基于GAN网络的机器人逆运动学求解

六轴机器人逆运动学的任务是在已知末端执行器位置和姿态的情况下求解机器人的各关节变量,其主要用于机器人末端执行器的精确定位和轨迹规划。论文提出了基于生成式对抗网络(GAN)的机器人逆运动学求解方法,仿真结果表明,与BP等神经网络模型求解效果相比,GAN神经网络具有泛化能力强、误差小、训练效率高等优点,在机器人逆运动学求解中具有有效性和可行性。

基于零力控制的机器人标定技术研究

机器人标定是提高机器人控制精度的关键技术之一,测量手段是制约其发展的重要因素。为提高控制精度和标定可操作性,针对一种6R型机器人,首先基于封闭运动链建立了双机D-H运动模型,可以更好地描述机器人不同关节的几何关系。随后,将零力控制与标定过程相结合,利用零力控制可以减小关节磨损、提高离线示教效率的优势,为关于标定方法的研究提供了可实施方案。实验结果表明,增加零力控制后的双机标定可以提高机器人的控制精度。

基于LESO的永磁伺服系统无模型无差拍电流预测控制

受工况及运行环境的影响,永磁同步电机的参数会在运行过程中发生一定程度的变化。为解决电机参数变化导致的模型失配问题和数字控制系统中的一拍延迟问题,将无差拍电流预测控制与无模型控制结合。针对传统无模型控制中扰动估计的复杂和耗时问题,引入线性扩张状态观测器对系统扰动进行估计并进行前馈补偿。将基于传统PI控制的永磁伺服系统模型与文中所提模型进行仿真对比实验,仿真结果证明文中所提方法改善了永磁同步电机控制系统的动态响应性能且具有更强的鲁棒性。

基于三角函数正交性的永磁伺服系统机械参数辨识

为抑制永磁伺服系统机械参数不确定对系统控制性能的影响,提出一种利用三角函数正交性进行机械参数辨识的方法。给电机施加两个不同幅值、相同角频率的机械角速度指令,通过正弦、余弦函数在不同区间内的积分实现系统摩擦系数与转动惯量的解耦,在提高辨识精度的同时消除了不定负载转矩对黏滞摩擦系数、库仑摩擦系数和转动惯量辨识结果的影响。利用辨识得到的机械参数值对负载转矩进行观测,并针对系统的摩擦转矩、负载转矩进行对应的前馈补偿。仿真和实验结果均验证了该方法的有效性,机械参数辨识误差在1%左右,进行前馈补偿后转速环的控制性能得到一定的提升。

一种伺服系统两自由度复合控制器设计的新方法

提出了一种伺服系统两自由度控制器设计的新方法。该两自由度控制器包含一个前馈控制器和一个反馈控制器,反馈控制器是一个PID控制器,该PID控制器的参数通过极点配置的方法设计;前馈控制器通过不变性原理设计。该两自由度控制器也可以被应用于其他被控对象。实验结果证明了方法的有效性。