排球训练机器人扣球位姿修正中的解耦控制

因排球训练机器人在扣球位姿控制过程中需要多回路控制,不同控制回路之间相互影响,导致存在不同回路之间的耦合干扰,要获得良好的训练效果,需要对排球训练机器人在扣球训练过程中的耦合干扰进行解耦控制。为此,提出一种针对排球训练机器人扣球位姿修正的解耦控制方法。根据机器人的主要能量和扣球速度独立非线性项计算排球机器人姿态运动参数,采用扩展卡尔曼滤波器,估计机器人在扣球训练过程中的位姿。根据机器人位姿估计结果,建立位姿修正解耦控制的目标函数,并设定扣球位姿控制的约束参量,引入变步长动态平衡反馈调节方法实现单一回路的解耦控制。实验结果表明:这种解耦控制方法在x轴和y轴中的跟踪误差均低于0.3m,在控制过程中的俯仰角、关节旋转角度和加速度变化曲线与设定期望值相符,证明所提方法可有效提高排球训练机器人的跟踪精度和控制效果,获得较好训练效果。

基于末端位姿修正的机器人可变形臂稳态控制算法

机器人的可变性臂受到旋量参数初值扰动,导致输出控制参量的稳态性不好,提出一种基于末端位姿修正的机器人可变形臂稳态控制算法。构建机器人可变形臂的运动学参数模型,结合拟线性规划模型进行机器人可变形臂的连杆动力学分析,以旋转惯性参量和驱动惯性参量为空间位姿约束参量,进行机器人可变形臂的末端位姿控制约束参量模型构建,采用Kalman滤波算法获取操作臂的旋量参数初值,采用滑模误差反馈调节方法得到机器人可变形臂的最优位姿参量,实现机器人可变形臂的末端位姿稳态控制。测试结果表明,采用该方法进行机器人可变形臂的控制的稳定性较好,位姿修正能力较强。

Pure Pursuit算法在移动机器人路径跟踪的位姿修正研究

文章介绍了Pure Pursuit算法在移动机器人路径跟踪方面的原理。着重探讨了采用Pure Pursuit算法对移动机器人路径跟踪的位置和姿态调整问题,提出了保证移动机器人在路径的关键点处的位置和姿态都能同时满足要求的算法。通过仿真程序对算法的正确性进行了验证。文章可以为采用Pure Pursuit算法进行路径跟踪的移动机器人提供参考。

视觉辅助下的室内惯导位姿修正

惯性导航系统可以短期内提供连续的高精度信息,但是误差会随时间增大,不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中,传统的惯导+卫星组合方法也不再适用。针对该问题,本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中,采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法,本文利用视觉定位的位姿信息建立量测方程,进行卡尔曼滤波,并选取合适的试验设备,通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。

复合扰动下双足机器人位姿修正解耦控制研究

双足机器人在驱动步行中受到活动部件的复合扰动作用容易产生耦合误差,导致解耦控制的稳定性不好,为了提高双足机器人驱动步行中的解耦控制的稳定性,提出一种基于变步长动态平衡反馈调节的双足机器人驱动步行位姿修正解耦控制方法。采用分布式传感器阻力力学采集方法进行双足机器人的姿态参量测量和动态融合处理,构建双足机器人驱动步行位姿修正解耦控制的约束参量模型和控制目标函数,采用Kalman滤波方法进行双足机器人驱动步行的地面环境适应校正和误差修正,采用变步长动态平衡反馈调节方法确定精准的驱动步行姿态参量,实现双足机器人准确的姿态定位和参量解算。仿真结果表明,采用该方法进行双足机器人驱动步行姿态定位控制的准确度较高,环境适应性较好,实现零误差驱动步行,提高了双足机器人的控制品质。

基于视觉与IMU融合的机器人位姿修正方法研究

为了提高机器人位姿修正精度,提出基于视觉与IMU融合的机器人位姿修正方法。构建机器人位姿参数分布模型,结合标准卡尔曼滤波模型进行机器人位姿参数融合和视觉特征重构,采用三维视觉信息跟踪识别方法进行机器人运动学模型的优化设计,基于视觉与IMU融合方法实现自主遥控双足机器人结构参数辨识模型的构建和位姿修正。仿真实验结果表明,采用该方法进行机器人位姿修正的精度较高,提高了机器人的自动化控制能力。

耳温计检定系统机械臂位姿自动修正方法研究

针对耳温计自动检定系统中机械定位随机偏移的问题,提出一种基于机器视觉的机械臂位姿自动修正算法。在恒温槽基准位建立机械臂运动的基准参考坐标系,在此坐标系下设计机械臂作业路径动作;系统作业过程中,通过定位恒温槽上的特征图案生成变换矩阵,产生新参考坐标系;机械臂来到新参考坐标系下拍照,反推变换矩阵偏差值并对其迭代更新;通过对机械臂运动的参考坐标系进行修正,完成对机械臂三维作业的位姿修正。实验结果表明,所提算法对恒温槽上3个平面的定位精度达到0.5 mm以内,为相似场景下的视觉引导提供了一种新思路。

退化环境中全向移动机器人位姿鲁棒修正算法

全向移动机器人定位算法在退化环境中通常会产生较大的定位漂移或失效,为此提出一种鲁棒的全向移动机器人在退化环境中的位姿修正算法。首先,通过全向移动机器人的结构、动力学分析确定定位误差产生来源;其次,对机器人的各运动状态进行受力分析,结合机器人的运动环境和机器人的运动状态建立打滑误差模型;再次,通过预试验得到的位移与定位误差,运用非线性加权拟合方法计算得出加工装配误差模型;最后,在轮式里程计中插入误差补偿模块,提高机器人定位精度。试验表明:算法位置平均误差为1.36%,姿态平均误差为0.75%,较传统算法分别提高了3.14倍和5.15倍。算法在保证定位精度的前提下具有很强的鲁棒性。

基于改进MSCKF的无人机室内定位方法

针对无人机室内定位容易出现漂移的问题,提出基于改进多状态约束卡尔曼滤波器(MSCKF)的无人机(UAV)室内定位方法.该方法在MSCKF的框架下,提出高鲁棒性、低时延的标志点检测方法.利用在世界坐标系下坐标已知的标志点计算得到无人机位姿,实现惯性测量单元(IMU)信息与单目视觉信息融合以及无人机位姿修正.对提出的定位方法进行测试.测试结果表明,该方法的定位误差小于0.266 m,与OpenVins和LARVIO开源算法相比,定位精度提高了54.6%以上.