关键词： 混联机器人   弹性动力学建模   铣削稳定性分析   三维表面形貌评价  

摘要： 本文密切结合我国高端制造领域中对大型复杂结构件高性能现场加工的需求,系统研究了一种新型五自由度混联加工机器人——Tri Mule的整机弹性动力学建模、铣削稳定性分析,以及被加工表面三维形貌创成与表征的理论与方法,并开展了相关综合实验验证。全文取得了以下创新性成果: 在弹性动力学建模方面,提出了一种可有效刻画Tri Mule机器人全部低阶模态的最小自由度弹性动力学半解析建模方法。该方法一方面借助子结构综合技术构造支链体超单元模型,保证精度的同时大幅降低了自由度数目;另一方面借助微小位移旋量/力旋量的对偶关系,构造出并联闭环运动链中从动关节的通用刚度模型,力学概念清晰,可有效简化子结构间的组集手续。计算机仿真与实验结果表明,半解析模型可快速准确地预估机器人在工作空间全域内的低阶动力学行为,与实验结果在固有频率、模态振型及末端频响函数方面有很好的一致性。此外,研究结果还表明,驱动支链的一阶弯曲模态对刀尖点的低阶动态特性有一定影响,在建模时应予以考虑。上述模型及分析结果为该机器人的铣削加工稳定性分析及表面形貌预测奠定了坚实的理论基础。 在铣削稳定性分析方面,建立了虑及刀具刀柄动特性的机器人系统动力学模型,进而构造出考虑动态切厚再生效应及振型耦合效应的铣削过程动力学方程。据此,借助零阶频域法和改进的时域全离散法系统研究了Tri Mule机器人的铣削稳定性,前者可直接得到极限切深的解析解答,而后者可借助稀疏矩阵乘法操作有效提高计算效率。计算机仿真与实验结果表明,在高转速大径向切深铣削铝合金时,稳定域边界由机器人系统高阶模态主导,且不随位形变化;在低转速小径向切深铣削钛合金时,稳定域边界由机器人系统低阶模态主导,且随位形变化。此外,两种工况下各组切削实验的实测切削状态与理论预测结果具有良好的一致性。上述模型及方法可全面揭示铣削稳定性随位形的变化规律,为实现该机器人稳定铣削加工提供了重要的理论与实验依据。 在被加工表面三维形貌建模方面,分析了参与切削刀具段上不同位置的激励及振动响应,推导出考虑Tri Mule机器人系统动态特性影响的刀齿运动轨迹解析表达式。据此,借助牛顿迭代法提出了一种用表面轮廓值创成三维表面形貌的数值算法。该方法应用闭区间连续函数零点存在定理,可有效解决迭代初值设定问题,具有较高的精度。计算机仿真与实验结果表明,在低转速小径向切深铣削钛合金时,被加工表面的位置误差和粗糙度与机器人系统低阶动态特性密切相关,理论预测值与实验值的最大偏差分别为18%及15%。研究结果还表明,平均表面位置误差与粗糙度均方根误差在工作空间中的分布与系统低阶模态最大动柔度分布呈正比。上述模型及方法可全面揭示表面形貌特征随位形及工艺参数的变化规律,为客观评价该机器人的铣削加工质量提供了有效的技术手段。 上述研究成果为实现Tri Mule机器人高性能铣削加工提供了技术支撑,对促进该机器人的工程应用具有重要的理论意义和实用价值。

摘要： Robots can learn to do useful tasks, and they can reuse those skills to complete new tasks without additional training. To show how, this thesis tackles approaches to creating an effective level of adaptability, skillset, and capability for robots (broadly construed to include other learning agents), and consists of three main threads: advancing the fundamentals necessary to move from reactive robot learning to proactive robot learning; developing the capabilities for natural communication between humans and learning agents; and developing resources, principles, and algorithms for perception-based robot learning. We approach these research threads via two major themes: First, to reduce, reuse, and recycle resources such as collected data, compute time via improved efficiency, and pretrained neural network models. Second, we draw inspiration for robot learning from animals, such as dogs, which have remarkable skills on their own, and can also quickly adapt their skills to human needs for new tasks when provided an effective framework. Via these themes, we establish that tools already contained in existing datasets and single-task neural network models equip robots to immediately complete new tasks. Proactive Robot Learning: Reinforcement Learning (RL) methods such as meta-learning have assumed adaptive training is needed to acquire a task-to-task transfer representation. Instead, we show single-task model families already contain a reusable representation via simultaneous Sim-to-Real and Task-to-Task transfer experiments. We also reduce time to convergence and recycle (fine-tune) on a new Learning from Demonstration (LfD) problem, then outperform direct policy execution. These core contributions, SPOT and See-SPOT-Run (SSR), form a new computational approach to learning inspired by “Positive Conditioning” and “Do as I Do” social imitation based animal training. Communication Between Humans and Robots: We examine Natural Language Processing (NLP) of template and nat

关键词： 空间机器人   捕获卫星操作   减撞柔顺控制   RBF神经网络   事件采样输出反馈  

摘要： 随着人类逐渐意识到太空真空资源、轨道资源、矿产资源等的重要性,各类如空间飞行、空间探测、空间开发等空间技术应运而生。同时,得益于空间技术的发展,空间机器人也被期望代替宇航员执行更复杂和更危险的太空任务;如空间站建设、失效部件替换、卫星维修、卫星燃料加注等;而空间机器人的捕获操作技术是实现上述太空任务的关键。考虑到空间机器人捕获高速旋转卫星时,其关节会受到很大的冲击力矩,若冲击力矩过大,将对最薄弱的关节处造成破坏。因此,在空间机器人捕获卫星过程,对其关节免受冲击力矩破坏的研究非常有意义。基于上述背景,本文考虑建立两种构型的空间机器人系统模型,并研究其捕获卫星过程的动力学及减撞柔顺控制。首先,利用第二类Lagrange方程法,分别得到了捕获操作前双臂空间机器人、含柔性机构双臂空间机器人系统的动力学方程。基于冲量定理、系统运动关系及牛顿第三定律,计算了空间机器人捕获卫星过程受到的冲击效应及冲击力,得到了捕获操作后混合体系统的综合系统动力学方程。其次,针对双臂空间机器人捕获卫星后形成的混合体系统,考虑其速度信号受噪声影响无法准确测量及系统存在模型不确定、外部扰动等非线性不确定项,设计了基于速度重构、不确定估计的镇定控制方案。接着,针对含柔性机构双臂空间机器人捕获卫星后形成的混合体系统,运用奇异摄动理论将其分解为快变子系统和慢变子系统。考虑其速度信号受噪声影响无法精确测量及系统存在非线性未知项,提出用RBF神经网络观测器重构空间机器人系统关节速度项及补偿空间机器人系统未知项;同时,考虑到星载计算机的计算能力有限,神经网络权值实时更新将降低控制系统的运行效率,提出用事件采样输出反馈控制来约束神经网络权值的更新。综合上述两点,设计了一种基于事件采样输出反馈的RBF神经网络减撞柔顺控制方案。为了保证各机械臂协同操作,利用加权最小范数方法进行各关节的力矩分配。最后,应用Matlab仿真软件对捕获操作过程进行数值仿真,验证了所提减撞柔顺控制策略的正确性。

关键词： Deep reinforcement learning   Robot learning   Offline datasets  

摘要： Robots that can operate in an open, unstructured environment and perform a wide range of tasks have been a long-standing goal of artificial intelligence. For such robots to operate effectively, they need the ability to a) perceive the world around them through general-purpose on-board sensors like cameras b) generalize to new situations c) improve their performance as they collect more data. In this thesis, we posit that deep reinforcement learning (deep RL) methods are well-positioned to overcome the aforementioned challenges, but are difficult to apply to real world domains like robotics. The central conjecture that we study in this work is the following: while dominant robot learning pipelines often rely on hand-engineering certain components (such as reward functions and physics simulators), we can overcome many bottlenecks of these pipelines via the adoption of a more data-driven perspective. We argue that, instead of hand-engineering reward functions, we should instead learn reward functions from data. Instead of learning mostly in a hand-designed simulation and then transferring learned policies to the real world, we should learn using real data, and re-use all past experience (as much as possible) to maintain sample efficiency. We show how this perspective change greatly simplifies robot learning, and demonstrate results on a variety of real world object manipulation tasks.

关键词： 步行机器人   动力学建模   牛顿-欧拉   模糊PID  

摘要： 本文以并联腿式六足步行机器人为研究对象,具体包含两条腿、六个足、十二条UPUR腿部支链以及六条辅助支链,每条腿均为6-UPUR+3P并联机构。在运动过程中,机器人迈步平稳且负载能力大,将有助于机器人的应用研究,同时也能为其他不同结构的新型机器人奠定理论基础。首先,进行了并联腿式六足步行机器人结构设计并计算其自由度,建立了机器人的定平台坐标系、动平台坐标系与并联腿支链UPUR铰点的坐标系,推导了定平台坐标系、动平台坐标系的变换矩阵;使用Matlab/Simulink软件搭建了并联腿式六足步行机器人的Sim Mechanics物理模型。其次,运用矢量法进行运动学分析,分析腿部各支链的位移、速度和加速度,为动力学建模、仿真分析等研究工作奠定了基础。以机器人单条腿为研究对象,通过理论公式推导运动学数学模型,并根据六自由度并联机器人的空间几何结构关系,建立了腿部支链的位移、速度和加速度矢量方程,运用Matlab软件进行数值仿真,获得各运动参数相对应的仿真曲线;运用牛顿-欧拉法推导了并联腿式六足步行机器人迈步腿动力学模型,编写了其Matlab程序,获得运动中各腿部支链的驱动力曲线,并与基于Simulink/Sim Mechanics仿真结果进行了对比分析,对基于矢量法所建立的运动学数学模型及牛顿-欧拉法所建立的动力学数学模型进行验证。最后,发挥PID控制和自适应模糊控制技术的优势互补,设计了腿部支链的模糊自适应PID控制器,在Simulink中搭建出模糊自适应PID控制器的仿真模型,验证所设计的模糊自适应PID控制器有效性。对并联腿式六足步行机器人进行“外八字”步态规划,并基于该步态进行试验研究。试验结果表明,并联腿式六足步行机器人的步态规划合理,达到了规划的要求,且采用模糊自适应PID控制器的控制效果明显优于传统PID控制器。

关键词： 逆运动学   冗余机械臂   二次规划   时变矩阵   神经网络   周期节律   协作式神经动力学  

摘要： 为克服传统手术精度低、手术时间过长易引发疲劳失误、手易引起抖动等问题,手术机器人需具有实时、稳定、高效和精准等特点。由于其功能执行主要由受控的机械臂完成,故要求机械臂能实现实时高精度控制。但机械臂在重复运动时可能会发生关节角漂移从而产生误差。本文为解决手术机器人机械臂重复运动问题,将该问题抽象为一个时变矩阵方程模型。对神经动力学进行了相关研究,并将其应用于含噪声的时变矩阵方程、与群智能体算法结合运用于求解双凸优化问题和手术机器人冗余机械臂的重复运动问题。首先,为了求解含有有限强度噪声的冗余机械臂运动问题模型,本文将该问题构建成一个时变矩阵方程模型,并提出一种变增益周期节律神经网络。分别使用4种激活函数和4种噪声进行测试验证,理论证明该神经网络具有良好的收敛性。且该网络通过与传统的认知节律网络和归零神经网络进行仿真实验对比。仿真实验表明:变增益周期节律神经网络具有更好的收敛能力和抗噪声能力。然后,将粒子群方法和变增益周期节律神经网络结合,提出一种用于求解双凸问题的新型协作式神经动力学网络。该网络具有时变特性,能够在双层时间尺度上实现两个神经网络协作式工作。理论证明该网络具有稳定性,并以值为1的概率收敛。仿真实验表明:协作式变增益周期节律神经网络的收敛效率更快,且具有一定的抗噪能力。最后,将变增益周期节律神经网络求解器运用于求解手术机器人冗余机械臂逆运动学问题,即把逆运动学问题化为一个在速度层求解的二次规划问题。此外,将协作式变增益周期节律神经网络用于求解此机械臂逆运动学问题。为验证上述网络的有效性,对变增益周期节律神经网络和归零神经网络求解器进行实验仿真对比,实验表明变增益周期节律神经网络是有效的,且效果优于归零神经网络方法。同时,结果也验证协作式变增益周期节律神经网络在求解此逆运动学问题时可实现高精度,低误差。本文对于推动神经动力学的发展以及手术机器人的技术进步具有重要意义。

关键词： 履带式爬壁机器人   动力学   优化设计   轨迹跟踪控制   模糊-计算力矩法  

摘要： 爬壁机器人是指能够在竖直或倾斜壁面上移动并执行作业任务的自动化机械装置,其主要特点是在保证可靠吸附的同时实现运动和作业,在建筑、交通、石化、核能、消防及造船等许多高空极限作业领域,完成诸如监测、检查、维护和工程施工等危险的工作。从上世纪90年代开始,国内外科学家和工程师研发了多种适用于不同领域的爬壁机器人,其中采用负压吸附方式的履带式爬壁机器人具有适用范围广、运动性能好和承载能力强的优点,具有广阔的应用前景。本文结合国家自然科学基金项目“多履带行走装置机电耦合动力学及自适应控制”(No.51775225),面向经济社会发展需要,对履带式爬壁机器人的动力学性能及导航控制技术进行了研究。建立了履带式爬壁机器人的动力学模型,分析了爬壁机器人安全工作条件和设计参数对机器人动态性能的影响;提出了吸附装置叶轮的优化设计方法;设计了爬壁机器人轨迹跟踪控制系统,并基于UWB/INS组合导航进行了轨迹跟踪控制实验研究。首先对国内外爬壁机器人的发展历程和研究现状进行了综述,提出了爬壁机器人现阶段在应用方面存在的问题和面临的挑战。根据爬壁机器人的结构特点和运动特性,分析了吸附系统的受力情况,建立了包含吸附装置、驱动装置和壁面参数的动力学方程。为了验证爬壁机器人动力学模型的准确性,设计并制造了爬壁机器人实验平台,通过比较模型仿真计算结果和实验结果,验证了模型的准确性。基于经过验证的动力学模型,分析了爬壁机器人的安全吸附条件和各项设计参数对机器人壁面行驶动态性能的影响。为了提高机器人吸附装置工作性能,满足其壁面行驶自适应负压控制的任务需求,提出了吸附装置叶轮的优化设计方法。采用计算流体动力学(CFD)仿真方法获得爬壁机器人工作时吸附装置内部流体的运动和受力情况,建立了叶轮设计参数与吸附性能之间关系的克里金模型,使用遗传算法进行优化获得最优设计参数。设计了爬壁机器人轨迹跟踪控制器,提出了根据机器人的位姿实时调整吸附装置的负压,使机器人在满足安全吸附条件的低能耗状态下跟踪参考轨迹。以爬壁机器人的位置、速度、姿态、负压和参考轨迹作为控制器输入,两侧履带驱动轮和吸附装置风扇的转速为控制器的输出,控制爬壁机器人沿参考轨迹自适应行驶。根据机器人的实际位置、速度、姿态与参考轨迹之间的偏差,基于模糊-计算力矩法计算运动机构的控制量。为了验证所提出的轨迹跟踪控制器的效果,分别针对直线参考轨迹和圆形参考轨迹进行了仿真分析。仿真结果表明所设计的自适应负压轨迹跟踪控制器能够根据机器人的位姿实时调整负压大小,快速、稳定、准确地跟踪参考轨迹。设计了基于UWB/INS组合导航的爬壁机器人轨迹跟踪控制实验平台,分别对多种直线参考轨迹和曲线参考轨迹的跟踪效果进行了实验研究。实验结果表明,所设计的爬壁机器人导航控制系统能够实现爬壁机器人的轨迹跟踪运动,并具有较高的控制精度。综上所述,本文建立了爬壁机器人动力学模型,提出了爬壁机器人的轨迹跟踪控制方法,并通过实验验证了动力学模型的准确性和控制方法的有效性。论文的研究工作为履带式爬壁机器人的设计和控制提供了参考。

关键词： 多自由度机器人   动力学模型   最小惯性参数   参数辨识   轨迹规划  

摘要： 机器人广泛运用于航天、工业、医疗及服务领域,空间机器人与地面机器人的最大差异在于重力环境,但动力学本质相同。动力学模型是机器人前馈控制的基础,而精确动力学参数的获取是动力学问题的难点。本文从工业运用角度建立了一套机器人动力学参数辨识系统。基于拉格朗日方程与牛顿-欧拉公式两种方法建立了机器人动力学模型。针对高自由度模型难以获得符号解的问题,采用非符号的数值方法获得了动力学快速运算模型。在牛顿-欧拉公式的基础上解耦获得线性化动力学模型,并验证了模型的正确。根据观测矩阵的结构推导了最小惯性参数的理论,并采用QR分解的方法获取最小惯性参数。采用库伦摩擦与粘性摩擦相结合的方式作为摩擦力模型,并加入到机器人动力学模型。根据最小二乘法的原理推导了最小惯性参数的辨识模型,并建立了完整的参数辨识系统。以傅里叶级数作为激励轨迹模型,根据机器人的运动范围及边界条件,采用遗传算法求解最优轨迹,获得了参数辨识的轨迹函数,实现了仿真与实验中的最小惯性参数辨识。采用Adams建立动力学仿真模型,辨识得到了与理论一致的最小惯性参数,并在扭矩结果中加入随机噪声,模拟了滤波过程,求解到精度较高的惯性参数,验证了辨识系统的可行性及抗干扰性。以500kg六自由度机器人系统为实验平台,通过建立该机器人的平衡缸模型,修正了第二关节的扭矩。采用了三种方法验证辨识得到的惯性参数,结合实验误差分析,验证了机器人动力学参数辨识系统的有效性。

关键词： 水下机器人   水动力系数   运动控制   改进遗传算法   改进BP神经网络  

摘要： 随着陆地资源不断减少,人们逐渐把探测资源的重心移至海洋。水下机器人由于其较低的研发成本、较好的控制性以及易于携带等优点,逐渐成为海洋资源探测的重要手段之一,也在其他领域具有十分广泛的应用前景。为了保证水下机器人在工作时有着优良的控制性能,水下机器人的运动控制算法必须具备高效、鲁棒性强等性能。本文以水下机器人控制性能的提升为目标,采用计算流体力学方法获取水下机器人的水动力系数,提出并设计信赖域反射-遗传算法的控制策略,基于改进BP神经网络拟合推力损失曲线,并设计信赖域反射-遗传算法完成推力分配。首先,建立了水下机器人的动力学模型,通过仿真实验获取了机器人的水动力系数。建立了固定坐标系和运动坐标系,并通过水下机器人工作状态下的受力分析,建立了水动力学模型。基于控制精度与计算效率的双重约束对有缆遥控式水下机器人的模型进行简化,利用ICEM进行网格划分,并导入Fluent开展流体仿真。将水下机器人的运动分为水平面运动和垂直面运动两类进行仿真,获得机器人的水动力系数。其次,首次提出了基于信赖域反射-遗传算法的水下机器人运动控制算法。针对水下机器人运动控制需求简化运动方程,利用信赖域反射算法求解初始种群中的精英种群,设计自适应变异、交叉算子,改进精英种群、普通种群的变异、交叉策略。通过对比信赖域反射-遗传算法、传统遗传算法、粒子群算法求解推进系统合推力的结果,验证了所提信赖域反射-遗传算法的有效性与适用性。最后,本文利用改进BP神经网络拟合推进器的推力损失曲线,在此基础上基于信赖域反射-遗传算法对推进系统的合推力、合推力矩进行推力分配,利用MATLAB研究了各推进器推力与偏差距离、角度之间的影响规律。通过设定不同的初始偏差距离和角度开展仿真实验,得出水下机器人位移、角位移随时间的变化规律。研究结果表明,所提推力分配方法对于该水下机器人的运动控制性能具有良好适用性。

关键词： 底座力传感器   机器人动力学   碰撞检测   拖动示教  

摘要： 随着人们生活品质的不断提高,消费者的个性化需求日益强烈,制造业面临着转型升级,向小批量、灵活化的生产方式发展。部署灵活、操作简单的协作机器人是这些产业快速实现自动化的绝佳选择,因此协作机器人在近年来发展迅猛。灵活性、易用性与安全性作为协作机器人的核心竞争力,主要体现在机器人的拖动示教与碰撞检测应用上。本课题针对这两项关键应用进行研究,提出了一种基于底座力传感器的方式来实现高精度的碰撞检测与灵活的拖动示教,该方案的思路是首先基于机器人动力学模型完成外力观测,继而对外力做出恰当地响应。由于机器人的动力学模型通常是未知的,需要通过辨识来获得,故本文将围绕动力学建模、动力学辨识、外力观测、外力响应四个方面来开展工作。本研究首先提出了串联机器人动力学模型建立方法,给出了机器人关节线性动力学模型与底座线性动力学模型,并分别给出了机器人最大可辨识动力学参数集的数值分析方法与解析分析方法,为后续的动力学模型辨识奠定了基础。接着,提出了利用底座力信息与关节力矩信息融合的方式辨识机器人完整动力学参数,相较于传统的纯关节力矩辨识方法,能够获得更准确的关节连杆动力学参数与更适合的关节摩擦力模型。辨识过程中还提出了利用机器人自身运动对力传感器耦合系数进行辨识并补偿的方法,以削弱力传感器耦合对辨识结果的不利影响。仿真与实验表明,本研究提出的动力学建模与辨识方法能够准确地辨识出机器人的动力学参数,为后续外力观测奠定了基础。基于辨识得的机器人动力学模型,本研究构建了底座力观测器与广义动量观测器,能够准确地观测作用外力大小,并粗略地观测外力作用位置。观测信息被有效地应用于协作机器人的拖动示教中,实现了工作空间的全臂拖动示教。本研究还提出一种基于力频率的示教导纳参数自适应调节算法,实现了拖动示教失稳快速抑制。观测信息也被有效地应用于协作机器人的碰撞检测中,实现了高精度的全臂碰撞检测。实验结果表明,所提出的外力观测方法与外力响应策略具有良好的人机交互效果,增强了协作机器人的易用性与安全性。