基于图像的无标定机器人视觉伺服的研究

传统的机器人视觉伺服大都是基于系统标定实现的,由于标定工作需要专门的技术,标定精度易受外部环境影响,在复杂的工作环境下,常常无法进行有效的标定,且标定精度对于系统最终性能影响很大。因此,根据工业环境下对视觉伺服性能的要求,在总结当前无标定机器人视觉伺服研究的基础上,对基于图像无标定的视觉伺服控制系统跟踪目标的运动轨迹,收敛速度和抗扰能力进行了研究,通过搭建MATLAB仿真平台,对基于位置的视觉伺服,基于图像的视觉伺服和基于图像无标定的视觉伺服三种控制系统进行了仿真对比分析,仿真结果表明,基于图像无标定的视觉伺服控制系统只在收敛速度上表现最优,为进一步对基于图像无标定的视觉伺服控制系统进行优化提供了思路和理论基础。

基于无穷范数的视觉伺服自适应控制方法

针对基于视觉的机器人伺服过程中,控制系统的精度和稳定性容易受到环境噪声、设备性能等因素影响,导致收敛指标不理想的问题,提出一种基于无穷范数优化任务序列(INOTS:Infinite Norm Optimization Task Sequence)的自适应增益算法,通过将实时全局任务细化为不同子任务,根据不同时刻子任务的特点自动配置增益。仿真结果表明,相比于固定增益及传统自适应增益调节算法,该增益算法可有效提高系统响应速度,增强控制系统的抗干扰能力,提高系统稳定性。