基于运动轨迹预测控制的机械臂目标捕捉策略

利用机械臂捕捉运动中的物体是一项极具挑战性的任务,目标的轨迹预测、落点计算以及机械臂的运动控制需要在毫秒级内完成。为此提出一种基于运动轨迹预测控制的机械臂目标捕捉策略。首先,结合长短时记忆神经网络和卡尔曼滤波算法,设计一种改进的运动轨迹预测模型,实现动态目标的落点计算。其次,采用基于模型预测方法的位置视觉伺服控制,用于实时修正机械臂的姿态,从而实现运动物体的捕捉。最后,建立基于UR5机械臂的仿真与实验环境,验证所提方案的有效性。

机器人捕捉运动目标的动力学视觉伺服方法

提出一种机器人捕捉运动目标的动力学视觉伺服方法。基于位置阻抗控制器,通过双目立体视觉检测并跟踪运动目标的位置,结合CMAC网络,采用以视觉阻抗的二次型为训练目标的学习型视觉阻抗控制器,用于克服控制器对系统结构参数变化适应性差的缺点,并对阻抗参数进行优化。实验结果表明,该视觉伺服方法在机器人捕捉运动目标时具有良好的动力学特性和轨迹控制效果。

机器人捕捉运动目标的时间最优控制方法

对机器人的运动目标捕捉过程进行了研究,提出了用Ak im a样条函数对运动学求逆后的目标轨迹进行平滑的方法,使得轨迹在关节坐标系下得到解耦。通过模糊Bang-Bang控制机器人,使末端以时间最优的方式接近运动目标。当机器人关节位置与期望位置小于给定阈值时,采用带积分的模糊随动控制,使得每个关节相对独立地到达期望位置,并最终实现运动目标捕捉任务。结果表明,该方法简单有效,可快速稳定地实现运动目标捕捉任务。