摘要：为提高工业机械臂对目标物体抓取及对障碍物躲避的效率和成功率,提出一种基于改进抓取信息引导的快速随机树星(GI-RRT^(*))的机械臂路径规划算法.首先,预先设定最大迭代次数和自适应函数,缩短机械臂运动轨迹生成时间,增强采样导向性和质量;其次,基于椭圆形子集直接采样,对采样点位置进行约束,提高采样效率;最后,采用贪心算法删除机械臂运动轨迹的冗余点,并使用三次B样条曲线平滑约束机械臂运动轨迹,提高机械臂运动轨迹的柔顺性.利用生成残差卷积神经网络模型预测,输入深度相机采集的彩色图像和深度图像,输出视场中物体的适当映射抓取位姿.为验证机械臂的抓取效果,选择三指气动柔性夹爪,设计柔性抓取模块,并结合法奥(FR3)协作机械臂构建自主抓取系统,进行二维地图仿真和机械臂样机实验.结果表明,与传统的信息引导的快速随机树星算法相比,GI-RRT^(*)算法运动轨迹长度缩短10.11%,轨迹生成时间缩短62.68%.同时,算法具有较强的鲁棒性.机械臂能独立地避开障碍物、抓取目标物体,满足其自主抓取的需求.

摘要：针对机械臂在工作时受到的未知干扰较大,非线性系统动力学建模不精确的问题,设计了一种考虑干扰观测器补偿的非奇异快速终端滑模NFTSMC (Non-singular fast terminal sliding mode)算法;将未知干扰引入由拉格朗日动力学推导的机械臂动力学方程中;设计了非线性扰动观测器NDO(Nonlinear disturbance observer)以观测干扰并在控制输入中补偿,并证明了观测器的收敛性;设计了非奇异快速终端滑模面并推导出控制输入,随后用李雅普诺夫稳定性判据证明了系统的收敛性;搭建了二自由度机械臂模型并仿真,验证了本文所设计的控制策略的有效性和优越性。

摘要：针对机械臂轨迹跟踪控制精度差的问题,提出一种应对输入饱和、反步滑模控制和自适应控制的设计方案。为消除输入饱和对机械臂跟踪效果的影响,设计一个饱和补偿的非线性辅助系统。此外,将自适应反步滑模控制方法应用于轨迹跟踪控制,提高了系统的稳定性和跟踪性能。利用李雅普诺夫稳定性理论证明该系统的稳定性,并通过仿真实验验证该方案的有效性。结果表明,所设计方案在应对输入饱和及复合干扰时,能够实现机械臂的高精度轨迹跟踪控制。

摘要：针对视觉伺服控制系统存在伺服精度低、收敛速度慢和缺乏可见性约束等问题,提出一种基于深度强化学习的自适应调整多策略控制器伺服增益方法,用于机械臂智能控制。首先搭建眼在手配置(EIH)的机械臂视觉伺服系统。然后,融合比例控制与滑模控制(SMC)设计基于图像的视觉伺服控制器(SMCC-IBVS);针对控制系统特征丢失的问题,将伺服选择增益的过程构建为马尔可夫决策过程(MDP)模型,在此基础上,设计基于深度确定性策略梯度(DDPG)的自适应伺服增益算法,通过深度强化学习来自适应调整控制器(SMCC-IBVS)伺服增益,减少伺服误差,提高效率和稳定性。最后,仿真和物理实验结果表明,使用DDPG学习调控增益的SMCC-IBVS控制器具有强鲁棒性和快速收敛性,且在很大程度上避免了特征丢失;机械臂轴孔装配实验结果也表明,所提出的视觉伺服系统实用性能较强,针对轴孔最小间隙为0.2mm间隙配合的装配实验成功率可达99%。

摘要：针对初始状态未知的机械臂实际运行时,存在外界未知扰动、建模误差等非线性因素,导致机械臂无法进行精准快速工作的问题,提出基于固定时间算法的机械臂优化NTSMC方案。构造新的分段滑动变量来解决终端滑模控制带来的奇异性问题,并在固定时间内获得更快的收敛速度。为了实时逼近和补偿模型不确定性及外部扰动,采用基于actor-critic架构的强化学习算法。设计辅助系统缓解输入饱和问题,通过对比实验验证了所提方法的优越性和实用性,在相同控制参数下具有更快的固定时间内收敛速度和较高的控制精度。

摘要：针对三维编织的机械臂与理论设计的参数存在偏差,导致机械臂在运行时产生扰动力矩的问题,采用改进蜣螂算法(improved dung beetle optimizer,IDBO)和加权最小二乘法的改进动力学参数辨识方法,分步辨识非线性斯特里贝克(Stribeck)摩擦力矩、线性惯性力矩、科氏向心力矩和重力矩。为设计激励轨迹,引入周期性傅里叶级数和五次多项式,采用IDBO设计最优激励轨迹,获取机械臂在最优激励轨迹下的实时状态,确定其动力学参数并建立动力学模型。试验以碳纤维复合材料和45钢混合的大臂机器人为对象。结果表明:考虑非线性摩擦力矩的改进动力学参数辨识方法有效提高了动力学模型精度,与仅考虑线性摩擦力矩的常规方法相比,关节1~6的预测力矩误差均方根(RMS)减小25.6%~47.9%。

摘要：为解决预设性能控制中性能约束函数的参数设置受系统状态初值影响的问题,为任意初值下的机械臂系统设计了一种收敛时间和瞬态性能可预设的反演控制算法。通过引入预设时间收敛误差转换函数,将任意初值下的轨迹跟踪误差转换成初值在原点、且可在预设时间内收敛到实际跟踪误差的新变量,给出收敛时间可任意设置的预设时间收敛Lyapunov稳定判据,采用扩张状态观测器估计系统不确定部分,基于新变量设计反演控制算法,使机械臂轨迹跟踪误差满足有限时间性能约束函数的预设瞬态性能和稳态精度,理论证明了闭环系统的预设时间稳定。仿真结果表明,所设计的控制器能使任意初始位置的机械臂轨迹跟踪误差在预设时间内按照给定性能约束收敛,且具有较强的鲁棒性。

摘要：当前视觉伺服抓取策略大多注重工件自身的图像特征构建及复杂的控制模型设计,导致机械臂抓取系统设计困难,适用性和灵活性低。针对以上问题提出了基于图像特征组合的机械臂视觉伺服协作抓取系统。首先,利用姿态矫正台上装载的四边形平面光源的顶点特征,根据工件的质心位置和主方向,在工件位置处组合机械臂视觉伺服特征点,保证工件具有稳定的视觉特征;其次,搭建了机械臂和姿态矫正台的闭环协作控制回路,并设计姿态矫正位置补偿环节,用于减少运动复杂度,加快系统收敛速度。实验结果表明,所提出的视觉伺服协作抓取方案,能够快速稳定地完成工件的位姿矫正工作,视觉伺服最大像素误差为6个像素点,最大姿态角度误差为3.74°,协作运动均在40次迭代内完成,具有良好的抓取准确度和适用性。

摘要：为了减小机械臂在扰动作用下的控制误差,提出了基于自适应-重构粒子群算法的机械臂自抗扰控制优化方法。介绍了自抗扰控制器的组成和工作原理,依据ITAE指标建立了自抗扰控制参数的优化模型。对粒子群算法的粒子进化能力和算法进化能力进行了定义,基于两种进化能力构造了自适应学习因子,使粒子能够自适应选择高效率学习对象;引入了粒子随机重构策略,使算法具备跳出局部最优的能力,将新型算法命名为自适应-重构粒子群算法。经过仿真测试和验证,自适应-重构粒子群算法的优化能力强于标准算法;在时变扰动和恒值扰动作用下,自适应-重构粒子群算法优化的机械臂控制误差远小于标准粒子群算法。仿真结果验证了自适应-重构粒子群算法在机械臂自抗扰控制优化中的优越性。

摘要：永磁同步电机-2R机械臂控制由多个关节和执行器组成,通常情况下其为非线性动力系统,易出现混沌现象。因此,永磁同步电机-2R机械臂控制过程中会出现一定的故障,从而影响了机械臂的稳定性和控制性能,在故障条件下的容错抑振控制能力是该机械臂急需解决的问题。在该背景下,提出永磁同步电机-2R机械臂自适应容错抑振控制。基于拉格朗日方程,通过对永磁同步电机-2R机械臂的动能和势能计算,得到的整体动能表达式。然后,结合动能计算结果确定机械臂的未知项和不确定性故障,设计容错控制器来监测机械臂的状态信息。根据动能计算结果和容错控制器获取的机械臂状态信息,设计容错抑振控制器,实现永磁同步电机-2R机械臂在故障状态下的自适应容错抑振控制。实验结果表明:所提方法的永磁同步电机-2R机械臂控制精度更高、振动抑制效果更好,可以显著减小永磁同步电机-2R机械臂的振动,提高运动平滑性、精度和稳定性。