摘要：针对采摘控制系统精度较低、采摘效率不高的问题,基于冗余控制策略设计了采摘机器人,主要由传感器模块、远程控制模块、控制器模块、执行器模块和中央控制器组成。从冗余度机器人自运动的角度、构造性能指标和自运动变量,对机器人的运动功能变量进行优化和控制,提高对机器人的关节控制。对采摘机器人进行试验,结果表明:机器人可以完成对果蔬的采摘,且保证果蔬表皮的完整性。

摘要：为了提高机械臂与环境交互过程中的接触力估计精度和关节控制精度,提出了基于时延强跟踪Kalman滤波的接触力估计方法和基于熵-自学习控制网络的关节角位置控制方法。建立了机械臂系统的关节驱动模型和动力学模型;基于时延估计理论,建立了4自由度机械臂系统的时延模型;在Kalman滤波中引入了渐消因子,使估计残差强行正交,从而提出了基于时延强跟踪Kalman的接触力估计方法。以接触力误差和关节位置误差为输入,以关节力矩为输出构建了自学习控制网络,并提出使用熵聚类确定网络结构和参数,从而设计了熵-自学习控制网络。经仿真验证,基于时延强跟踪Kalman的估计误差区间分布小于标准Kalman和文献[12]柔顺控制,且分布密度在0误差处极高;熵-自学习控制网络对期望轨迹的绝对跟踪误差和收敛时间远小于自学习控制网络和变阻抗阻尼控制。仿真结果验证了本文接触力估计方法和角位置控制方法的优越性。

摘要：PID控制器在采摘机器人关节控制系统中得到广泛的应用,为了有效地寻找关节控制器的最佳控制参数,本文选用粒子群PSO(particle swarm optimization)算法对PID三个参数(K_p,K_i,K_d)进行在线整定,建立PSO-PID控制器参数模型,利用Matlab软件对传统PID以及PSO-PID算法进行仿真,结果显示,相比于传统PID算法,PSO-PID算法具备更好的稳定性。

摘要：针对传统PID控制算法在控制LNG卸料臂这种具有很强非线性的时变系统时响应速度慢而无法适应移动目标法兰跟踪对接需求这一问题,引入模糊控制理论,分别提出和实现了不依赖于LNG卸料臂动力学模型的模糊经验控制算法和与PID控制相结合的模糊PID控制算法,并将两种智能控制算法分别应用于试验场实体LNG卸料臂中,以单个关节为试验对象,分别进行性能测试和模拟移动目标法兰的跟踪测试,试验数据表明,引入模糊控制理论设计的算法在综合响应速度上,相比传统PID控制算法有明显提升,并且在实际应用中,模糊PID控制算法因其较强的抵抗时延能力完全可以胜任移动目标法兰的对接需求。