面向智能工厂的轮式移动机械臂运动控制研究

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:hellomfc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
轮式移动机械臂由轮式移动平台和机械臂组合而成,由于其可以在空间内自由移动,故具有工作空间大、应用场景丰富、环境适应性强等优点。将轮式移动机械臂引入到智能工厂中,控制其按照参考轨迹进行加工作业,不仅可以代替传统固定式机械臂,还能提高加工效率,创新加工模式。为解决轮式移动机械臂结构复杂和多变量等问题,本文对轮式移动机械臂的加工作业过程进行划分,建立相应的数学模型和控制方法,以保证轮式移动机械臂在智能工厂场景下顺利完成工作任务。首先,为了实现轮式移动机械臂在智能工厂场景下的高精度轨迹跟踪控制,结合其机械结构特点和合理性假设,建立轮式移动机械臂整体的运动学和动力学模型,为后续设计运动控制方法提供基本的模型参考。其次,在充满障碍物的智能工厂场景中,为了保证轮式移动机械臂顺利达到目标工位,对智能工厂场景中的障碍物建立人工势场,提出基于人工势场法(Artificial Potential Function,APF)的移动平台轨迹跟踪及避障复合控制方法。在运动学层面,APF控制器可以实现对移动平台轨迹跟踪控制和避障控制的切换,提高轮式移动机械臂的灵活性。再次,在轮式移动机械臂到达工位后,为解决其整体轨迹跟踪控制中非线性、多变量、多约束等问题,提出一种基于模型预测控制(Model Predictive Control,MPC)的轨迹跟踪控制方法。基于跟踪误差模型设计MPC位姿控制器,该控制器可以实现对轮式移动机械臂位姿的误差跟踪,实时输出期望速度,实现了对轮式移动机械臂运动学层面的轨迹跟踪控制,并为后续研究做好了铺垫。最后,针对轮式移动机械臂轨迹跟踪控制中部分状态量不可测的问题,引入扩张观测器(Extended State Observer,ESO)。在上述研究基础上,提出一种协同控制方法,利用扩张观测器对未知速度信息进行观测,MPC位姿控制器在运动学层面跟踪参考轨迹,基于滑模变结构控制(Sliding Mode Control,SMC)设计动力学控制器,在动力学层面对力矩进行控制,以此实现对轮式移动机械臂在运动学与动力学层面的协同控制。本文在智能工厂场景下,对轮式移动机械臂的建模及控制方法进行研究,能够显著提高轮式移动机械臂对复杂环境的适应能力和抗干扰能力,实现在智能工厂场景下轮式移动机械臂的稳定控制。本文研究成果为轮式移动机械臂的运动控制研究提供了一定的参考。
其他文献
现今,海洋资源的利用和交互受到很大的关注。以往海洋物联网技术主要是云计算架构,然而大数据时代,云计算逐渐面临网络时延等挑战。移动边缘计算的诞生解决了这些问题。但由于参与者之间缺乏信任以及用户对隐私的关注,需要提出更可靠的解决方案。目前的方案有的利用区块链解决数据安全问题,有的利用联邦学习解决隐私问题,但这些方法并未结合海洋的特殊环境,且未考虑节点的安全性。本文提出了一种基于联邦学习和区块链技术的边
在室内服务机器人技术领域中,自主导航是机器人功能的重要组成模块。在自主导航技术中,路径规划是机器人在应用场景内完成各项功能的技术基础。在全局和局部路径规划技术中,所应用的算法仍存在规划路径不平滑且稳定性不高的现象。本文针对以上问题,以轮式机器人为研究对象,对路径规划技术进行了研究。基于ROS(Robot Operating System)平台完成自主导航系统框架的搭建。为保证仿真和实验的顺利进行,
行人检测作为计算机视觉中一个备受关注的子方向,目的是检测图像或视频序列中是否存在行人,并给出精确的定位,其在智能监控、智能机器人、智能交通、车辆辅助驾驶系统、人体行为分析等领域都有广泛应用。本文以CSP行人检测算法为基准模型,从多方面进行改进模型,使模型拥有更低的漏检率,更快的检测速度和更小的体积。针对行人遮挡问题,本文将注意力机制融入网络,以提升模型在重度遮挡行人集合上的性能。最后将改进模型移植
调制识别是通信领域的一个关键性技术。传统的调制识别技术需要人工提取信号的特征后再进行分类,实现复杂且鲁棒性差。深度学习的快速发展为调制识别技术研究提供了新的思路,但其应用却面临两个重要挑战:一是如何获得更高的识别准确率,二是如何在小样本条件下实现对调制信号的有效识别。针对上述挑战,本文研究实现了一种基于三元组网络的调制识别方法,用于提升调制识别的准确率;研究实现了一种基于关系网络的调制识别方法,用
目前,慢性病是全球最主要的死亡原因,且趋于年轻化,如何降低慢性病的发病率、死亡率及其造成的疾病负担成为了全球所关注的焦点。由于慢性病本身具有潜伏期长、早期症状和体征不明显、常导致多种并发症等特征,加上有限的检测方法、治疗药物以及患者自身的病耻感,均为其诊疗带来巨大挑战。因此,探索疾病产生的机制及其代表性的标识物具有重要意义。脑电(Electroencephalogram,EEG)是一种电生理信号,
随着人工智能技术的快速发展浪潮,各种类型的机器人在人们的日常生产生活中得到了广泛的应用。其中,在能源化工行业中,由于危险气体泄漏引发的重大安全事故不断增加,防爆型巡检机器人也开始得到研究者的广泛关注。尤其是四轮独立驱动与转向的轮式机器人凭借其控制性好、灵活性高和机动性强的特点,在应对高危环境的巡检场景中成为研究应用的热点之一。防爆巡检机器人在执行巡检任务时,需要采用路径规划技术。基于已知环境信息,
行人重识别旨在判断行人在不同的摄像机视域下是否出现过,是图像检索的一个子问题。随着深度学习在计算机视觉领域的广泛应用,基于深度学习的行人重识别已经成为主流模型,并且在效果上远远超出基于传统机器学习的行人重识别方案。但在在实际的应用场景中,由于存在摄像机分辨率太低、姿态变化、光照变化频繁和遮挡严重等一系列问题,行人重识别任务仍然具有很大的挑战性。如何提取对光照变化、姿态变化和遮挡鲁棒的、有区分性的特
随着高通量技术的发展,产生了大量的生物组学数据,从生物组学数据中提取有意义的信息对于理解复杂的生物过程至关重要。生物组学数据的特点是“小N大P”,即特征数大,样本量小。传统的特征选择方法忽略了每个特征(生物分子)之间的复杂相互作用,因此从系统、宏观的网络层面研究特征(生物分子)之间的相互作用具有重要意义。本文对特征(生物分子)间的相互作用进行研究,提出了两种基于网络的生物标志物筛选方法。提出了基于
随着数字化时代的进步,基于云计算的机器学习预测也变得越来越广泛,然而传统的机器学习算法需要访问原始数据,这给用户数据带来了潜在的安全风险,尤其是一些隐私数据,比如医疗记录、财务数据等其他进入第三方渠道的信息。为了保护隐私数据不被泄露,实现安全的机器学习预测,可以在预测前对原始数据进行加密处理。同态加密技术可以对加密后的隐私数据做计算,这种隐私保护的方法使得安全预测成为可能。然而由于加密方案的巨大开
在现代国防的防空作战体系中,战场局势复杂且瞬息万变,使用AI进行动态辅助决策成为了一种迫切的需求。传统的依靠专家规则的AI模型过分依赖规则和专家的知识,而且不够灵活。基于深度强化学习的AI模型可以通过模拟或者真实的战场数据学习,使得决策更加灵活可靠。游戏环境一直都被认为是AI研究最理想的实验环境之一,在模拟仿真上的效果也很好。经过调研发现塔防游戏在游戏目标和操作上和防空作战有着一定的相似性。因此可