传统机器人控制方法仅限于固定种类和较为规则的来料,通过位置关系完成装配。由于排线的形态变异较大,很难实现抓取和自动化组装,排线的组装成功率和良率较低。针对宽度小于2 mm微小排线装配难题,通过机器3D视觉传感、力觉传感、触觉传感和本体觉传感等多模态融合技术,设计一套基于深度强化学习的微小软排线装配智能控制算法。在此基础上搭建了一组由协作机器人、六维力传感器、3D机器视觉系统组成的实验设备,并在多环境、不确定因素下验证了此方法装配的可行性。基于高精度微小排线的装配要求,通过深度强化学习多模态控制方法大幅提升了可靠性和装配的成功率,相比传统控制方法装配效率提升15%以上。此测试系统的装配精度可达±0.1 mm,装配成功率到达98%以上。

针对一种智能杂交实验仪,在实验温度控制上详细研究了模糊控制、先进PID控制等多种控制方案.通过多次计算机仿真实验和实际试验选取了模糊控制+预补偿PID的新型复合控制技术,实现了温度的精确控制.

本文以32位嵌入式微处理器S3C44B0X(ARM7)为控制核心,以CAN为现场总线设计可编程控制器。描述了系统的工作原理及PLC主机各功能模块与嵌入式微处理器S3C44B0X的接口电路原理。采用FPGA扩展可编程控制器所需要的I/O口及A/D、D/A的扩展电路;并用另一块FPGA嵌入智能控制算法。由于系统采用了集成众多功能的嵌入式微处理器S3C44B0X,从而简化了电路的设计,提高了系统的可靠性。

通过在MATLAB-Simulink-Simscape中搭建二轮平衡车的仿真物理模型和控制系统,直观、快速地验证控制算法的效果。使用神经元PID控制算法替代传统PID控制算法设计神经元PD平衡控制器、神经元PI速度控制器,并在此基础上组合成二轮平衡车的神经元PID控制系统。通过实验对比神经元PID控制算法与传统的PID控制算法的控制效果,验证了神经元PID控制算法具有更高的控制精度、更强的抗干扰能力、更快的响应速度,能及时适应模型的非线性变化。