液压柔性关节多机械臂是一种利用液压系统控制的多段柔性结构机械臂,当电力系统同时出现多处故障时,就需要带电抢修机器人的液压柔性关节多机械臂完成协调控制。而多机械臂在协作完成抢修任务的过程中,多机械臂的操作空间存在相互重叠部分,影响抢修任务的工作效果,为此,提出一种带电抢修机器人液压柔性关节多机械臂协同控制方法。基于机器人液压柔性机械臂协同控制结构,确定机器人多机械臂的基础控制参数,构建用于提取示教轨迹特征的高斯混合模型,并计算模型重要参数,将示教轨迹特征提取结果与滑模控制原理结合在一起,以李雅普诺夫全局稳定性定理为依据,使机械臂系统整体处于稳定状态,实现液压柔性关节多机械臂的协调控制。实验测试结果表明,所提方法可以控制机器人的4个机械臂按照示教轨迹和预先设定好的速度协同运行,各个...

为了解决传统归零神经网络(ZNN)存在的两个缺点收敛时间趋于无限大且外部干扰的抑制停留在渐近收敛阶段,提出了一种超螺旋归零神经网络(Super-Twisting Zeroing Neural Network,ST-ZNN)多机械臂协调运动控制模型。首先建立了考虑外部干扰多机械臂的运动控制模型,然后提出了ST-ZNN设计框架,并证明了ST-ZNN在带有外部干扰的多机械臂协调运动控制中具备全局稳定性、有限时间收敛性和鲁棒性。最后,通过两个带有不同干扰的多机械臂协调运动控制仿真实例的对比分析可知两个实例中的收敛时间均为0.2s,该结果与理论证明推导结果一致,且在不同外部干扰条件下,收敛时间相同,另外,ST-ZNN模型产生的残留误差明显小于传统ZNN模型。验证了所提出的ST-ZNN模型具有有限时间收敛性和对外部干扰的鲁棒性。

针对多机械臂系统末端受环境约束而产生的力/位混合控制问题,提出一种基于自适应降阶滑模算法的受约束多机械臂力/位混合控制方法。通过运用多个坐标系建立受约束多机械臂系统动力学模型,并将位置控制、约束力控制以及内力控制引入同一控制器中。将自适应滑模算法与降阶方法相结合,对动力学模型中的未知扰动进行了补偿。基于李雅普诺夫方法,证明系统的稳定性。经仿真验证,该方法不仅提高了控制器的控制精度和系统的响应速度,同时还能保证约束力误差及内力误差均稳定在极小的范围内。