导读:本文包含了不确定性机器人论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:不确定性,机器人,自适应,神经网络,动力学,上界,组合。
不确定性机器人论文文献综述
袁海辉,葛一敏,甘春标[1]（2019）在《不确定性扰动下双足机器人动态步行的自适应鲁棒控制》一文中研究指出针对不确定性扰动下双足机器人动态步行的鲁棒控制问题,建立不确定性扰动下双足机器人的动力学模型.将特定庞卡莱映射方法拓展到不确定性扰动下双足机器人的稳定性分析,将机器人随机系统的稳定性分析转化为确定性周期系统的稳定性分析.基于滑模控制方法,提出自适应滑模控制器.与以往滑模控制器相比,该控制器无需外部扰动的准确幅值信息.考虑到双足机器人在实际应用中常会遭遇非平整路面,进一步将该自适应滑模控制器拓展到非平整路面的鲁棒控制:提出碰撞速度不变性条件,基于落地速度控制进行在线轨迹规划,基于自适应滑模控制器对机器人进行反馈控制.基于叁维(3-D)五杆双足机器人进行仿真实验,结果表明,所设计的控制器能有效实现机器人在不确定性扰动下的鲁棒控制.(本文来源于《浙江大学学报(工学版)》期刊2019年11期）
李艳东,朱玲,么洪飞,金涛[2]（2019）在《带不确定性上界估计的移动机器人编队控制》一文中研究指出针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者法,以驱动器电压作为控制量,通过反步法设计了一种移动机器人编队鲁棒自适应控制方法。采用单输入径向基神经网络(RBFNN)对含驱动器动力学的机器人动力学非线性不确定部分的上界值进行在线估计,并通过非线性元对建模估计误差进行补偿。所提方法既解决了移动机器人编队控制的多不确定性问题,也确保了机器人编队期望队形下的轨迹跟踪。基于Lyapunov方法设计了参数自适应律,并进行了系统稳定性分析。最后,通过两个仿真实例验证了该方法对不确定性估计的准确性,减低了计算复杂度,提高了抗干扰能力。(本文来源于《计算机仿真》期刊2019年08期）
公成龙[3]（2019）在《不确定性机器人的组合非线性反馈控制》一文中研究指出本文从机器人关节轨迹跟踪任务出发,研究了不确定机器人运动控制问题。首先,研究了高阶多变量饱和非线性系统的组合非线性反馈(composite nonlinear feedback,CNF)控制技术,然后将其应用到机器人控制系统中。再分别将鲁棒控制与自适应控制与CNF控制相结合,设计新型控制器,旨在有效消除不确定性因素对机器人系统的不利影响。最后探讨机器人系统稳定吸引域可调问题,设计参数可调的不确定性机器人CNF控制器。主要研究内容如下:(1)研究了CNF控制的控制特性,它由线性反馈和非线性反馈组合而成:线性反馈的作用是使系统保持较快的反应速度;非线性反馈的目的是调节系统的阻尼率避免超调。将CNF控制引入到一般机器人系统中,能够证明CNF控制器下机器人系统的稳定性,并且能够达到对期望轨迹良好的跟踪效果。(2)当机器人系统存在不确定性时,原始CNF控制器不再具有准确跟踪期望轨迹的能力。鲁棒控制的基本特征是用一个结构和参数都固定不变的控制器,来保证即使不确定性对系统的性能品质影响最恶劣时也能满足设计要求。将鲁棒控制和CNF控制结合旨在保留CNF控制的优点上能够补偿消除不确定性对系统的影响,实现新型CNF控制器对不确定性机器人系统的有效控制。(3)采用具有模糊产生器和模糊消除器的自适应模糊控制系统对不确定性进行在线估计,并将估计结果作为CNF控制器的补偿项,设计一种基于自适应模糊补偿的CNF控制器,用来减小不确定性对系统的影响,并使系统获得较强的稳定性和鲁棒性。(4)利用CNF控制能够强化驱动器的控制能力及改善系统的动态特性,将CNF应用于不确定性机器人运动控制,同可切入的自适应RBF神经网络相结合,研究基于CNF的自适应RBF神经网络控制器的控制性能。自适应RBF神经网络控制器独立于基于模型的CNF控制器,它的切入不影响原来的控制系统设计。(5)为消除不确定性扰动对机器人系统的影响,提出将扰动环节利用观测器重构,用来补偿扰动的影响,改善机器人系统的跟踪性能。即在原有CNF控制结构中加入干扰补偿和干扰估计项,设计基于扰动观测器的机器人CNF控制器。(6)机器人CNF控制器的稳定区域本质是局部的,机器人系统的吸引域估计也是保守的。因此可以借鉴高低增益理论的增益参数可调方法,通过对线性增益和非线性增益部分引入可调参数,设计具有参数可调的机器人CNF控制器,不仅可以扩大闭环系统的吸引域,而且依然具有响应光滑的动态特性等优点。(本文来源于《南昌航空大学》期刊2019-06-01）
蔡俊[4]（2019）在《考虑认知不确定性的工业机器人可靠性指标预测方法》一文中研究指出我国工业机器人产业已处于飞速发展的阶段,在实现数字化、自动化、智能制造产业化方面,正在逐步与国际接轨。随着科学技术的不断发展以及“中国制造2025”战略的实施,我国工业机器人在市场上的占有率越来越高,拥有着巨大的市场潜力。为了缩短我国工业机器人与国外的差距和应对市场上的迫切需求,加强国产工业机器人在可靠性方面的科研创新势在必行。本文以工业机器人为研究对象,对其进行可靠性指标预测方法的研究,主要包括以下研究内容:(1)本文对工业机器人系统的组成结构和功能进行了详细的阐述分析,再根据自身特点划分子系统,选定了可靠性指标,构建出机器人系统的可靠性模型和绘制了可靠性框图,为开展可靠性分析和可靠性指标预测等工作打下了基础。(2)以工业机器人子系统为对象进行可靠性分析,采用FMECA方法,借助收集的工业机器人相关数据,找出系统的主要故障模式,确定其故障原因,并分析出故障造成的影响,提出检测方法,制定改进补偿措施。同时,针对认知不确定性因素的影响,采用模糊综合评判法进行系统的危害性分析,重点关注关键零部件的可靠性水平,为提高整机可靠性提供了参考依据。(3)对工业机器人进行可靠性数据处理分析,收集整理工业机器人相关的可靠性数据,根据数据的分布特点判断其合适的分布模型,再对此类模型的参数进行估计,并采用K-S检验模型的拟合优度,得出工业机器人故障数据的分布模型,计算其可靠性指标参数。该方法为后续的可靠性指标预测提供了重要参考依据。(4)对工业机器人子系统进行可靠性指标预测。针对不同子系统采用不同的指标预测方法,分析了工业机器人子系统的特点,使用元器件计数法对控制系统进行可靠性指标预测,而对于机械结构系统和驱动系统,则使用相似产品法进行可靠性指标预测。针对相似产品法中认知不确定引起的问题,引入区间层次分析法对子系统的影响因素进行区间量化处理,建立可靠性修正因子综合评价层次模型,求出子系统的可靠性修正因子,再结合相似产品的可靠性指标,预测出子系统的可靠性指标。该方法既能充分考虑相似产品的故障数据信息,又能结合专家积累的丰富经验,有效地解决了可靠性指标预测过程的认知不确定性等问题。(本文来源于《电子科技大学》期刊2019-03-15）
代睿[5]（2019）在《非结构环境仓储机器人的避障信息感知和行为不确定性处理》一文中研究指出智慧工厂和物流仓储行业中的机器人面临着非结构环境变化、复杂整机技术构成、动态运行工况以及人因等多重不确定性因素影响,感知信息难以准确建模评估,同时自主行为控制复杂,无法适应高强度和高可靠性运行安全需求。为保证仓储机器人在非结构环境中信息感知的准确性和可靠性,提高仓储机器人自主作业能力和环境适应性,开展非结构环境仓储机器人的避障信息感知和行为不确定性处理研究具有重大意义。论文以全向轮运动的仓储机器人为对象,在明晰其结构组成和功能实现的基础上,首先辨识并分析非结构环境中不确定信息的来源、干扰因素、表现形式以及在整机系统中的传递过程,考虑不同环境因素对传感器测量性能的影响,优化传感器观测模型,估计环境障碍位置;在此基础上,对不同测量条件下的多传感器测量数据进行融合处理,消除测量信息的误差、冗余和矛盾,降低信息的不确定性和不一致性,为避障行为控制提供较为准确的测距信息;最后研究仓储机器人在非结构环境下的避障行为控制。论文主要研究内容如下:(1)从外界环境和机器人系统角度出发,分析总结感知不确定信息的表征与传播,进行不同环境因素影响下超声波传感器观测建模与障碍物位置估计。结合仓储机器人的运行环境和工作特点,总结了影响传感器工作性能的干扰因素与传播过程。重点关注传感器测量信息的随机不确定性,进行概率量化,并建立典型测量条件下的传感器观测模型,通过模型抽样为后文多传感器信息融合提供数据支持。最后考虑测量不确定性下环境障碍位置估计。(2)在环境感知中不确定信息分析的基础上,进行动态和静态观测条件下多传感器测量数据融合算法的改进研究。针对非结构环境下多传感器系统测量数据的不确定性和不一致性等问题,进行多传感器测量数据预处理和融合。针对测量数据的不一致性问题,采用基于稳健统计理论的分布图法进行数据预处理,优化了该算法中间次序统计量的计算过程;针对测量数据的不确定性问题,在优化隶属函数的基础上,采用改进的模糊贴近度描述同类型传感器间的测量数据接近程度,并进行融合处理,同时利用测量数据在卡尔曼滤波前后的差值来优化不同类型传感器间融合权值的分配问题;最后在动态和静态观测条件下,进行优化算法的验证。(3)在测量数据融合基础上,结合环境障碍分布特点,进行机器人模糊避障。针对非结构环境建模的复杂性以及仓储机器人避障行为控制的不确定性等问题,借助模糊控制处理不确定信息的优势以及环境适应性强的特点,对仓储机器人进行避障行为控制。首先分析了环境障碍分布特点,建立了麦克纳姆轮底盘的运动学模型;然后在环境障碍分类的基础上,进行模糊控制器的设计与优化;最后在不同环境障碍分布下进行机器人避障仿真。(本文来源于《电子科技大学》期刊2019-03-15）
陈集思[6]（2018）在《基于动力学不确定性的视觉伺服机器人控制》一文中研究指出针对视觉伺服机器人系统中存在的动力学不确定性的问题,提出了一种基于动态补偿与摩擦力补偿的自适应鲁棒控制方案。该方案创新性在于将图像平面上的输出信号反馈至关节空间,结合动力学模型的参数线性化性质设计自适应算法在线标定不确定的动力学参数,同时无需测量摩擦力,通过设计自适应鲁棒项在线预估摩擦力。通过李亚普洛夫稳定性分析工具能证明提出的控制方案可以全局镇定闭环系统,同时实现精确的图像轨迹跟踪。仿真结果表明了所提出的自适应鲁棒控制方法的有效性。(本文来源于《电脑编程技巧与维护》期刊2018年11期）
张启彬[7]（2018）在《基于不确定性分析的移动机器人室内定位与导航控制方法研究》一文中研究指出从位置固定的工业机器人到可以在环境中自由运动的移动机器人,过去几十年里机器人的机动性、环境适应性和智能化程度均得到了显着提升,应用范围不断扩大。目前结构化环境中的移动机器人导航技术日渐成熟,开始进入产业化阶段。然而随着任务的不断扩展,移动机器人的工作场景逐渐变得复杂,多数呈现出动态、未知和非结构化等特点。主流的导航框架将人类给出的高层次任务转化为机器人能够理解的低层次的简单任务,主要包括自主定位、环境建模、行为规划和运动控制等四个方面。由于实际环境中存在多种干扰因素,移动机器人只能从有限的不确定性信息中尽量准确地恢复自身和环境的真实状态,继而进行记忆、推理、决策和行动,控制自身安全地到达目标位置。针对移动机器人导航过程中涉及的定位和运动控制问题,本文借鉴灰色系统理论、概率理论和区间分析等不确定性信息处理方法的优点,从模拟人类思维的角度出发,提出了一些新的定位和控制方法,以提高移动机器人导航控制系统的安全性、鲁棒性和对复杂环境的适应性。本文的主要工作和贡献包括:(1)针对传统的基于数据点的扫描匹配方法在移动机器人定位方面存在的不足,本文提出了一种基于点簇的定性扫描匹配方法,以鲁棒地估计机器人位姿在不同时刻的相对变化。该方法分为层次聚类和关联匹配两个步骤。在层次聚类过程中,首先根据环境结构的连续性,将整个观测点集划分为若干连续的子集,然后根据环境的几何特性,将每个子集进一步划分成相互独立的点簇,每个点簇内点的分布可以使用一个连续的概率分布近似表示。经过聚类,原始观测数据中对环境信息的离散表示被转化为连续、紧凑的表示,提高了对机器人运动和视角变化的鲁棒性。在关联匹配过程中,为了建立当前观测与参考观测之间的对应关系,首先从当前观测中选取具有显着性的稳定点簇对作为启发信息,通过检查配对之间的相容性,在参考观测中搜索对应的点簇对,然后通过定性分析计算点簇之间的相对变换,获得机器人相对位姿变化的估计。实验结果表明该方法能够准确地估计机器人位姿在不同时刻的相对变化,且对观测噪声和初始估计误差有很强的鲁棒性。(2)基于粒子群优化算法和粒子滤波器,提出了一种新的移动机器人全局定位算法。该方法把全局定位分为两个阶段:初始位姿估计和多假设位姿跟踪。在第一阶段,为了获得机器人的初始位姿,粒子被均匀分布在环境的空闲区域内,相邻粒子通过协作迭代地搜索局部区域内的最优解,直至达到终止条件。此时局部极值附近的粒子密度较大,其它区域内的粒子分布较为分散,使用密度聚类算法即可确定所有的位姿假设及对应的粒子集。在第二阶段,每个假设对应的粒子集随机器人的运动而不断向后传播,集合内的粒子在局部区域内迭代地搜索该假设对应的最优位姿。由于新观测信息的引入,错误位姿处的粒子权重随之降低,经过重采样,错误假设中的粒子逐渐被抛弃,直到整个粒子集收敛到机器人的真实位姿处。在公开数据集上的实验表明,该方法对机器人初始位姿的不确定性和机器人运动的不确定性有很强的鲁棒性,不仅可以提供较为准确的初始位姿,在运动过程中也能精确地跟踪机器人位姿的变化。(3)针对动态环境中的跟踪控制问题,本文提出一种基于速度空间的移动机器人轨迹跟踪方法,提高机器人在跟踪过程中的安全性。受环境中未建模的动态障碍物的影响,机器人在下一时刻的控制量具有不确定性;同时由于控制输入存在饱和约束,机器人在一个控制周期内所能达到的速度处在一个有限的区域内。假定机器人在一个时间周期内的速度线性变化或保持不变,根据机器人的运动模型可以预测在相应控制量作用下机器人的运动轨迹。通过考查该轨迹和参考轨迹之间的偏差以及机器人在运动过程中到障碍物的距离,即可根据相应的评价指标,从速度空间中搜索最优解作为下一采样时刻的控制目标。仿真实验表明,该方法有较快的跟踪响应速度,且由于考虑了轨迹跟踪过程中的跟踪误差和环境中动态障碍物的影响,可以在避免与障碍物发生碰撞的前提下,尽量保持小的跟踪误差。(本文来源于《中国科学技术大学》期刊2018-09-12）
王丽娟,吕丽平,张玉宏[8]（2018）在《任务空间内不确定性空间机器人智能控制方法》一文中研究指出针对自由漂浮空间机器人首先给出其任务空间内的动力学模型,并由此利用GL矩阵推导出了空间机器人任务空间内神经网络模型。采用了只含有空间机器人系统尺寸信息的雅可比矩阵来近似代替广义雅可比矩阵,将此带来的影响视为一种不确定性的影响,设计了一种神经网络自适应控制律,利用神经网络去逼近整个系统的不确定项和系统的动力学模型,解决了任务空间内无需系统名义动力学模型和不确定性等先验知识的控制问题,并给出稳定性的证明。最后给出了两自由度空间机器人的仿真结果,其证实了该方法的有效性。(本文来源于《机床与液压》期刊2018年15期）
顾万里,胡云峰,宫洵,蔡硕,陈虹[9]（2019）在《考虑参数不确定性的移动机器人轨迹跟踪控制》一文中研究指出针对移动机器人系统中轮胎半径和轮胎间距存在的参数不确定性问题,提出自适应轨迹跟踪控制方法.首先,推导适合进行自适应控制器设计的系统误差模型,将原有控制问题转化为不确定参数的自适应更新率和虚拟控制输入的设计问题;然后,针对系统中的不确定性参数,设计自适应更新率对其进行在线估计,并设计虚拟的控制输入,得到移动机器人驱动电机的左右轮转速;其次在Lyapunov稳定性框架下证明闭环跟踪误差系统的渐近稳定性和估计误差系统的稳定性;最后通过仿真和实验表明,所提出方法能够通过在线学习估计出参数真实值,使得实际运行轨迹收敛到参考轨迹,同时表明所提出方法能够抑制系统参数不确定性对控制系统的影响.(本文来源于《控制与决策》期刊2019年01期）
王宇驰,陈友东,游玮[10]（2016）在《一种对机器人阻抗控制中不确定性进行补偿的方法》一文中研究指出机器人建模中存在的不确定性,给机器人精确控制带来了困难,在机器人力控制中尤为明显,制约了力控制在实际生产中的应用。采用模糊控制、神经网络等智能控制方法是解决这些经典控制理论所面临问题的有效手段。文中使用无监督学习的神经网络对不确定性进行在线补偿,提高阻抗控制的力跟踪性能,通过仿真验证了算法的有效性。(本文来源于《机床与液压》期刊2016年09期）
不确定性机器人论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者法,以驱动器电压作为控制量,通过反步法设计了一种移动机器人编队鲁棒自适应控制方法。采用单输入径向基神经网络(RBFNN)对含驱动器动力学的机器人动力学非线性不确定部分的上界值进行在线估计,并通过非线性元对建模估计误差进行补偿。所提方法既解决了移动机器人编队控制的多不确定性问题,也确保了机器人编队期望队形下的轨迹跟踪。基于Lyapunov方法设计了参数自适应律,并进行了系统稳定性分析。最后,通过两个仿真实例验证了该方法对不确定性估计的准确性,减低了计算复杂度,提高了抗干扰能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
不确定性机器人论文参考文献
[1].袁海辉,葛一敏,甘春标.不确定性扰动下双足机器人动态步行的自适应鲁棒控制[J].浙江大学学报(工学版).2019
[2].李艳东,朱玲,么洪飞,金涛.带不确定性上界估计的移动机器人编队控制[J].计算机仿真.2019
[3].公成龙.不确定性机器人的组合非线性反馈控制[D].南昌航空大学.2019
[4].蔡俊.考虑认知不确定性的工业机器人可靠性指标预测方法[D].电子科技大学.2019
[5].代睿.非结构环境仓储机器人的避障信息感知和行为不确定性处理[D].电子科技大学.2019
[6].陈集思.基于动力学不确定性的视觉伺服机器人控制[J].电脑编程技巧与维护.2018
[7].张启彬.基于不确定性分析的移动机器人室内定位与导航控制方法研究[D].中国科学技术大学.2018
[8].王丽娟,吕丽平,张玉宏.任务空间内不确定性空间机器人智能控制方法[J].机床与液压.2018
[9].顾万里,胡云峰,宫洵,蔡硕,陈虹.考虑参数不确定性的移动机器人轨迹跟踪控制[J].控制与决策.2019
[10].王宇驰,陈友东,游玮.一种对机器人阻抗控制中不确定性进行补偿的方法[J].机床与液压.2016
论文知识图
