出了基于输入整形技术的柔性关节机械手运动控制策略.以电机转角作为反馈,根据机械手末端输出与目标输入之间的传递函数,设计了脉冲序列,通过与目标轨迹的卷积进行整形,可以实现轨迹跟踪.通过仿真实例表明,通过对目标轨迹的整形,能够有效减小超调和残余振动,具有一定的可行性.     

大范围平动并联机器人运动学解耦与速度自适应规划

并联机器人是一种多支链、多关节、强耦合非线性系统,具有高速、高刚度和大负载等明显优势而被广泛应用到工业领域。然而,随着关节数量的增加导致该类机器人运动学解耦和高精度平稳控制的难度较大。为实现大范围平动3-RRRU并联机器人自动化轨迹跟踪和控制的平稳性,针对运动学解耦和速度自适应规划方法展开了系统、深入地研究。首先,应用DH法建立了机器人运动学模型,基于结构约束条件完成运动学解耦计算,并在S型控制策略中加入速度自适应修正机制,依据不同轨迹可自动计算并修正最大速度参数,实现自适应优化;其次,采用激光跟踪仪对机器人轨迹进行动态跟踪,对比分析了S型速度和梯型速度控制策略下的跟踪精度,梯型速度规划下其最大误差高达4.513 mm,是S型控制策略的3倍,且位置误差曲线出现多个尖峰值,说明因速度突变导致运动平稳性较差;最后,测试S型速度规划下采用自适应修正机制前、后机器人的平稳性以及轨迹跟踪精度。实验结果表明:当规划路径难以实现机器人加速到原预设最大速度时,在轨迹末端存在较大的惯性速度,产生位置尖峰误差为2.676 mm,是修正后最大误差的2.4倍,且伴随着明显的冲击效应。引入自适应修正机制后圆轨迹的起点和终点位置误差分别为0.722 mm和0.382 mm,二者相对位置偏差仅为0.34 mm,且末端定位误差相比修正前降低了一个数量级,有效解决了机器人存在惯性冲击效应的难题,大幅提高了机器人整体轨迹跟踪的精度和控制的平稳性。     

基于卡尔曼滤波的机器人力控制

为解决机器人在打磨、装配等复杂作业环境下,其末端力传感器获取到的机器人本体与作业环境间的接触力信号存在干扰噪声影响的问题,设计了基于卡尔曼滤波的机器人力控制模型.通过搭建力控制模块,对比经典阻抗控制与基于卡尔曼滤波的机器人力控制下的接触力跟踪效果,分别搭建平面轨迹跟踪与曲面轨迹跟踪机器人可视化平台.经仿真验证发现,两种工况下基于卡尔曼滤波的机器人力控制比经典阻抗控制的力控制效果更优.     

基于手眼视觉的空间末端操作器的轨迹规划

空间机器人将用于对空间目标的跟踪、接近、包络和抓捕,由于机器人和抓捕目标均处于无约束自由飘浮状态,因此顺利进入捕获区并完成抓捕较为困难。针对漂浮机器人和漂浮目标对接困难的问题,利用末端操作器上的手眼视觉作为传感器系统对末端操作器的运行轨迹加以控制;利用动量守恒和动量矩守恒两大基本定理,推导了手眼视觉引导下空间机器人末端操作器为达到期望捕获位姿的轨迹规划,使得末端操作器可以规避末端操作器手指外形实现对目标的无接触跟踪和包络;利用气浮平台、被动6自由度模拟器实现了地面模拟空间失重环境,并在该试验平台上试验了机器人末端操作器对漂浮目标的跟踪和捕获。研究结果表明,基于视觉的轨迹规划可以协助机器人完成对漂浮目标的跟踪和抓捕。