多机器人系统的干涉曲面和干涉区

本文研究多机器人系统关节水平上的机械干涉问题,把机构学和约束条件引入几何分析中,得到了以机器人操作器各杆尺寸以及各机器人相对位置来表示的干涉曲面、干涉区和逃离干涉的方向.仅需少量计算便可以确定这些曲面、区域和方向.文中详细分析了几种典型的干涉曲面和干涉区并给出了各种组合方式的双机系统的曲面、干涉区和逃离方向的解释式.在这个基础上,讨论了多机器人系统的避免干涉策略.本文的研究避免了计算量大、存储空间多的困难.为多机系统关节水平上的智能化控制开辟了一条新路.     

机器人控制中的 N 维机械干涉问题研究

本文提出了如何通过运动可行性检测和自动绕过机械干涉区来提高机器人自动化控制程度和控制质量的策略和算法。首先从二维和三维机械干涉问题入手,提出了各种可能的解法并作了相互比较,然后将其推广到任意维数。最后提出了处理N维机械千涉的两种可行的方法,给出了算法框图。     

白车身焊装中干涉区控制方案

为了解决在白车身焊装中机器人与机器人,机器人与其他设备之间存在的干涉问题,本文利用干涉区的创建和设置,结合KUKA机器人语言[1]和现场总线控制技术的应用,有效地实现上述目的。在保障了安全性和可靠性的同时,也优化了生产节拍。     

多Agent自动协商策略和算法

针对传统协商过程周期长、代价高的问题,提出了三类形式化的曲线簇来描述Agent所采取的协商策略以及一种数学化和计算机程序化的多Agent自动协商算法。这三类策略分别为急躁型、节俭型和折中型。通过实验模拟发现采用所提出的协商策略和算法更符合人类思维的直观。该方法可应用于多种电子商务交易（如B2B和B2C）等活动中。     

矢量图中绕过障碍物的最短路径算法研究

通过比较几种常见的有障碍物时求最短路径的算法．在线探索算法的基础上提出了一种改良的求障碍物群中两点间最短路径的近似算法．     

混合GA-BP算法在机器人地面控制中的应用

为了增强移动机器人在动态环境中的学习和适应能力,提出一种基于GA-BP算法优化的神经网络的具有学习的机器人行为控制方法.单纯的BP算法有易陷入局部极小、收敛速度慢的缺点,根据遗传算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的混合GA-BP算法.实际的实验结果显示,提出的方法对机器人的学习和适应能力有很大的增强,并且提高了机器人行为的准确性和快速性,可以有效、可靠地运用于机器人地面控制,并可以方便地应用于其他方面.     

模糊控制在机器人定位控制中应用

介绍了模糊控制在机器人定位控制中的应用。通过模糊控制，克服了实际系统中死区，正、反向阻力矩不等等非线性因素给控制带来的困难，采用自调整因子，得到精确定位，并使超调得到有效的控制。文中给出了实验结果。     

焊接机器人曲线焊缝的自动跟踪控制

为实现焊接机器人对曲线焊缝的自动跟踪,提出一种简便的位姿实时调整策略和协调视觉跟踪与机器人运动的视觉伺服控制方法。建立了曲线焊缝视觉跟踪过程中焊接机器人期望位姿的数学模型;设计了一种上下层结构的模糊视觉伺服控制器,通过建立焊缝特征点像素坐标偏差与末端轴旋转角度之间的关系模型,动态确定模糊论域的大小,在机器人期望位姿的基础上仅仅通过调整末端轴的旋转量来保证图像特征点始终存在于相机视场内。通过模拟焊接机器人自动跟踪曲线焊缝的实验,验证了所提策略与方法的有效性。     

仿生机器鱼运动控制算法研究

footnotesize A practical motion control strategy for a radio-controlled, 4-link and free-swimming biomimetic robot fish is presented. Based on control performance of the fish the fish's motion control task is decomposed into on-line speed control and orientation control. The speed control algorithm is implemented by using piecewise control, and orientation control is realized by fuzzy logic. Combining with step control and fuzzy control, a point-to-point (PTP) control algorithm is proposed and applied to the closed-loop experimental system that uses a vision-based position sensing subsystem to provide feedback. Experiments confirm the reliability and effectiveness of the presented algorithms.     

双足机器人步态控制研究方法综述

概括地介绍了双足机器人步态控制领域内的主要研究思路．详细阐述了基于双足动力学特征的3种建模方法,包括倒立摆模型、被动步态模型、质量弹簧模型的特点．另外讨论了两种常用的约束条件(稳定判据与能量约束)和3种智能控制方法(神经元理论、模糊逻辑与遗传算法)在双足机器人步态控制中的研究情况．     

列车节能操纵中最优方案的算法

本文在给出列车节能操纵关键方程的基础上，对优化型运行方案给出不同的算法，并对不同的算法进行比较。     

上肢康复机器人等速运动控制算法的研究

等速运动康复的目标是保证人的手臂在用不断增加的力矩驱动机械臂转动时,机械臂转速始终被控制在预设值不变,且人机的肩关节轴要动态对齐。针对上述要求,通过采集机器人关节伺服电机电枢绕组中的电流值和转子的转速,确定外力矩、电机力矩和转速之间的关系,据此建立等速运动控制算法,并以人手臂肩关节的屈展角度为变量,找出机器臂肩关节轴在高度方向对齐人肩关节轴的函数关系,进而建立了考虑速度和位置双重因素下的人机肩关节轴动态对齐控制算法。通过将上述控制算法用于实物样机的控制,证明了控制算法的正确性。该研究为控制上肢等速运动康复提供了参考。     

基于遗传算法的管道机器人分层模糊控制

为了适应空调管道的复杂环境,提高空调管道清扫机器人控制性能,降低控制复杂度,构建了一个分层的自适应模糊控制器.通过多输入系统进行分层输入和叠加输出,大量简化了模糊逻辑推理,减少了控制规则数.应用遗传算法对控制器参数进行优化,有效地融合了控制信息,达到了较理想的控制特性.实验和仿真结果表明,模糊控制器适应性强,优化后模糊控制器具有很好的控制效果,实现了机器人在管道中自主导航.     

机器人视觉伺服研究进展:视觉系统与控制策略

视觉伺服控制是机器人系统的重要控制手段. 随着机器人应用需求的日益复杂多样,视觉伺服的研究面临着挑战. 视觉伺服系统的设计主要包括视觉系统、控制策略和实现策略三个方面. 文中对视觉伺服中存在的主要问题进行了分析,重点介绍了视觉系统中改善动态性能和处理噪声的主要技术手段,阐述了处理模型不确定性和约束的控制策略的改进方案,总结了提高视觉伺服系统的可实现性和灵活性的实现策略. 最后,基于当前的研究进展对未来的研究方向进行了展望.     

工业机器人机械设计参数对控制能量的影响

以三自由度搬运工业机器人为研究对象,通过机械设计参数与能量指标关系的程序计算和仿真的方法,研究了机械设计参数对控制能量的影响,从而为在提高控制系统性能角度优化机械设计参数提供了依据。     

An Agricultural Mobile Robot with Vision-Based Perception for Mechanical Weed Control

This paper presents an autonomous agricultural mobile robot for mechanical weed control in outdoor environments. The robot employs two vision systems: one gray-level vision system that is able to recognize the row structure formed by the crops and to guide the robot along the rows and a second, color-based vision system that is able to identify a single crop among weed plants. This vision system controls a weeding-tool that removes the weed within the row of crops. The row-recognition system is based on a novel algorithm and has been tested extensively in outdoor field tests and proven to be able to guide the robot with an accuracy of ±2 cm. It has been shown that color vision is feasible for single plant identification, i.e., discriminating between crops and weeds. The system as a whole has been verified, showing that the subsystems are able to work together effectively. A first trial in a greenhouse showed that the robot is able to manage weed control within a row of crops.     

Study of the Practical Convergence of Evolutionary Algorithms for the Optimal Program Control of a Wheeled Robot

Evolutionary algorithms for solving the problem of the optimal program control are considered. The most popular evolutionary algorithms, the genetic algorithm (GA), the differential evolution (DE) algorithm, the particle swarm optimization (PSO), the bat-inspired algorithm (BIA), the bees algorithm (BA), and the grey wolf optimizer (GWO) algorithm are described. An experimental analysis of these algorithms and their comparison with gradient methods are given. An experiment was carried out to solve the problem of the optimal control of a mobile robot with phase constraints. Indicators of the best objective functional value, the average value for several startups, and the standard deviation were used to compare the algorithms.     

Robust Adaptive Dead Zone Technology for Fault-Tolerant Control of Robot Manipulators Using Neural Networks

In this paper, a multi-layered feed-forward neural network is trained on-line by robust adaptive dead zone scheme to identify simulated faults occurring in the robot system and reconfigure the control law to prevent the tracking performance from deteriorating in the presence of system uncertainty. Consider the fact that system uncertainty can not be known a priori, the proposed robust adaptive dead zone scheme can estimate the upper bound of system uncertainty on line to ensure convergence of the training algorithm, in turn the stability of the control system. A discrete-time robust weight-tuning algorithm using the adaptive dead zone scheme is presented with a complete convergence proof. The effectiveness of the proposed methodology has been shown by simulations for a two-link robot manipulator.