110kV输电线路巡线机器人控制方法及实现

首先对巡线机器人的控制系统进行了简单介绍，然后重点阐述了一种新型的基于分布式专家系统的高压架空输电线路自动巡线机器人的控制方法和实时实现. 提出了一种基于规则和证据的可信度的分布式专家系统的协调算法. 采用CLIPS，C和VC++等计算机语言实现了该控制方法. 在线运行实验表明，该控制方法不仅可以控制机器人自主跨越输电线路上的各种典型障碍，而且对于特别复杂的环境，如跨越转弯跳线时，通过两个专家系统的协作，机器人的巡线工作也能顺利进行.     

基于全身力矩控制的双腿轮机器人跳跃方法研究

双腿轮机器人由于内在不稳定性以及强耦合非线性特性, 其运动控制尤其是高动态运动控制非常困难. 为此, 提出基于最优力分配的全身力矩控制框架, 可同时实现双腿轮机器人的自平衡与躯干位姿控制; 为提高双腿轮机器人在高速运动时跨越垂直障碍物的能力, 提出应对垂直障碍的跳跃动作规划方法, 并基于全身力矩控制框架进行控制与实现; 通过分析简化的轮式倒立摆模型, 得到腾空时飞轮转动对俯仰姿态的动力学影响, 实现腾空阶段俯仰姿态的调整. 设置连续跳跃仿真实验与有无飞轮调整的俯仰姿态对比实验, 其仿真结果证明所提方法的有效性与鲁棒性.     

基于中间件的工业机器人软件框架的研究和应用

在国内首次使用中间件技术,面向机车维护工业机器人,设计开发可扩展、升级和移植的软件应用框架。详细介绍了软件框架的设计和实现,包括采用两层结构实现服务器、框架的技术指标、系统CORBA IDL的具体设计和定义。最后规划了今后的研究工作。     

基于神经元的参数自学习PID控制器

本文利用神经元的学习功能构在了参数自学习ＰＩＤ控制器，并给出了一种控制灵敏度的快速近似求取方法，实现了ＰＩＤ参数在线自学习．这种控制结构简单，可靠性高，适时性好，仿真结构表明，它具有较强的自适应性和鲁棒性。     

高压输电线路自动巡线机器人机构设计及在约束条件下的逆运动学分析

设计了一种全新的输电线路自动巡线机器人的机械结构,介绍了该结构的各个组成部分。通过对巡线机器人系统的力学分析,得到了机器人运动的约束条件,在此约束条件下,采用一种可用于实时控制的循环坐标下降法(cyclic-coordinatedescent,CCD)对机器人的逆运动学进行了分析。仿真实验表明,这种迭代算法对于有运动约束系统的逆运动学分析具有较强的适用性,而且具有非常好的收敛性,特别适合于在线计算,便于巡线机器人的实时运动控制,同时验证了机构设计的可行性。     

RJP—2喷浆机器人的设计与实现

介绍了我国第一台煤矿机器人－ＰＪＲ－２喷浆机器人，它是煤矿井下巷道的混凝土喷射专用设备，具有结构简单，操作方便，可靠性高等优点，经煤矿井下现场试验表明，它射均匀，回弹和粉尘大大减少，完全满足混凝土喷射工艺要求。     

110 kV输电线路巡线机器人

针对110kV输电线路具有防震锤、耐张线夹、悬垂线夹、跳线、转弯等诸多障碍,线路与障碍物的相对位姿和形态不是非常同定的特点,介绍了一种全新的运行于该输电线路的巡线机器人.机器人本体机构综合了多节分体机构和轮臂复合机构的优点,行车运动机理兼容了轮式移动和步进式蠕动爬行的特点,刚度大、姿态稳定性好、跨越障碍能力强、巡检速度有保证.机器人控制系统由地面遥控/数据接收移动基站和本体控制单元组成.本体控制单元采用2层分布式计算机控制结构,规划层用于机器人管理和路径规划,执行层用于机器人的姿态和运动控制.运行实验表明,机器人较好地实现了自主越障,能够完成规定的巡检任务,具有广阔的应用前景.     

优化自抗扰控制器在船舶主机上的应用与仿真研究

船舶主机速度控制系统具有典型的非线性和不确定性,并受到调速器执行能力的约束及风、浪、流等的干扰,使得主机速度控制器的设计非常困难。给出了带有船舶主机非线性数学模型,将自抗扰控制(ADRC)应用于船舶主机控制,并针对ADRC一些参数不易确定的问题,提出了一种优化目标函数,应用遗传算法对ADRC参数进行优化设计,从而设计出船舶主机优化ADRC控制器。仿真结果表明:该控制器对于船舶主机的非线性、参数不确定性、环境不确定性均有较强的鲁棒性;速度切换控制过程快速、平滑,可以实现高精度的速度控制。     

一种基于激光信息的移动机器人两步自定位方法

提出了一种基于激光信息的移动机器人两步自定位方法.在对扫描数据预处理之后,第一步采用序贯搜索法进行室内环境的直线提取并建立角度直方图,通过角度直方图匹配求取机器人的旋转角度.第二步对角度匹配后的激光数据进行核密度估计,以核相关为基础建立以平移向量为参数的目标函数,并采用BFGS拟牛顿法实现平移向量的求解.实验结果证明该方法能够有效的实现移动机器人的精确自定位.     

基于回声状态网络的进化机器人路径规划方法

在移动机器人路径规划问题的研究中,针对进化机器人在不同环境下需要重新进化与学习的问题,为了使进化机器人准确定位,提出了一种基于(μ+λ)-ES进化策略的回卢状态网络路径规划算法,利用回声状态网络构建移动机器人传感器输入和执行器输出之间的映射关系,利用(μ+λ)-ES进化策略对回声状态网络进行无监督学习,机器人利用进化获得的神经网络控制器进行路径规划.仿真结果表明,根据回声状态网络的路径规划方法对于机器人动态未知环境具有较好的实时性和适应性,达到准确定位目标.