双体负压爬壁机器人神经网络非奇异滑模控制

针对自主研制的双体负压滚动吸附式爬壁机器人控制中存在模型参数不确定和外部干扰等问题,设计了一种径向基神经网络(RBFNN)结合改进趋近律的准滑动模态控制的自适应轨迹跟踪控制方法。在对双体负压爬壁机器人建立动力学模型的基础上,采用RBF神经网络逼近系统未知非线性动力学,消除外界未知干扰以及建模误差对系统的影响,实现了对双体负压爬壁机器人系统的精确控制。最后,将该控制方法应用于双体负压爬壁机器人进行实验验证,仿真结果和实验结果证明该方法在双体负压爬壁机器人轨迹跟踪中具有更快的收敛速度和削弱系统抖振的能力。

基于STM32的负压爬壁机器人控制系统设计

针对负压爬壁机器人(NPWCR)在高楼危险环境下进行侦察监控的灵活性、易控性和壁面适应性要求,设计一种基于STM32负压爬壁机器人的控制系统。该控制系统以STM32F103RCT6微控制器作为核心处理器,采用模块化进行功能设计,包括主控模块、电源模块、电机驱动模块、无线通信模块、风机驱动模块、摄像头模块等。各模块共同作用,实现机器人的连续运动、无线通信、视频实时监控等功能。该控制系统可以控制负压爬壁机器人在壁面灵活移动,操作负压爬壁机器人携带侦察监控设备进行实时监控,为开发多功能负压爬壁机器人的控制系统提供参考。