论文部分内容阅读
虽然近几年铁路的现代化进程很快,新丰镇、成都北、郑州北等大型的编组站使用了综合自动化系统,使得车辆的编组效率得到一定程度地提高,但是火车摘钩依旧是由人工完成,人工摘钩易导致摘错钩的发生,严重地影响着摘钩的效率,甚至造成人身事故。进行火车摘钩机器人这一特殊的机器人控制系统的设计,使之能够在规定的时间能进行自动摘钩成为了研究的一个重要课题。本文首先对火车摘钩机器人摘钩步骤进行了详细的研究,确定了火车摘钩由火车摘钩把手的位置识别,火车摘钩机器人的运动轨迹规划以及火车摘钩机器人的伺服控制三个部分组成,并针对每个部分对国内外的研究进行系统的总结和深入的分析。由于火车摘钩是不分昼夜不分天气地进行,所以跟踪的对象的外观或周围的环境有大变化,但是目前大多数算法往往通过提取目标的不变的特征(如颜色、纹理、轮廓等)并只能在短的时间和适宜的环境中才能够跟踪对象。于是采用基于SKL的增量学习PCA,在跟踪目标过程中,能够有效地学习和更新目标子空间的低维的子空间的组成。由于火车摘钩对于时间的要求非常的严格,但是传统的基于SKL的增量学习PCA算法采用的是免采样粒子滤波算法,在实时性上达不到要求,于是本文提出将粒子群算法与免采样粒子滤波算法相结合,从而减小需要的粒子数,进而满足实时性的要求。虽然传统的机器人轨迹规划常常采用五次多项式轨迹规划,既可以保证机器人运动平稳,又能准确地到达目标位置和实现机械手抓到目标。由于作业时间的要求,火车摘钩机器人需要在机器人的最大速度,最大加速度以及最大脉动速度的约束下获得最优时间的轨迹。本文提出采用模拟退火算法结合罚函数法进行机器人的最优时间的轨迹规划。传统的PID控制在线性控制中取得了很好的效果,但是火车摘钩机器人有着较强的非线性,传统的PID算法已经不再适用。隐式广义预测控制有着在线实时更新模型,进行滚动优化的优势,但是仅仅只能针对弱非线性问题,考虑到增加非线性项需要进行非线性估计,于是提出采用基于IPSO的扩展隐式广义预测。