基于指数增益迭代学习算法的机械臂轨迹跟踪

工业机器人是有着非线性、强耦合以及时变性等特点的复杂动力学系统。针对某公司的六自由度机器人的轨迹跟踪问题,利用拉格朗日法对机器人进行了动力学建模,并提出一种指数增益的迭代学习控制算法以对机器人进行轨迹跟踪,并分析了该方法的收敛性。利用MATLAB软件中的Simulink功能对机器人模型工作轨迹进行仿真,将结果与传统PD型迭代学习算法进行比较,证明了该控制算法的有效性与可用性。

机器人末端复杂环境下力自适应控制

针对机器人末端与复杂环境交互工作模式下的力控制问题,提出了一种基于时间延迟的力自适应阻抗控制。建立自适应阻抗控制的数学模型,分析变刚度与变位置模式下的阻抗特性,证明了自适应阻抗控制的收敛性。设计了单臂机器人的复杂环境自适应力控制框图,以及双臂机器人控制模式下对应于不同刚度物体的夹取内力控制框图。通过Simulink与ADAMS联合仿真,结果表明单臂机器人在变位置和变刚度情况下,自适应阻抗模型对恒定力、斜坡力和正弦力均有很好的跟踪效果。双臂控制模式下,对不同刚度的物体可以很好地控制其协作内力。