双足步行机器人能量成型控制

为了使双足被动行走机器人的行走步态符合仿生规律,且当路面坡度变化后,迅速进入新的稳定步态行走,提出了角度不变能量成型控制策略.研究了欠驱动双足机器人能量匹配条件和能量成型控制器的求解;由于动能相对于旋转变换不具有对称性,通过在能量成型控制中附加一个辅助控制量,实现角度不变控制.仿真结果表明,该算方法可实现仿生控制,既能扩大吸引域,又改善系统的鲁棒性.     

无动力双足步行机器人控制策略与算法

本文研究无动力双足步行机器人的建模、分析与控制问题. 基于能量的控制增加了机器人行走极限环的稳定性、鲁棒性, 扩大了极限环的收敛域; 角度不变控制使机器人的稳定行走步态摆脱了地面倾斜角度的限制; 把基于能量的控制与角度不变控制结合起来, 可以实现在不同倾斜角度地面上行走模式的切换. 基于能量的行走平均速度控制方法在平均速度与目标能量之间建立了联系, 能使机器人的行走产生新的稳定步态. 最后, 对无动力双足步行机器人的研究前景做了展望.     

基于无源控制的无速度传感器异步电机调速控制

建立其交流异步电机的欧拉—拉格朗日数学模型,再以无源控制理论实现电机调速控制。为了转速反馈的准确性,加入了转速估算环节。充分利用被控系统已有的结构,直接比较给定的电磁转矩和估算的电磁转矩,运用PI闭环控制构造出转速信号。在Simulink中搭建仿真模型进行实验,仿真结果表明：此控制方法对交流异步电机速度控制具有较好的静/动态性能和抗干扰性。     

仿人预测控制在双足机器人步行控制中的应用

基于零力矩点(ZMP)的预测控制是目前双足机器人步行控制中最先进的方法,但是预测控制需要比较精确的预测模型,在环境扰动导致模型失配时,预测控制的性能下降较快。为了解决这个问题,利用仿人智能控制对环境误差具有较强抑制的特点改进预测控制。探讨了在步行控制中引入仿人智能控制的必要性和仿人智能控制改进预测控制的可行性,并设计了仿人预测控制器。最后通过仿真实验验证了新的控制器对双足机器人步行控制的有效性。     

五杆四驱动平面双足机器人动态步态规划与非线性控制

以五杆四驱动的平面双足步行机器人为对象,研究了其动态步行的时不变步态规划和限定时间的非线性控制策略．揭示了其模型的欠驱动和完全驱动的混杂和非光滑动力学特性,推导了其碰撞模型．基于虚拟约束的概念,提出时不变步态的输出函数解析设计方法,设计了反馈线性化控制器,将系统转化为双积分环节．然后采用限定时间控制器在一步内零化输出函数．仿真实验表明,动态步行趋于一个稳定的极限环,实现了规划的行走模式,验证了该方法的有效性．     

基于主—从控制的双足机器人动步态行走

本文给出一种基于主-从控制实现双足机器人动步态行走的控制方法.该方法计算量小,可以在线规划步态及实现双脚支撑期平滑的动态切换.仿真及实验结果验证了方法的有效性及可行性,实现了变步态动态行走.实验所采用的装置为 HLTR—13双足机器人.该机器人重65kg,高1.1m,具有12个自由度.实验结果表明,本文给出的方法能较好地实现变步态动态行走。从而使机器人具有较强的环境适应能力.     

双足机器人上楼梯步态的规划与控制

研究双足机器人上楼路径优化技术,为了让双足机器人实现稳定的上楼梯的行走,应规划双足机器人的上楼梯的步态.为解决对步态进行合理规划与稳定控制问题,提出用几何约束法,用摆线拟合踝关节运动轨迹,设计模糊控制器,对踝关节的滚转角度进行调整,使ZMP位置靠近支撑区域中心,保证了机器人的稳定行走;最后在ADAMS软件中建立了双足机器人的虚拟样机,并通过与Matlab的联合仿真,实现了双足机器人上楼梯的稳定行走仿真.仿真结果验证了上楼梯步态与模糊控制器的有效性,为系统设计提供了保证.     

蛇形机器人的波形能量控制

蛇形机器人的步态控制理论大部分基于波的传递形式,借助自制蛇形机器人的结构对波传递过程中能量传递的过程进行了研究。根据蛇体三维运动特性,蛇游行时有前行、侧行两种基本形态,其他的运动模式均基于此两种形态。对蛇体运动形态进行控制,主要是在波形类型中采用波形正负交替（等峰值、差峰值）和行波（正弦波、三角衰减波）等进行蛇体运动控制,实现了机械蛇的蜿蜒游动控制。     

基于能效优化的两足机器人步态控制方法

针对高能耗导致的两足机器人实用化障碍,提出了一种全新的、系统化的步态能效优化控制方法.基于两足机器人运动的重要能耗指标(平均功率、平均功率偏差、平均力矩损耗),提出了能耗预估策略和能效优化算法,获取了零力矩点(ZMP)稳定区域内的能耗极小值.沿着能耗极小值所对应的上体轨迹对机器人步态实施能效优化控制,最终获得满足ZMP稳定判据的低能耗步态.仿真结果证明,该方法能够有效降低机器人能耗并保持其稳定性.     

基于能量感知的最小能量动态源路由

在MANET中节点必须依靠可携带的有限电源供电,为了尽可能延长节点及网络的寿命,节能方法一直是专业人员致力研究的问题.基于能量感知的最小能量动态源路由协议是针对最小能量动态源路由协议提出来的.引入能量感知策略就是使路径的剩余能量成为主要的度量指标来选取最佳路径,选择剩余能量最大的路径转发数据,并且减少节点能源的浪费和过度使用等问题.     

基于腿部关节控制的仿人机器人偏摆力矩控制方法

针对机器人步行过程中产生的偏摆力矩影响步行稳定性的问题, 提出一种全新的基于腿部关节控制的偏摆力矩控制方法. 分析了偏摆力矩产生的原因及步行过程中垂直方向上的力矩平衡条件; 根据仿人机器人连杆模型和力矩平衡条件, 将偏摆力矩控制问题转化为带约束条件的二次规划问题, 推导出支撑腿腿部关节角度控制的表达式, 设计了腿部关节自适应控制器以提高轨迹跟踪性能, 并给出了稳定性证明. 仿真结果表明, 该方法能较好地克服偏摆力矩的影响, 使机器人实现稳定的步行.

     

基于“非伪”理论的非完整移动机器人轨迹跟踪控制

"非伪"控制是一种基于数据驱动的无模型控制方法,它根据输入-输出数据进行在线学习,计算与当前系统状态相匹配的控制量并作用于系统,以获得系统所要求的动静态品质,并以此检验系统是否满足该性能指标.基于"非伪"控制理论,研究了移动机器人的轨迹跟踪控制问题.根据非完整移动机器人的动态方程,采用"非伪"控制,直接作用于移动机器人的控制输入,使移动机器人能快速、准确地跟踪期望轨迹.     

多智能体粒子群优化的SVR 模型预测控制

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著,鉴于此,提出一种多智能体粒子群算法(MAPSO)寻优其参数的方法,并建立MAPSO支持向量回归模型,用于非线性系统的模型预测控制,推导出最优控制率.采用该算法对非线性系统进行仿真,并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF神经网络的预测控制方法进行比较,结果表明,所提出的算法具有更好的控制性能,可以有效应用于非线性系统控制中.     

基于单目视觉的微型空中机器人自主悬停控制

针对微型空中机器人在室内环境下无法借助外部定位系统实现自主悬停的问题,提出一种基于单目视觉的自主悬停控制方法.采用一种四成分特征点描述符和一个多级筛选器进行特征点跟踪.根据单目视觉运动学估计机器人水平位置;根据低雷诺数下的空气阻力估计机器人飞行速度;结合位置和速度信息对机器人进行悬停控制.实验结果验证了该方法的有效性.     

轨迹跟踪级联机器人编队控制方法

提出一种轨迹跟踪级联机器人编队控制方法. 该方法有效结合距离-角度(??-??) 控制和距离-距离(??-??) 控制方案, 并利用无迹卡尔曼滤波算法对Leader-Follower 级联机器人系统的状态进行估计; 根据状态估计结果设计输入-输出动态反馈控制规律, 使得跟随机器人(Follower) 准确跟踪领航机器人(Leader), 确保编队的稳定性和较快的收敛性, 并达到理想的编队控制效果. 仿真实验验证了所提出方法的可行性.

     

基于切换控制的经济模型预测控制

为了提升经济模型预测控制的经济性能指标, 提出一种切换控制策略. 首先, 依据Lyapunov 稳定性理论给出理想和扰动下的两类估计可行域, 并实时检测系统状态; 然后, 根据系统状态所处不同区域, 采用相应的控制器分别实施经济优化、状态驱动和稳态驱动. 所提方法在保证稳定性的同时, 能够为经济性能优化提供更多的在线优化时间和优化自由度, 获得比传统方法更高的经济效益. 通过一个负阻振荡器实例验证了所提出方法的可行性和有效性.

     

双曲线型分布参数系统边界控制下的干扰解耦

针对干扰输入对系统输出的影响, 研究双曲线型分布参数系统在边界控制下的干扰解耦问题. 首先应用有界控制算子等价转换方法, 获取边界控制下双曲线型分布参数系统的有界拓展形式; 然后通过伽辽金近似法将有界增广系统转换成有限维系统; 接着对等价有限维系统进行干扰解耦分析, 推导出系统可干扰解耦的充分条件; 最后通过数值分析和仿真图例表明了所给出条件的有效性.

     

基于数据驱动的感应电机多模型逆自适应解耦控制

提出一种基于数据驱动的感应电机多模型逆自适应解耦控制方法. 首先, 利用仿射聚类法(AP) 对电机系统的输入输出数据进行聚类, 再基于聚类结果和隶属度函数建立相应的神经网络多模型逆, 以实现解耦控制. 针对电机系统运行过程中电机参数变化问题, 采用粒子群优化算法(PSO) 在线调节子模型权值, 以改善逆模型失匹造成解耦控制性能下降的问题. 仿真实验表明, 所提出的方法能对电机的转速和磁链实现良好的解耦控制, 且对电机系统工况参数变化具有良好的自适应能力.

     

基于嵌入式视觉的子机器人入舱方法

提出一种基于嵌入式视觉的子机器人入舱方法, 用于子母式机器人系统中对子机器人的回收. 子机器人基于自身嵌入式平台捕获和处理入口处的引导标识图像, 根据局部颜色排布特征快速提取出标识中心, 利用最小二乘法拟合水平颜色交界线的成像斜率, 基于成像斜率-视偏角模型判别出子机器人航向与入口平面的法线关系, 从而进行运动决策使二者重合以完成入舱. 该方法无需摄像头标定和航迹测量即可准确入舱, 仿真实验验证了所提出方法的有效性.