针对Delta并联机械手对目标物体的拾放任务,基于MATLAB图像处理技术获取目标物体的中心坐标,并在直角坐标空间中进行机械手的五次多项式轨迹规划,得到末端运动平台的运动轨迹。建立Simulink/Simmechanics联合仿真系统,采用Simulink完成多项式轨迹规划并得出驱动臂的实时目标角度,传递给Simmechanics模拟机械手的连续轨迹运动,得到机械手的动力学参数。运用MATLAB/GUI设计仿真平台,集成图像处理和机械手运动仿真并实现不同插件之间数据的传递。最后通过运动仿真实例验证了仿真平台的有效性,对机械手驱动电机选型和智能化控制研究有较大价值。

运用牛顿—欧拉方法建立3-RPS并联机器人机构的逆动力学模型。通过使用Simmechanics将并联机器人物理模型导入Matlab/Simulink中,利用Simulink对机构进行动力学仿真以及验证机构的逆动力学模型。针对并联机器人的建模不确定性,提出一种基于不确定性系统的鲁棒控制方案,即分别通过基于标称模型设计系统的计算力矩控制器,来镇定标称系统;通过构建Lyapunov函数来构建系统的鲁棒补偿控制器,来消除由于建模不确定性引起的跟踪误差。通过将控制模型导入Simulink中对其控制效果进行验证,其具有较低的稳态误差精度,效果优于计算力矩控制策略。

Stewart并联机器人具有非线性强、耦合度高的特点,控制的难度较高,针对平台的这些困难点,文章提出了基于动力学模型的模糊计算力矩控制方法,实现平台的较高精度的轨迹跟踪控制,且控制的过程更加的灵活,适应性更强。计算力矩控制方法就是根据并联机器人的动力学模型以及平台的路径规划,结合机构的运动学分析,可以计算出每个缸体的瞬时施加力的大小,实现对平台的精确控制。再通过模糊算法控制器,实时动态的优化计算力矩算法的控制参数,使得控制的精度更加的精准,实时性也更强,同时拥有较高的抗干扰能力和应变能力。经过仿真得到结果,此算法具有明显的效果并且实用性非常好。

为了实现对三自由度Delta并联机器人更精确的轨迹跟踪控制,对并联机构的动力学建模不确定性进行研究,提出了计算力矩控制基础上的RBF神经网络在线补偿控制策略。利用Lyapunov理论推导了神经网络在线权值自适应律,保证了系统稳定性。运用RBF神经网络在线自学习系统的不确定性,提高了控制效率同时增加算法的自适应性。在Simmechanics中建立系统物理模型并在Simulink中设计控制器,之后进行Simulimk/Simmechanics联合仿真,结果表明算法优于计算力矩控制,可以有效减小跟踪误差的收敛半径,实现对目标轨迹的准确跟踪。

以三自由度Delta并联机械手作为研究对象,在Simulink环境下建立基于虚功原理法得到的并联机构系统动力学求解模型,并在Simmechanics中建立系统物理模型。在系统动力学方程的基础上设计了基于动力学的模糊解耦控制器,综合考虑了机构的运动学和动力学特性。给出平台运动的期望轨迹,分别在Simulink和Simmechanics中进行逆动力学仿真分析,验证逆动力学方程的准确性,之后进行模糊解耦控制Simulink/Simmechanics联合仿真分析。运行结果表明,Delta机械手的响应符合预期期望,精度高于计算力矩控制,跟踪效果较好。

基于Lab VIEW设计插装阀实验台测控系统。为确保测控系统的稳定,结合积分分离PID的优点,提出将这种PID的改进算法用作液压系统的压力控制。使用板卡自带的Lab VIEW驱动函数,结合Lab VIEW中相应的采集函数和模块,可以非常方便地对数据进行采集分析与保存。将Access数据库用于报表生成中,结合数据库的特点使得报表的生成具有动态与实时的特点。试验结果表明：基于Lab VIEW的测控系统不仅交互界面友好,同时对于压力的控制也足够精准,系统的调试与维护等操作也很方便。