机器人控制基础(七) 第七讲 机器人编程语言

为使机器人具有很好的通用性,把它制成可编程的机器。改变输入程序,便可进行各种不同作业。通常,把教给机器人怎样进行作业称为作业程序设计。根据机器人语言进行程序设计与计算机编程一样。

机器人控制基础(四) 第四讲 机器人控制

机器人的控制问题包括:建立机器人的动力学模型和设计使系统满足指标要求的控制现律。一般地讲,机器人臂的运动有两种不同的控制方法。第一、机器人臂从初始位置(姿态)沿着规划的轨迹线运动到希望的目标位置(姿态)上。第二。

病态线性系统的一种仿真算法

本文介绍用增广矩阵法将病态(stiff)线性系统的非齐次方程转换为齐次方程,利用状态转移矩阵代替积分求解,从而避免了系统仿真分析中由于数值积分形成的积累误差对仿真结果的影响,并给出工程系统仿真设计的实例。

基于改进混合遗传算法的二自由度PID控制器设计与应用

针对一般遗传算法存在的不足 ,提出一种改进的混合遗传算法 ,并将其应用于二自由度 PID控制器参数寻优设计。仿真试验表明 ,所设计的二自由度 PID控制器具有优良的鲁棒特性和抑制外界干扰特性。在仿真转台控制系统设计中获得了良好的控制效果 ,从而说明了该方法的有效性。

无抖振离散准滑模控制

基于对常规离散准滑动模态及其抖振的分析 ,提出将离散趋近律与等效控制相结合的控制策略 ,既保证了趋近模态具有良好品质 ,又降低了准滑动模态带。该控制策略可避免系统状态步步反向穿越滑动面的抖振运动 ,从而消除了控制的抖振 ,并以较少的控制能量获得较好的系统性能。

不确定离散时间系统的变结构控制

常规变结构控制用于不确定系统 ,须利用不确定性界确保系统的鲁棒性 ,控制器过于保守且抖振变大 .本文把未知干扰和参数不确定性的影响等效为名义系统的外界干扰 ,利用时延技术对干扰进行在线估计 ,并将估计值引入到变结构控制中 ,从而抵消掉系统中的慢变不确定性 ,利用离散趋近律法 ,推出了准滑动模态的存在条件及其带宽 .该方法克服了以往控制方法中须已知不确定性界的限制 ,且不必满足匹配条件 ,用较低的控制增益保证了系统的鲁棒性 ,降低了准滑动模态带即削弱了抖振 .

基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中 ,为了改善系统的行走性能 ,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来 ,利用神经网络来逼近系统的逆动力学模型 ,提高系统了的控制性能 。

模糊变结构控制及设计方法

通过对各种模糊变结构控制设计方法的深入分析，揭示了其与常规边界层法的相似性 首先探索了模糊控制与变结构控制两种控制方法的关系，并利用模糊逻辑调节变结构控制器的不连续增益来平滑系统的抖振，从而产生了一种混合控制器－模糊变结构控制．进而将其归结为两类不同的算法－模糊滑动面法和模糊Ｌｙａ－ｐｕｎｏｖ函数法，前者仅利用系统状态距离滑动面的远近，后者同时又引入了该距离变化的大小．利用Ｍａｔｌａｂ的模糊控制工具箱分析了各自的本质，结果表明模糊变结构控制仅仅是常规变结构控制中边界层法的进一步延伸。

零力矩点与两足机器人动态行走稳定性的关系

讨论了零力矩点（ＺＭＰ）与两足机器人动态行走稳定性的关系，证明了ＺＭＰ出支撑面时若踝关节取高增益ＰＤ控制则支撑脚无法实现稳定支撑．本文最后给出了一种ＺＭＰ计算及控制方法．

基于力矩传感器的双足机器人在线模糊步态调整器设计

双足机器人动态行走时 ,零力矩点轨迹与期望值之间存在一定偏差。利用机器人力矩传感器的输出信号 ,结合动力学算法实时计算零力矩点的位置 ,并利用基于模糊逻辑的步态调整算法修正踝关节处的 4个关节角 ,以达到降低零力矩点位置误差 ,提高系统动态行走稳定性的目的。仿真和实验证实了该算法的有效性。

双足机器人动态行走时踝关节的力矩控制问题

本文从实现单-双脚支撑期的平滑过渡及减小前脚着地冲击的角度出发,分析了双足机器人动步态时踝关节的控制对连续、平滑行走带来的影响.指出为实现平滑过渡及减小冲击在踝关节上不宜采用高增益位置反馈控制,而应采用力矩反馈控制.本文给出了力矩反馈控制的实现方法.该方法无需复杂的软件、硬件支持,能满足实时控制的要求.采用本文的方法实现了 HIT-13双足机器人稳定的动态行.

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.

小波神经网络在两足步行机器人爬斜坡中的应用

针对传统的神经网络中神经元模型在结构和信息存储能力上存在的不足 ,本文提出了一种基于广义小波基函数网络的神经元集聚模型 .这种小波神经网络不仅收敛速度快 ,非线性逼近能力更好 ,而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点 ,更符合生物原型的实际情况 .静态学习和准动态学习仿真实验证明这种神经网络结构的有效性 .

基于神经网络的复合学习方案及在机器人控制中的应用

利用基于神经网络的复合学习方案实现了机器人操作手末端执行装置的高精度轨迹跟踪.提出了通过对网络输出数据进行补偿以使网络在训练时快速收敛的方法,并推证了广义BP(误差向后传播)算法。它不需要机器人的动力学模型,仿真结果表明,该方法可适用于具有高度非线性和受各种不确定性干扰的复杂系统的控制中。

软件可靠性研究的发展状况与展望

从几个方面论述研究软件可靠性的重要性之后，着重介绍软件可靠性模型和软件可靠性设计的发展概况；简要介绍我国的一些情况。

基于小波神经网络的双足步行机器人步态规划控制器(英文)

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足 ,本文提出了一种基于广义小波基函数网络的神经元集聚模型。这种小波神经网络不仅收敛速度快 ,非线性逼近能力更好 ,而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点 ,更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。

A modified alopex which guarantees stability for a class of closed-loop neural-network control systems

Untanpreeda presented a training algorithm based on BP [1] , which guarantees the closed loop stability for a class of widely used Neural network control systems. However, it has some shortcomings, such as insufficient stable condition, low efficiency and frequent convergence of parameters to a local minimum. A new training algorithm based on Alopex is proposed to ensure sufficient stability, and overcome some of the shortcomings.

Robot inverse kinematics based on FCM and fuzzy-neural network

Presents a fast and effective method proposed by combining the fuzzy C means (FCM) and the fuzzy neural network for solving robot inverse kinematics, and its successful application to the robot inverse kinematics and concludes from simulation results that this new method not only has high efficiency and accuracy, but also good generalization, and it also overcomes the "dimension disaster" of fuzzy set in a fuzzy neural network fairly well.