基于迭代学习的机械手操作空间力/位置混合控制算法

基于对常规机械手操作空间力/位置混合控制算法的简单回顾,及对该算法所遇到困难的分析,提出了一种基于迭代学习的机械手操作空间力/位置混合控制算法,来改善机械手同高刚度环境接触时,机械手力/位置混合控制的动态控制性能．给出了学习算法的收敛条件及其证明.实验表明该算法具有快速的收敛性,能达到很高的力/位置动态控制精度.     

神经网络在机器人位置和力混合控制中的应用

本文首次将神经网络应用于完成周期性任务的机器人力和位置混合控制。在研究系统动力学和系统稳定性基础上，提出了一种学习算法。最后进行了系统仿真实验以证明这种方法的可行性。     

多机械手刚性协调动力学建模与混合控制

从力负载分析开始,阐述多手直辖市中对象的外/内力和外/内运动定义;考虑对象运动受限情况,提出一组描述协调任务的广义运动和力向量;以各机械手及对象的运动方程为基础,建立面向对象的运动学、静力学和动力学模型,该模型与单机械手操作空间的运动方程具有一致的表达形式,据此,该文探讨了多手协调情况下运动、内力和接触力的混合控制问题。     

基于混合灵敏度设计的鲁棒迭代学习控制

提出一种鲁棒迭代学习控制的设计方法．利用混合灵敏度设计方法,控制器满足一定鲁棒性条件时就可以直接获得收敛更新规则．此外,只要学习滤波函数满足一定条件,系统跟踪误差将显著降低．仿真结果表明该方法有效性较高．     

一类基于几何分析的迭代学习控制算法

基于几何分析，对迭代学习控制方法的几何框架进行探索．首先通过对Arimoto算法所构成的向量图进行几何分析，导出了一类新的迭代学习算法结构；然后从理论上对所导出的算法进行完整的收敛性分析．该算法结构与已有算法完全不同，但其收敛速度和精度明显提高．仿真结果表明了新算法的有效性和优越性．     

基于遗传算法的模糊迭代学习控制算法

为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法通过模糊TSK模型设计迭代学习控制器,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律。针对被控系统,设计相应的迭代学习控制算法进行仿真分析,并与传统PD型迭代学习控制算法、模糊PID迭代学习控制算法相比较,进而将该算法用于双关节机械手进行仿真研究,仿真结果表明该算法的有效性。     

机器人位置/力控制系统的稳定性

本文通过一个简单的两自由度机器人,分析了 Raibert 和 Craig 提出的位置/力混合控制器的不稳定性问题,提出了力微分反馈控制和在力控制方向引入位置反馈这两种克服不稳定性的方法;在此基础上,对一般机器人提出了一种有效的位置/力控制结构。大量的仿真研究显示了该控制结构的有效性,并给出了关于力控制器设计的一些重要结论.     

迭代学习的高速伺服系统位置控制策略

针对高速运动伺服控制系统的精确位宣跟踪控制问题,在A型迭代学习控制算法的基础上,提出了一种基于比例一预期迭代学习控制的位置控制策略,并将其应用于建立的交流永磁同步电机模型,最后利用Matlab进行仿真研究。结果表明,此控制策略仅需少量对象信息就能满足系统的性能要求。它与常见迭代学习控制算法相比,具有位置控制精度高、学习收敛速度快等优点。     

PUMA760切割作业力与位置混合控制

本文介绍在 PUMA760 上实现了的切割作业控制系统。我们在 PUMA760 控制系统中引进了力传感器信号,加入了力控制算法,通过调整机器人手部位置,控制机器人与环境物体间的相互作用力。在 VAL 系统中加入了根据传感器信号动作的指令,实现了一种机器人力与位置的混合控制。用扩充后的 VAL 系统编程,成功地使 PUMA760完成了多种材料的切割作业。     

基于FCMAC的鲁棒自适应迭代学习控制算法

工业机器人在改变运动轨迹时往往伴随着系统噪声、干扰的引入以及自身的惯量参数发生变化,采用传统的迭代控制算法难以达到高精度、高速控制的要求.将自适应与鲁棒控制与迭代控制相结合,提高迭代算法的控制精度;给定任务发生改变时,引入模糊小脑关节控制器作为前馈控制,经历史控制经验训练后估算出变化后系统的期望估计输入,作为迭代控制器...     

操作器力和位置混合控制:数学模型和实验研究中的几个问题

本文是文[1]的续篇.首先讨论了为实现力和位置混合控制算法的数学模型中的几个问题,然后介绍并讨论了几个典型力和位置混合控制的实验内容和实验结果,该实验是在 KD-1控制器支持下完成的.最后对力控制技术的进一步发展进行了初步的分析.     

面向位控机器人的力/位混合控制

本文提出了一种面向位控机器人的力/位混合控制策略．通过力反馈信息对未知约 束进行估计获得位控和力控方向,根据位控和力控方向对机器人终端的运动轨迹进行规划, 并采用阻抗力控制规律以使机器人获得较好的柔顺性．仿真试验表明,该策略具有较高的力 控制精度和表面跟踪能力．     

受限柔性机器人臂的鲁棒变结构混合位置/力控制

针对一类平面双连杆受限柔性机器人臂提出一种混合位置/力控制方案,采用鲁棒变结构控制策略对控制方案进行修正,以改善该柔性机器人系统的鲁棒性,控制机器人终端执行器的位置和接触力.通过引入变结构鲁棒控制器,可确保输出跟踪误差在有限时间内收敛到零,或一致终结有界.计算机仿真结果证明了这种控制方案的可行性和有效性.     

操作器力和位置混合控制——算法与系统行为分析

本文首先回顾了力控制技术的发展,对在操作空间一级实现力和位置混合控制的算法做了说明。着重分析了在约束空间中系统的动、静态行为。指出了环境刚度对主动力控制系统动态行为的影响,以及关节摩擦对力控制精度的影响。     

基于内模的机器人迭代学习控制

本文根据内模控制的概念，设计一个扰动控制器，使机器人系统表现为固定参数的解耦线性化系统．基于此线性系统，提出了一种迭代学习控制律，给出了算法收敛的充分条件．算法的参数选择非常简单，从而易于满足收敛条件．仿真结果表明了算法的有效性．     

基于螺旋理论的机器人自适应运动／力混合控制

本文研究当机器人动力学模型中含有未知惯性参数时机器人适从运动的混合控制，利用旋转理论将与环境接触时的机器人动力学方程分成两个螺旋方程后，提出了一种运动和力的自适应混合控制规律，该规律直接利用的自然约束和人工约束，达到了运动／力的全局稳定跟踪。     

机器人手臂力控制系统GRAFC

本文介绍了一机器人手臂力控制系统及在其上实现的部分力控制作业.此系统以 PUMA 760机器人为本体,以 NKRC-4机器人控制器为基础,采用两级控制结构:上层负责规划、监控,完成力传感信息、视觉信息的采集和处理,接收来自底层的位置反馈信息,并根据一定的控制算法产生控制命令下送给底层;底层完成伺服控制.该系统具有通用性和较强的可靠性。适于各种控制方案和算法的实现.在此系统上我们成功地进行了定力控制、未知表面的跟踪与恢复、精密轴孔装配等作业,验证了系统的性能.     

ITERATIVE LEARNING CONTROL IN FEEDBACK SYSTEMS BASED ON AN OBJECTIVE FUNCTION

An objective function is proposed and an iterative learning control algorithm is derived based on this. The objective function is a quadratic form consisting of the output error and the input. By adjusting the weights in the objective function, the control objective of good command following at smaller input energy can be realized. The weight on the input energy in the objective function is shown to be directly related to the forgetting factor for robust iterative learning control. The convergence of the control algorithm has been proven and its characteristics are shown in the simulation examples.     

无奇异间接迭代学习控制及其在机器人运动模仿中的应用

针对相当广泛的一类非线性系统有限时间轨迹跟踪问题,提出了间接迭代学习方案. 采用最小二乘算法,根据重复跟踪历史辨识非线性系统的线性化模型.利用一个分段学习方案 可保证学习控制总在有效线性近似区域内进行.探讨了如何在学习过程中避免控制奇异问题, 提出了一种高效的参数修正方法,保证输入耦合矩阵的估计行列式不为零.本文将这一控制方 案应用于未知机器人及摄像机模型下的机器人运动模仿中,而不面临任何奇异问题.这是一个 采用摄像机替代传统程序编写的新的机器人编程方法.     

一种基于力/位混合控制进行插孔作业的策略

插孔作业是一种典型的机器人操作．在工业化机器人装配中存在大 量插孔 类的作业．由于位置误差的存在，小间隙比插孔作业的成功率并不高．本文从分析插孔失败 的原因入手，提出了一种成功率很高的基于力/位混合控制的插孔策略．实验验证了策略的 有效性．