针对挖掘机器人工作装置液压系统存在滞后、不确定性和非线性,不能实现有效精确控制的问题,设计一种基于模糊PID的电液比例位置自调整控制策略。介绍了电液比例位置控制系统组成和自调整模糊PID控制器原理,建立了控制规则表,采用中点向下融合法进行模糊推理和去模糊化处理。仿真与实验验证结果表明:该控制方法具有很好的鲁棒性,控制效果满足技术要求。

为提高液压挖掘机器人工作装置轨迹规划控制精度,减小按照理想模型进行控制的阀控缸系统存在的控制误差,获得更接近实际状况的阀控缸系统控制模型,采用RBF神经网络方法,建立含阀控缸系统待辨识参数及Jacobian信息的线性方程组.以挖掘机斗杆油缸为研究对象,经实验获得油缸进回油压力、斗杆倾角参数,辨识出阀控缸模型中阀的增益系数kq、体积模量Eoil和内泄漏系数Cli.最后通过对阀控缸系统进行力控制实验对比研究,验证了采用辨识参数的系统模型控制精度较好,有很强的鲁棒性.

从挖掘机器人动力传动系统节能角度考虑,通过对挖掘机器人功率匹配的分析,研究了基于RBF神经网络-PID控制算法在节能控制系统上的应用。试验结果表明采用的节能方法和神经网络-PID控制算法在挖掘机器人节能控制系统上是可行的。神经网络-PID控制器能根据不同的环境和作业工况进行实时参数自调整,具有自学习的功能。研究结果为进一步研究开发智能挖掘机提供了参考。

挖掘机器人伺服系统存在高度非线性、参数不确定和未建模动态等诸多不利因素,提出了一种结合径向基函数(RBF)神经网络的非线性滑模控制器,以提高控制精度和鲁棒性。首先,建立了单联伺服系统的数学模型;其次,采用RBF神经网络对系统的不利因素进行逼近,提出积分滑模面进一步减小稳态误差,同时减少对伺服系统参数的依赖,在此基础上,设计了基于RBF神经网络的滑模控制器(SMC-RBF),利用Lyapunov理论证明了系统的渐近稳定性;最后,通过不同的参考信号和整平实验验证了控制器的优越性。仿真结果表明,SMC-RBF控制器响应快,跟踪精度高且鲁棒性强,与PID控制器相比正弦轨迹跟踪精度提高了46%。整平实验结果表明,铲斗末端轨迹跟踪精度提高了52%。

利用模糊滑模控制理论和混合控制理论设计了力和位置混合控制器,它在对液压缸的驱动力进行控制的同时,又对液压活塞杆的位置进行跟踪控制.仿真试验表明,模糊滑模控制器既具有滑模控制鲁棒性好和响应速度快的特点,又利用模糊控制有效地削弱了普通滑模控制的抖振现象,能够很好地满足挖掘机器人运动系统的要求.

从液压挖掘机器人这一诊断对象的特点出发,构造与监控系统DCS紧密结合的故障诊断系统,故障库的不同层次采用不同的分类原则进行分类,有效减少了搜索量,提高了诊断效率.

利用三维实体建模软件Pro/E与机械系统动力学仿真分析软件ADAMS建立了挖掘机器人机械子系统、液压子系统模型并在ADAMS环境中利用参数关联技术将两个子系统模型集成建立起挖掘机液压与机械一体化的虚拟样机模型;在此基础上进行了大量的运动学和动力学仿真。研究结果为预见设计方案的可行性及物理样机的试制提供了一定参考;可提高产品开发速度和精度降低开发成本;具有重要的理论与工程意义。

分析了液压挖掘机器人伺服控制的特点提出了一种按时间基准对其轨迹进行规划的策略不必检测机器人关节角速度就能实现平稳、高精度的轨迹跟踪控制.在自行研制的挖掘机器人上进行的实际试验结果表明这一伺服控制策略取得了预期的效果能满足作业控制要求.

首先利用机器人运动学将铲斗的理想运动轨迹和各工作装置的目标转角序列联系起来然后利用拉格朗日方程建立各工作装置的运动学模型最后推导出LUDV液压驱动系统的电液模型从而得到了挖掘机器人运动系统的完整模型.针对系统动力学的高非线性、参数的不确定性、外界干扰及比例方向阀的死区及非线性增益等特点提出一种建立在自适应鲁棒控制基础上的非连续映射方法来处理运动系统并利用鲁棒反馈来消除近似误差.最后利用动臂控制试验来验证控制方法的正确性.

从挖掘机器人动力传动系统节能角度考虑，通过对挖掘机器人功率匹配的分析，研究了基于RBF神经网络-PID控制算法在节能控制系统上的应用。试验结果表明：采用的节能方法和神经网络-PID控制算法在挖掘机器人节能控制系统上是可行的。神经网络-PID控制器能根据不同的环境和作业工况进行实时参数自调整，具有自学习的功能。研究结果为进一步研究开发智能挖掘机提供了参考。