避免关节限制的机器人冗余分解方法

对几种主要的机器人运动学冗余分解方法进行了总结 ,指出了每种方法的优点及存在的问题 ;介绍了基于优化的任务扩充方法并讨论了这一方法的关节限制避免问题 ;通过一实际的四自由度平面机器人的仿真 。

迭代学习神经网络控制在机器人示教学习中的应用(英文)

示教学习是机器人运动技能获取的一种高效手段.当采用摄像机作为示教轨迹记录部件时,示教学习涉及如何通过反复尝试获得未知机器人摄像机模型问题.本文力图针对非线性系统重复作业中的可重复不确定性学习,提出一个迭代学习神经网络控制方案,该控制器将保证系统最大跟踪误差维持在神经网络有效近似域内.为此提出了一个适合于重复作业应用的分布式神经网络结构.该神经网络由沿期望轨线分布的一系列局部神经网络构成,每一局部神经网络对对应期望轨迹点邻域进行近似并通过重复作业完成网络训练.由于所设计的局部神经网络相互独立,因此一个全程轨迹可以通过分段训练完成,由起始段到结束段,逐段实现期望轨迹的准确跟踪.该方法在具有未知机器人摄像机模型的轨迹示教模仿中得到验证,显示了它是一种高效的训练方法,同时具有一致的误差限界能力.

采用LonWorks技术的车库控制系统设计与实现

论述了一套采用现场总线控制的车库自动控制系统。分析了基于LON（localoperatingnetwork）技术的各节点控制结构，阐明了智能分布式控制的实用价值。