一种采样机械臂闭环控制系统的小故障检测方法

    公开(公告)号:CN113110377B

    公开(公告)日:2022-03-15

    申请号:CN202110331788.4

    申请日:2021-03-29

    IPC分类号: G05B23/02

    摘要: 本发明公开了一种采样机械臂闭环控制系统的小故障检测方法,该方法包括以下步骤:设计离散时间机械臂的自适应神经网络控制器;构造动态估计器逼近系统未知动态;计算故障引起的系统动态残差与控制器补偿的残差,进一步得出增强的总可测故障残差;计算加权递推的绝对故障残差累积值;设计故障检测决策方案,将实时计算得到的故障残差累积值与自适应阈值进行比较,若存在某个时刻,使得故障残差累积值大于自适应阈值,则判定该时刻机械臂发生故障;本发明的故障检测方案保证了机械臂系统发生故障后,实现对故障的快速检测,通过加权递推的绝对残差累积机制,解决了故障频繁变化以及故障诊断速度慢的问题,保障了故障检测系统的安全性和快速性。

    基于神经网络的受限移动机器人协同路径跟踪控制方法

    公开(公告)号:CN110658811B

    公开(公告)日:2020-09-18

    申请号:CN201910848231.0

    申请日:2019-09-09

    IPC分类号: G05D1/02

    摘要: 本发明公开了一种基于神经网络的受限移动机器人协同路径跟踪控制方法,该方法步骤为:建立移动机器人的运动学与动力学模型;定义路径跟踪误差方程;建立移动机器人的性能受限tan型障碍李雅普诺夫函数;基于图论知识,建立多个移动机器人的编队方式;建立移动机器人的路径参数更新率方程;针对移动机器人的非线性建模不确定项,采用后推设计方法,设计基于神经网络的控制器;设计编队控制器。本发明不仅能够保证单个移动机器人的路径跟踪误差最终收敛到小邻域内,还能保证误差始终在给定的区间内,保证暂态性能,同时,本发明实现了多个移动机器人的协同控制,使多个移动机器人根据路径参数均匀分布在同一条路径上。

    基于确定学习的封闭机器人速度补偿跟踪控制方法、存储介质及机器人

    公开(公告)号:CN114367980A

    公开(公告)日:2022-04-19

    申请号:CN202111562537.3

    申请日:2021-12-20

    IPC分类号: B25J9/16

    摘要: 本发明公开了一种基于确定学习的封闭机器人速度补偿跟踪控制方法、存储介质及机器人,该控制方法具体步骤包括:建立具有内部速度PI控制器的封闭机器人动力学模型和期望的关节周期轨迹;设计自适应神经网络速度补偿控制指令,并利用确定学习理论获取经验知识;基于所获经验知识设计常值神经网络速度补偿控制指令。本发明所设计方法不仅实现了神经网络控制智能算法在具有未知动态封闭机器人系统上的应用,而且基于确定学习理论设计的常值神经网络速度补偿控制指令,使得机器人能够从复杂工作任务中获取和利用经验知识,并在执行重复任务时节省在线计算资源和提升暂态跟踪性能。

    一种采样机械臂闭环控制系统的小故障检测方法

    公开(公告)号:CN113110377A

    公开(公告)日:2021-07-13

    申请号:CN202110331788.4

    申请日:2021-03-29

    IPC分类号: G05B23/02

    摘要: 本发明公开了一种采样机械臂闭环控制系统的小故障检测方法,该方法包括以下步骤:设计离散时间机械臂的自适应神经网络控制器;构造动态估计器逼近系统未知动态;计算故障引起的系统动态残差与控制器补偿的残差,进一步得出增强的总可测故障残差;计算加权递推的绝对故障残差累积值;设计故障检测决策方案,将实时计算得到的故障残差累积值与自适应阈值进行比较,若存在某个时刻,使得故障残差累积值大于自适应阈值,则判定该时刻机械臂发生故障;本发明的故障检测方案保证了机械臂系统发生故障后,实现对故障的快速检测,通过加权递推的绝对残差累积机制,解决了故障频繁变化以及故障诊断速度慢的问题,保障了故障检测系统的安全性和快速性。

    一种随机干扰下的无人艇跟踪误差约束控制方法

    公开(公告)号:CN110865539A

    公开(公告)日:2020-03-06

    申请号:CN201911127962.2

    申请日:2019-11-18

    IPC分类号: G05B13/04 G05D1/02

    摘要: 本发明公开了一种随机干扰下的无人艇跟踪误差约束控制方法,本方法针对在随机扰动下的无人艇设计控制器,并保证跟踪误差最终收敛到零点。本发明的方法包括步骤:构建无人艇的运动学模型和动力学模型;考虑海洋动态环境中存在着外界随机干扰,将无人艇动力学模型描述为标准的非线性随机模型形式;采用正切障碍李雅普诺夫函数来确保跟踪误差满足约束条件,并运用后推设计法针对无人艇的跟踪误差系统进行虚拟控制器的设计;运用自适应控制技术解决控制器设计中的参数不确定问题;本发明能实现了随机干扰环境下轨迹的精确跟踪,误差满足预先设定的边界条件,控制效果佳。

    基于神经网络的受限移动机器人协同路径跟踪控制方法

    公开(公告)号:CN110658811A

    公开(公告)日:2020-01-07

    申请号:CN201910848231.0

    申请日:2019-09-09

    IPC分类号: G05D1/02

    摘要: 本发明公开了一种基于神经网络的受限移动机器人协同路径跟踪控制方法,该方法步骤为:建立移动机器人的运动学与动力学模型;定义路径跟踪误差方程;建立移动机器人的性能受限tan型障碍李雅普诺夫函数;基于图论知识,建立多个移动机器人的编队方式;建立移动机器人的路径参数更新率方程;针对移动机器人的非线性建模不确定项,采用后推设计方法,设计基于神经网络的控制器;设计编队控制器。本发明不仅能够保证单个移动机器人的路径跟踪误差最终收敛到小邻域内,还能保证误差始终在给定的区间内,保证暂态性能,同时,本发明实现了多个移动机器人的协同控制,使多个移动机器人根据路径参数均匀分布在同一条路径上。

    一种基于RGB-D相机与IMU信息融合的移动机器人定位方法

    公开(公告)号:CN111156998B

    公开(公告)日:2022-04-15

    申请号:CN201911367625.0

    申请日:2019-12-26

    摘要: 本发明公开了一种基于RGB‑D相机与IMU信息融合的移动机器人定位方法,包括下述步骤:(1)建立针孔相机模型;(2)建立IMU测量模型;(3)结构光相机深度计算与基于特征点匹配的位姿变换计算;(4)IMU预积分姿态解算以及IMU坐标系与相机坐标系的转换;(5)RGB‑D数据与IMU数据融合过程以及相机位姿优化过程,最终获得精准的定位姿态。本发明使用RGB‑D相机与IMU的传感器组合的定位,很好的利用了IMU在短时间的快速运动具有较好的状态估计的特性,而相机具有静态条件下基本不漂移的特性,从而使定位系统具有较好的静态特性和动态特性,使机器人能适应低速运动场合和高速运动场合。

    一种基于视觉目标检测的移动机器人跟随行人方法、系统及介质

    公开(公告)号:CN114529579B

    公开(公告)日:2024-08-02

    申请号:CN202210077438.4

    申请日:2022-01-24

    IPC分类号: G06T7/246 G06T7/277 G06T7/73

    摘要: 本发明公开了一种基于视觉目标检测的移动机器人跟随行人方法、系统及介质,方法为:改进目标检测算法搭建行人检测模型,对行人目标进行检测;改进多目标跟踪算法,对行人目标进行跟踪;构建非完整移动机器人运动学模型,以及移动机器人与行人之间的角度和距离;确定角度和距离的约束条件,定义角度误差和距离误差;基于预设性能控制的方法,设计与障碍物位置有关的预设性能函数,构建误差转换函数;将转换误差函数引入李雅普诺夫函数,设计基于视觉的跟随避障控制器及速度观测器。本发明将视觉目标检测跟踪与控制理论相结合,采用李雅普诺夫法设计出基于视觉的跟随避障控制器,实现移动机器人平稳、高效、准确的跟随行人。

    基于确定学习的封闭机器人速度补偿跟踪控制方法、存储介质及机器人

    公开(公告)号:CN114367980B

    公开(公告)日:2023-05-30

    申请号:CN202111562537.3

    申请日:2021-12-20

    IPC分类号: B25J9/16

    摘要: 本发明公开了一种基于确定学习的封闭机器人速度补偿跟踪控制方法、存储介质及机器人,该控制方法具体步骤包括:建立具有内部速度PI控制器的封闭机器人动力学模型和期望的关节周期轨迹;设计自适应神经网络速度补偿控制指令,并利用确定学习理论获取经验知识;基于所获经验知识设计常值神经网络速度补偿控制指令。本发明所设计方法不仅实现了神经网络控制智能算法在具有未知动态封闭机器人系统上的应用,而且基于确定学习理论设计的常值神经网络速度补偿控制指令,使得机器人能够从复杂工作任务中获取和利用经验知识,并在执行重复任务时节省在线计算资源和提升暂态跟踪性能。